Previs��o da Classifica����o da qualidade dos efluentes da ind��stria petrol��fera com recurso a sistemas inteligentes

O presente trabalho realizou-se na Refinaria de Sines e teve como principal objectivo a utiliza����o de ferramentas oriundas da ��rea Cient��fica da Inteligência Artificial no desenvolvimento de modelos de previs��o da classifica����o da ��gua Residual Industrial de acordo com a Legisla����o em vigor, com vista �� minimiza����o dos impactes ambientais e das tarifas aplicadas pela Concession��ria (��guas de Santo Andr��) �� Refinaria. Actualmente a avalia����o da qualidade do efluente �� realizada atrav��s de m��todos anal��ticos ap��s colheita de uma amostra do efluente final. Esta abordagem �� muito restritiva j�� que n��o permite actuar sobre o efluente em quest��o pois apenas pode evitar que, no futuro, uma mistura semelhante volte a ser refinada. Devido a estas limita����es, o desenvolvimento de modelos de previs��o baseados em Data Mining mostrou ser uma alternativa para uma quest��o pr��-activa da qualidade dos efluentes que pode contribuir decisivamente para o cumprimento das metas definidas pela Empresa. No decurso do trabalho, foram desenvolvidos dois modelos de previs��o da qualidade do efluente industrial com desempenhos muito semelhantes. Um deles utiliza a composi����o das misturas processadas e o outro, utiliza informa����es relativas ao crude predominante na mistura. ABSTRACT; This study has taken place at the Sines Refinery and its main objective is the use of Artificial Intelligence tools for the development of predictive models to classify industrial residual waters according with the Portuguese Law, based on the characteristics of the mixtures of crude oil that arrive into the Refinery to be processed, to minimize the Environmental impacts and the application of taxes. Currently, the evaluation of the quality of effluent is performed by analytical methods after harvesting a sample of the final effluent. This approach is very restrictive since it does not act on the intended effluent; it can only avoid that in the future a similar mixture is refined. Duet these limitations, the development of forecasting models based on Data Mining has proved to be an alternative on the important issue which is the quality of effluent, which may contribute to the achievement of targets set by the Company. During this study, two models were developed to predict the quality of industrial effluents with very similar performances. One uses the composition of processed mixtures and the other uses information regarding the predominant oil in the mixture.

Avalia����o e controlo da qualidade da ��gua de albufeiras com base em modelos din��micos

A problem��tica relacionada com a modela����o da qualidade da ��gua de albufeiras pode ser abordada de diversos pontos de vista. Neste trabalho recorre-se a metodologias de resolu����o de problemas que emanam da ��rea Cientifica da Inteligência Artificial, assim como a ferramentas utilizadas na procura de solu����es como as ��rvores de Decis��o, as Redes Neuronais Artificiais e a Aproxima����o de Vizinhan��as. Actualmente os m��todos de avalia����o da qualidade da ��gua s��o muito restritivos j�� que n��o permitem aferir a qualidade da ��gua em tempo real. O desenvolvimento de modelos de previs��o baseados em t��cnicas de Descoberta de Conhecimento em Bases de Dados, mostrou ser uma alternativa tendo em vista um comportamento pr��-activo que pode contribuir decisivamente para diagnosticar, preservar e requalificar as albufeiras. No decurso do trabalho, foi utilizada a aprendizagem n��o-supervisionada tendo em vista estudar a din��mica das albufeiras sendo descritos dois comportamentos distintos, relacionados com a ��poca do ano. ABSTRACT: The problems related to the modelling of water quality in reservoirs can be approached from different viewpoints. This work resorts to methods of resolving problems emanating from the Scientific Area of Artificial lntelligence as well as to tools used in the search for solutions such as Decision Trees, Artificial Neural Networks and Nearest-Neighbour Method. Currently, the methods for assessing water quality are very restrictive because they do not indicate the water quality in real time. The development of forecasting models, based on techniques of Knowledge Discovery in Databases, shows to be an alternative in view of a pro-active behavior that may contribute to diagnose, maintain and requalify the water bodies. ln this work. unsupervised learning was used to study the dynamics of reservoirs, being described two distinct behaviors, related to the time of year.