Notícias

Física de Materiais - UPE

Artigo sobre análise e previsão da concentração de poluentes no ar é publicado por professor do curso de Física de Materiais da UPE

O professor do curso de Física de Materiais da UPE, Manoel H. N. Marinho, publicou recentemente um artigo científico intitulado "A Methodology to Increase the Accuracy of Particulate Matter Predictors Based on Time Decomposition" no periódico internacional Sustainability. O trabalho tem seu foco no uso de redes neurais artificiais para predição da concentração poluentes atmosféricos em diferentes cidades do Brasil e do mundo.

O material particulado (MP) é um dos poluentes atmosféricos mais nocivos à saúde humana estudados em todo o mundo. Nesse cenário, é de suma importância monitorar e prever a concentração de MP. As redes neurais artificiais (RNA) são comumente usadas para prever os níveis de poluição do ar devido à sua precisão. O uso de partição em problemas de previsão é bem conhecido porque a decomposição de séries temporais permite que os componentes latentes da série original sejam revelados. É uma questão de extrair o componente “determinístico”, que é fácil de prever os componentes aleatórios. No entanto, não há evidências de seu uso na previsão da poluição do ar. Neste trabalho, os autores apresentam uma abordagem diferente que consiste na decomposição das séries temporais em partições mensais contíguas, com o objetivo de desenvolver preditores especializados para resolver o problema, pois a concentração de poluentes atmosféricos tem comportamento sazonal.

O objetivo do trabalho é atingir uma precisão de predição maior do que a obtida com o uso de toda a série. Experimentos foram realizadas para sete séries temporais de concentrações diárias de material particulado (PM2,5 e PM10 - partículas com diâmetro menor que 2,5 e 10 micrômetros, respectivamente) na Finlândia e no Brasil, usando quatro RNAs: perceptron multicamadas, função de base radial, máquinas de aprendizado extremo, e redes de estado de eco. Os resultados experimentais usando três medidas de avaliação mostraram que a metodologia proposta aumentou a capacidade de previsão de todos os modelos, levando a uma maior precisão em comparação com a abordagem tradicional, mesmo para eventos de poluição atmosférica extremamente elevados.

O estudo tem uma contribuição importante para os estudos de previsão da qualidade do ar, e pode ajudar os governos a tomar medidas visando a redução da poluição e a preparação de hospitais durante eventos extremos. Sendo ainda relacionado aos seguintes objetivos de desenvolvimento sustentável das Nações Unidas: ODS 3 - boa saúde e bem-estar e ODS 11 - cidades e comunidades sustentáveis.

O trabalho de pesquisa recebeu apoio financeiro da FACEPE e CAPES.

O artigo possui pode ser visualizado através do link:

A Methodology to Increase the Accuracy of Particulate Matter Predictors Based on Time Decomposition