Análise da dispersão de poluentes em rios via aproximação Bayesiana

O estudo da dispersão de poluentes em rios está vinculado à análise da carga de poluentes conservativos lançados instantaneamente (fontes difusas de poluição) ou de maneira contínua (fontes pontuais) em um dado rio. Estes problemas foram abordados nesta dissertação de mestrado por meio de dados experimentais com traçador conservativo injetado em pulso e continuamente. Objetivou-se identificar as caraterísticas do traçador (isto é, magnitude, distribuição espacial e duração do lançamento). A abordagem da dinâmica desses problemas foi realizada por meio de aproximação de problemas inversos, sendo computada pelo método Simulated Annealing (SA) e pela assimilação de dados baseada nos métodos Bayesianos de Particle Filtering (PF). O método SA permitiu obter resultados satisfatórios na representação da dinâmica do sistema de modo off-line. Esses resultados foram avaliados estatisticamente ao se empregar 120 repetições do algoritmo e diferentes níveis de incerteza. Contudo, uma limitação importante foi o tempo computacional para aproximar em tempo real. Por esse motivo, utilizou-se o PF para quantificação de incertezas em diferentes condições de distribuição a priori e número de partículas, observando sequencialmente o desempenho dos filtros SIR e SIR com suavizador de Kernel em relação ao erro quadrático médio (RMS), coeficiente de determinação (R2), coeficiente de autocorrelação do resíduo (SC) e coeficiente de reamostragem mínimo (REAmin). A técnica de suavização de Kernel, responsável por reduzir o empobrecimento da amostra do filtro de partículas SIR, propiciou os melhores resultados. Com isso, a utilização do filtro SIR com o suavizador de Kernel confirmou-se como uma alternativa para possíveis aplicações de controle de poluição de rios, inferência virtual e alarme