Previsão de ozônio troposférico na região metropolitana do Rio de Janeiro com base em técnicas de imputação de dados faltantes e calibração multivariada

• Ano de defesa: 2022
• Autor(a) principal: Oliveira, Rafael Corrêa Gama de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Faculdade de Engenharia; Brasil; UERJ; Programa de Pós-Graduação em Engenharia Ambiental
• Palavras-chave em Português: Environmental engineering; Air - Quality Control; Air - Pollution; Atmospheric ozone; Computer Learning; Engenharia ambiental; Ar - Controle de qualidade; Ar - Poluição; Ozônio atmosférico; Aprendizado do computador; ENGENHARIAS::ENGENHARIA SANITARIA::SANEAMENTO AMBIENTAL::CONTROLE DA POLUICAO
• Link de acesso: http://www.bdtd.uerj.br/handle/1/18175

O ozônio troposférico tem um impacto negativo no meio ambiente e, consequentemente na saúde pública. Devido a este problema, este trabalho propõe estudar modelos estatísticos utilizando metodologia de aprendizado de máquina para a previsão de ozônio troposférico na Região Metropolitana do Rio de Janeiro. Técnicas de calibração multivariada baseada nos métodos Regressão de Mínimos Quadrados, Florestas Aleatórias, Máquinas de Vetor de Suporte e Rede Neural Artificial combinados com o algoritmo de imputação MissForest, foram aplicados para entender a interação entre ozônio e óxidos de nitrogênio, monóxido de carbono, velocidade do vento, radiação solar, temperatura, umidade relativa, entre outros poluentes, cujos dados foram coletados na Região Metropolitana do Rio de Janeiro em quatro estações de qualidade do ar de diferentes perfis, nas localidades de Adalgisa Nery, Porto das Caixas, Laboratório do INEA e Vila São Luiz, entre 2014 e 2018. Essas técnicas fornecem uma maneira fácil e viável de modelagem e análise de poluentes atmosféricos, a qual podem ser utilizadas e combinadas com outros métodos estatísticos para a validação do modelo. Os resultados mostraram que as técnicas quimiométricas Florestas Aleatórias, Máquinas de Vetor de Suporte e Rede Neural Artificial podem ser usadas na modelagem e previsão de concentrações de ozônio troposférico, com coeficiente de determinação da previsão de até 0,92. O erro quadrático médio de previsão varia entre 4,17 e 22,45 µg m-3, dependendo das estações de monitoramento da qualidade do ar e estação do ano.