A região tropical é marcada por apresentar grande variabilidade quanto à distribuição dos seus regimes pluviométricos, e o conhecimento dessa variabilidade torna-se fundamental para obtenção dos padrões definidores dos regimes hidrológicos e climatológicos desta região. No entanto, a falta de informação quanto à distribuição da precipitação é um sério obstáculo para se compreender e modelar sua variabilidade, surgindo a necessidade de se obter informações para regiões que não apresentam estações de medições ou que apresentem falhas em seu banco de dados através da interpolação. O método consiste em utilizar técnicas geoestatísticas na compreensão da variabilidade espacial e no preenchimento de falhas de dados pluviométricos para o Estado de Alagoas. Para o estudo foram selecionados dados de 63 estações pluviométricas, provenientes da Agência Nacional de Águas (ANA) entre os anos de 1965 a 1980. A utilização da geoestatística, com a análise variográfica, mostrou que as características estruturais estudadas da precipitação estão correlacionadas e apresentam forte dependência espacial. A estimativa da precipitação obtida pelo método de Krigagem Ordinária apresentou resultados satisfatórios, para a distribuição espacial da precipitação, bem como para o preenchimento de falhas. Palavras chaves: Geoestatística, krigagem ordinária, preenchimento de falhas. ABSTRACT: SPATIAL VARIABILITY AND MISSING PRECIPITATION DATA FILLING IN ALAGOAS STATETropical region is characterized by great variability in the distribution of the rainfall regimes, and knowledge of this variability is fundamental to achieve the standards that define the climatologic and hydrological regimes of this region. However, lack of information regarding the distribution of rainfall is a serious obstacle to understanding and modeling its variability, resulting in the need to obtain information for regions that do not have measuring stations or shows flaws in its database, by interpolation. The method uses geostatistic technique to understand the spatial variability and on the filling of rainfall data missing on the Alagoas state. For the study 63 rainfall gauge stations of the Agência Nacional de Águas (ANA) in the period 1965 to 1980 were selected. The use of geostatistic with variographic analysis showed that the structural characteristic of the studied rainfall are correlated and have strong spatial dependence. The estimation of rainfall obtained by ordinary kriging method showed satisfactory results for the spatial distribution of rainfall as well as in filling the missing data values.

A falta de informação quanto à distribuição da precipitação é um sério obstáculo para se compreender e modelar sua variabilidade, surgindo assim a necessidade de se obter informações para regiões que não apresentam estações de medição ou que apresentem falhas em seu banco de dados por meio da interpolação. Desta forma, o objetivo deste estudo consiste em utilizar Redes Neurais Artificiais (RNA's), propondo diferentes procedimentos para sua utilização, na interpolação espacial de dados pluviométricos no Estado de Alagoas. Para o estudo foram utilizadas 245 estações pluviométricas localizadas nos Estados de Alagoas e Pernambuco, das quais se usou as informações de latitude, longitude, altitude e precipitação das estações próxima à estação base que se desejou estimar a precipitação, como parâmetros de entrada das redes. A utilização de RNA´s, no preenchimento de falhas de dados pluviométricos, mostrou diferença estatística em apenas um procedimento adotado pelas redes. As estimativas realizadas para o mês de novembro apresentou resultados mais coerentes com os observados nas estações bases, devido a menor variabilidade espacial da precipitação neste mês.

No abstract

The present study aims at evaluating the treatment of polycyclic aromatic hydrocarbons (PAH) present in oil refinery effluents by advanced oxidation process (AOP), besides analysing the data obtained using artificial neural networks (ANN). The AOP process managed to degrade 10 different PAH initially found in the samples analysed. The efficiency analysis of the process was also evaluated, according to the amounts of total organic carbon (TOC). The ANN Multilayer Perceptron used consisted of 3 layers. Experimental and simulated data used in the training were compared in both trial and validation processes concluding that the amounts were very similar. The network used was able to monitor precisely the tendency of the data and the amounts of TOC, observing the correlation coefficient on both modelling strategies employed. The values of R 2 were 0.994 in the first modelling, using the activation function logsig, and 0.996 in the second one, using tansig. Both modelings used the training algorithm Levenberg-Marquardt, corroborating the efficiency of the process employed.

No abstract