Aplicação de Rede Neural Artificial para Predição da Qualidade do Efluente Tratado em Wetland Construído Vertical de Fundo Saturado

Abstract

A utilização da ecotecnologia dos wetlands construídos verticais de fundo saturado (WCV-FS) no tratamento de esgoto doméstico apresenta larga aplicabilidade para o cenário do saneamento na realidade brasileira, apresentando requisitos construtivos e operacionais atrativos aos sistemas descentralizados. Sua eficiência de remoção da demanda química de oxigênio (DQO) é consolidada e assegura um critério de qualidade operacional no tratamento do efluente. Nesse contexto, o presente trabalho avalia a aplicabilidade de Redes Neurais Artificiais (RNA) para a predição da DQO efluente do WCV-FS, utilizando como variáveis preditoras dados de qualidade da água do esgoto afluente e dados meteorológicos. Esta pesquisa utilizou técnicas de pré-processamento dos dados como Análise de Componentes Principais (ACP) e Fator de Influência de Predição, para seleção de componentes principais e redução de dimensionalidade. Quatro conjunto de dados foram formados para comparar como diferentes parâmetros de qualidade da água e meteorologia impactam no processo de predição da DQO através das RNAs, sendo o desempenho avaliado pelo Erro Quadrático Médio, Coeficiente de Regressão e Coeficiente de Regressão Ajustado (R² ajustado). O conjunto de dados transformados por ACP obteve a RNA os melhores resultados (R² ajustado = 0.676 e EQM = 244.81). Todos os modelos previram corretamente as tendências de desempenho de remoção de DQO nos WCV-FS, indicando uma viabilidade significativa do uso de RNA para predição de remoção de matéria orgânica dos WCV-FS, promovendo dessa forma, uma ferramenta capaz de auxiliar nas tomadas de decisão dentro dos processos operacionais do sistema de tratamento, bem como para efeitos de projeto.

The sanitation scenery in Brazil presents a very suitable opportunity for the use of constructed vertical wetlands with a saturated background in the treatment of its domestic sewage. This ecotechnology displays attractive operational and constructive requirements for decentralized systems. Its efficiency in the elimination of chemical oxygen demand (COD) is well established and it assures the quality criteria for effluent treatment operations. Given this background, the present work evaluates the applicability of Artificial Neural Networks (ANN) to predict the effluent COD from VSCW, taking in predictive variables from water data provided by the inflowing sewage and meteorological data. This research used data preprocessing techniques such as Principal Component Analysis (PCA) and Prediction Influence Factor to select the most relevant parameters and reduce the dimensionality. Four datasets were raised to compare how distinct water quality and meteorological parameters influence the COD prediction process through ANNs. The performance of the ANNs was evaluated using the Mean Squared Error, Regression Coefficient and Adjusted Regression Coefficient (Adjusted R²). The ACP transformed dataset obtained the best results for the ANN (adjusted R² = 0.676 and RMSE = 244.81). All models correctly predicted the trends of COD removal performance in VSCW, indicating a significant viability for the usage of ANNs in the evaluation and prediction of organic matter removal from VSCW, promoting a tool capable of aiding the decision making