Modelo de predição de desempenho de estações de tratamento de água de pequeno porte usando redes neurais artificiais

Abstract

As estações de tratamento de água (ETAs) têm um papel fundamental e estratégico no controle de doenças transmitidas pela água por meio da potabilização da água, para atender às necessidades da população que é abastecida por ela. Nesse contexto, a avaliação do desempenho dessas estações é primordial, particularmente para as entidades responsáveis pelo estágio de controle da qualidade da água, uma vez que a ETA deve apre- sentar e operar com condições mínimas necessárias para alcançar seu objetivo. Para o desenvolvimento dos modelos (Modelo 1 - com base na turbidez da água tratada e Modelo 2 - com base na cor aparente da água tratada) foram utilizados dados referentes à qualidade da água bruta e tratada, fatores operacionais e parâme- tros hidráulicos de 3 ETAs, com taxas de fluxo de 50 L.s-1 ou menos. Os modelos foram desenvolvidos usando a caixa de ferramentas do Matlab®, a partir da rede neural do tipo de camadas recorrentes, com função de ativação tansig e purelin. Como resultados, os modelos apresentaram coeficientes de determinação de 0,928 e 0,823 para turbidez e cor aparente da água tratada, respectivamente. Os resultados corroboram a aplicação da Inteligência Artificial em estações de tratamento de água, com o objetivo de otimizar processos e garantir uma maior operabilidade da ETAs, gerando um produto cada vez mais confiável. Palavras-chave: Desempenho da planta de tratamento de água. Processos de otimização. Rede neural artificial. Abstract The water treatment plants (WTP) have a fundamental and strategic role in the control of waterborne diseases through the potabilization of water, to meet the needs of the population that is supplied by it. In this context, evaluating the performance of these stations is paramount, particularly for the entities responsible for the water quality control stage, since WTP must present and operate with minimum conditions necessary to achieve its ob- jective. For the development of the models (Model 1 - based on turbidity of treated water and Model 2 - based on the apparent color of the treated water) data were used referring to raw and treated water quality, operational factors and hydraulic parameters of 3 WTPs, with flow rates of 50 L.s-1 or less. The models were developed usingthe Matlab® toolbox, from the neural network of the recurrent layers type, with activation function tansig and purelin. As results, the models presented regression coefficients of 0.928 and 0.823 for turbidity and apparent color of treated water, respectively. The results corroborate for the application of Artificial Intelligence in water treatment plants, with a view to optimizing processes and guaranteeing greater WTPs operability, generating an increasingly reliable product. Keywords: Water treatment plant performance. Optimization processes. Artificial Neural Network.