Previsão de material particulado utilizando regressão múltipla

##plugins.themes.bootstrap3.article.main##

Amanda Maria Costa Bezerra Cavalcanti
Manoel H. da Nóbrega Marinho
Pedro Henrique Meira De Araújo

Resumo

IntroduçãoO termo "Material Particulado" (MP) refere-se às partículas de material sólido ou líquido que ficam suspensas no ar, na forma de poeira, neblina, fumaça, fuligem e outras.(LORENA, 2016) “As partículas possuem diversos tamanhos e cada um deles tem maior impacto nas questões ligadas à saúde pública já que os efeitos sobre o organismo humano são logo vistos na alteração da capacidade do sistema respiratório de removê-las do ar inalado. A presença de metais no ar atmosférico esta associada a diversos efeitos causados sobre a saúde da população como: Alzheimer’s, Parkinson’s, anemia, osteoporose, câncer, doenças do sistema nervoso, esterilidade, edema pulmonar, irritação no trato respiratório, entre outros”.Em 2001, foi criada a Vigilância em Saúde Ambiental relacionada à Qualidade do Ar – VIGIAR. Esse programa tem o propósito de estabelecer ações para minimizar e prevenir o impacto dos poluentes. Além disso, o material particulado foi dito não só como indicador de saúde ambiental, como também a sua ligação com morbidade e mortalidade, registrados no Código Internacional de Doenças – CID 10.Atualmente, a poluição do ar por MP mata mais do que a AIDS e o trânsito junto, apenas na cidade de São Paulo. Nesta, as doenças provocadas pela poluição do ar causam cerca de nove mortes por dia e custo anual de US$ 1,5 milhão para tratar as doenças provocadas por essa poluição.(LYRA, 2011) “A capacidade de calcular com a maior precisão possível e prever a concentração de partículas no ambiente são essenciais para controle de uma boa qualidade do ar.” Sendo assim, utilizando a técnica de modelagem de regressão linear múltipla, foi estimada a concentração de material particulado em suspensão junto aos principais pontos de monitoramento da qualidade do ar distribuídos em Helsinque, na Finlândia.MetodologiaCom influência das condições meteorológicas, foi ajustado um desenvolvimento da técnica de modelagem de regressão linear múltipla para estimar a concentração de material particulado em suspensão, com diâmetro inferior a 10 mm, junto aos principais pontos de monitoramento da qualidade do ar distribuídos em Helsinque, na Finlândia.Foram utilizadas métricas estatísticas de nível de significância, intervalo de confiança e teste de hipóteses a fim de determinar as principais variáveis explicativas na estimativa de material particulado em suspensão para iniciar uma investigação do comportamento da RLM (regressão linear múltipla) criada, frente às diversas alterações nas configurações de rede propostas para conseguir a validação do modelo por meio da comparação com os resultados de medição realizados no ponto de monitoramento da qualidade do ar.Resultados e ConclusõesDesenvolver um estudo que ajude a reduzir o impacto do material particulado no meio ambiente é de grande importância. Assim, com os resultados obtidos, pode-se afirmar que para fins de cálculo dos parâmetros, utilizando regressão linear múltipla, o método demonstra resultados satisfatórios comparados com pesquisas de autores encontrados em periódicos de revistas internacionalmente renomados.No desenvolvimento da regressão linear múltipla, foi encontrado na literatura o valor de PM10 para Vallila equivalente a 17,58% e para Kallio de 35,93%. Comparando com o estudo publicado em 2014, Engineering Applications of Artificial Intelligence, também para PM10, o valor encontrado para Vallila foi de 29,66% e para Kallio de 32,63%. 

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Seção
Engenharia Elétrica (Eletrônica/Eletrotécnica/Telecomunicações)

Referências

Referências Bibliográficas

LORENA, Simone; MARTINS, Eduardo. Poluição Atmosférica, poluentes particulados e gasosos. Semana da Química – UFRJ. 24.ed. 2016. Rio de Janeiro. Em: .



Paulo S.G. de Mattos Neto, Francisco Madeiro, Tiago A.E. Ferreira, George D.
C. Cavalcanti. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE. The International Journal of Intelligent Real-Time Automation. Vol. 12. 2014.



LYRA, Gustavo; SOUZA, Melissa; VIOLA, Denise. Revista Brasileira de Meteorologia. V.26, N.3, 392-400. 2011. Modelos Lineares aplicados à estimativa da concentração do material particulado (PM10) na cidade do Rio de Janeiro, RJ.



Dimitris Voukantsis, Kostas Karatzas, Jaakko Kukkonen, Teemu Räsänen,
Ari Karppinen, Mikko Kolehmainen. Intercomparison of air quality data using principal component analysis, and forecasting of PM10 and PM2.5 concentrations using artificial neural networks, in
Thessaloniki and Helsinki. SCIENCE OF THE TOTAL ENVIRONMENT. Vol.409, number 7. 2011.