Otimiza??o do ?ndice de qualidade da ?gua por meio de an?lise estat?stica multivariada.

Programa de P?s-Gradua??o em Engenharia Ambiental. PRO?GUA, Pr?-Reitoria de Pesquisa e P?s Gradua??o, Universidade Federal de Ouro Preto.O principal objetivo deste trabalho foi reduzir o n?mero de par?metros comp?em o ?ndice de Qualidade da ?gua (IQA), desenvolvido pela National Sanitation Foundation, por meio da aplica??o de an?lise estat?stica multivariada. Para isto, foram utilizados os resultados fornecidos pelo Instituto Mineiro de Gest?o das ?guas - IGAM de cada par?metro integrante do IQA (oxig?nio dissolvido, coliformes termotolerantes, pH, DBO, nitrato, fosfato, temperatura, turbidez e s?lidos totais) e os respectivos valores de IQA, de cada esta??o de monitoramento da Bacia do Rio das Velhas, no per?odo de 2000 a 2010. Para a redu??o do n?mero de dados avaliados foi primeiramente investigada a aplica??o da an?lise de componentes principais (PCA), cuja aplica??o n?o foi satisfat?ria para a avalia??o do conjunto de dados estudado. Desta forma, a rede neural de Kohonen foi utilizada, proporcionando a redu??o do conjunto de dados inicial composto por 1834 resultados para 524. A viabilidade da aplica??o da redu??o do n?mero de resultados foi avaliada pela compara??o entre a correla??o dos dados originais e os dados reduzidos. A redu??o do n?mero de conjuntos de dados tamb?m mostrou que a frequ?ncia de avalia??o das esta??es de monitoramento poderia ser reduzida, em rela??o a frequ?ncia atualmente praticada pelo IGAM, culminando em redu??o de custos com monitoramento. O novo conjunto de dados formado por 524 resultados foi avaliado pela t?cnica OPS (ordered predictors selection), visando obter a redu??o do n?mero de par?metros do IQA. Nesta an?lise verificou-se a possibilidade da cria??o de um novo modelo para determina??o do IQA, formado pelos par?metros coliformes termotolerantes, DBO, fosfato, oxig?nio dissolvido e turbidez. A calibra??o do novo modelo se deu com a aplica??o da ferramenta PLS (partial least squares), prevendo os valores de IQA gerados pelo novo modelo e comparando-os aos valores originais de IQA, para o conjunto de dados, calculados pela f?rmula tradicional. A calibra??o indicou que os dados se ajustaram ao modelo, cujo coeficiente de determina??o (R2) foi igual a 0,96, e o gr?fico de res?duos apresentou distribui??o aleat?ria, com valores dos res?duos bem pr?ximos de zero. O modelo ainda foi avaliado estimando os resultados de IQA, com o uso de cinco par?metros, e a aplica??o dos resultados de monitoramento de qualidade da ?gua do ano de 2011. Os resultados obtidos na valida??o retratam a previs?o do IQA pelo modelo muito pr?xima aos resultados obtidos por meio do c?lculo tradicional, apontando R2 igual a 0,92, confirmando a aplicabilidade do novo modelo constru?do.The main objective of this work was to reduce the number of parameters comprising the Water Quality Index (WQI) by the application of multivariate statistical analysis. For this, the results of monitoring conducted by the Water Management Institute of Minas Gerais (IGAM) for each parameter of the WQI (dissolved oxygen, fecal coliform, pH, BOD, nitrate, phosphate, temperature, turbidity and total solids) and the respect WQI score obtained at each monitoring station in the Velhas River Basin, in the period between 2000 and 2010. The reduction of the number of evaluated data was first investigated by means of application of principal component analysis (PCA), whose implementation is not suitable for evaluating the data set studied. Thus, the Kohonen`s neural network was used, providing a reduction in the initial data set from 1834 to 524 results of analyses. The viability of this data reduction was assessed by comparing the correlation between the original data and the reduced data. The reduction of the number of data sets also showed that the monitoring frequency of all stations could be reduced, compared to currently practiced by IGAM, culminating in important cost savings with monitoring. The new data set formed by 524 results were evaluated by the OPS (Ordered Predictors Selection) to reduce the number of parameters of WQI. In this analysis there was the possibility of creating a new model for determining the WQI. This model was formed by five parameters: thermotolerant coliform, BOD, phosphate, dissolved oxygen and turbidity. The calibration of the new model was done by PLS (Partial Least Square) tool, predicting WQI values generated by the new model and comparing the results to the original forecast WQI values for the data set, calculated by the traditional formula. The calibration indicated that the data fitted the model, whose coefficient of determination (R2) was equal to 0.96, and the graph of residues showed a random distribution, with values close to zero. The model was further assessed for prediction of the results of WQI, using this model with five parameters, and applying the results of monitoring of water quality in the year 2011 carried out by IGAM. The results of the validation depicted very close to WQI results obtained by the traditional calculation and R2 was 0.92, confirming the applicability of the new model constructe