Modelagem e Predição temporal de Parâmetros de Qualidade de Água usando Redes Neurais Profundas

Abstract

A qualidade da água está diretamente relacionada com o seu nível de poluição, e para isso, é necessário o monitoramento para identificar as características físicas, químicas e biológicas, considerando a legislação vigente. Este artigo apresenta a comparação dos modelos de rede neural Long-Short Term Memory (LSTM) e Perceptron Multilayer (MLP) para predizer os parâmetros pH, OD, DBO, Fósforo e Turbidez da qualidade da água. Foram usadas as métricas de erro RMSE e MSE, quando as redes neurais são configuradas com 10, 25 e 50 neurônios. A rede LSTM apresentou um RMSE médio de 0,134, MSE médio de 0,035 e MAPE médio de 13,49. A rede MLP apresentou RMSE médio de 0,085, MSE médio de 0,01 e MAPE médio de 13,03. Os resultados do experimentos visam contribuir com o processo de monitoramento da qualidade da água e auxiliar o planejamento da gestão hídrica através do modelo de aprendizado de máquina adequado para predição dos parâmetros.

Previsão da temperatura interna de um forno de carvão de alvenaria utilizando rede neural artificial do tipo LSTM

“…Essas redes apresentam em sua estrutura o mecanismo que recebe o nome de comporta que é responsável por regular o fluxo de informações nas células da memória. De modo resumido, as redes LSTM são compostas por uma cadeia de células de memória e por comportas que são responsáveis por manipular a informação (ALMEIDA et al, 2020).…”

Predição temporal e espaço-temporal dos parâmetros da qualidade da água

“…Os modelos das redes neurais têm 100 épocas de iterac ¸ão, monitoramento da métrica de erro (EarlyStopping), func ¸ão de ativac ¸ão ReLu nas camadas facilitando o treinamento. Também, há 50 neurônios nas camadas de entrada e intermediária, pois têm os melhores desempenhos na predic ¸ão temporal desses parâmetros [Almeida et al 2020], e 1 neurônio saída. A camada intermediária no LSTM é implementada com Dropout para evitar o ajuste excessivo (overfitting), compilado com a métrica MAE e otimizador adam para ajustar os pesos de acordo com MAE.…”