Modelo preditivo para otimização do tratamento de esgoto com o uso de técnicas de aprendizado de máquina

Banca:

Resumo:

PESTANA, A. A. Modelo preditivo para otimização do tratamento de esgoto com o uso de técnicas de aprendizado de máquina. 159 f. Dissertação (Mestrado Profissional em Gestão e Tecnologia em Sistemas Produtivos). Centro Estadual de Educação Tecnológica Paula Souza, São Paulo, 2025.

O presente trabalho tem por objetivo analisar e otimizar os processos de tratamento de esgoto por meio da aplicação de técnicas de aprendizado de máquina, com foco específico nos parâmetros de Demanda Química de Oxigênio (DQO) e amônia. A dissertação justifica-se pela necessidade de explorar o potencial das Redes Neurais Artificiais (RNAs) na modelagem e previsão de parâmetros críticos no tratamento de esgoto. O método de pesquisa foi baseado no framework Design Science Research (DSR), a etapa prévia à aplicação das RNAs incluiu análises de PCA (Análise de Componentes Principais) e clusterização com visualização via K-means, identificando padrões nos dados. As modelagens realizadas empregaram além de RNAs, Redes Neurais com Atraso de Tempo (Time Delay Neural Networks – TDNNs), incorporando parâmetros como o Tempo de Detenção Hidráulica (TDH) que ocorre no tratamento de esgoto para aprimorar a precisão das predições. Os resultados obtidos a partir de previsões de utilização de inteligência artificial para prever parâmetros operacionais das Estações de Tratamento de Esgoto (ETEs), podem propiciar melhorias significativas em eficiência, confiabilidade, redução de custos com químicos e energia, e no caso da aplicação prática da RNA para predição em uma das ETEs da região metropolitana de São Paulo, antecipar cargas indesejadas ao tratamento. Nesse estudo, a modelagem da DQO em quatro ETEs da região metropolitana de São Paulo obteve média de 0,95 no coeficiente de determinação (R²) e 3,6 no MAE, e inclui a avaliação do impacto da base de dados, temperatura, estrutura da RN e features utilizadas nesses resultados. Além disso, o estudo destaca a importância da automação e da análise de dados para atender às normativas ambientais e promover a sustentabilidade no setor de saneamento. Linha de Pesquisa Sistemas de Informação e Tecnologias Digitais. Projeto de Pesquisa Tecnologias digitais em sistemas produtivos.