Pesquisadora da Poli cria método para prever consumo de água

Tese de doutorado resultou num sistema que poderá ser usado para

otimizar o abastecimento da Região Metropolitana de São Paulo (RMSP).

Uma tese de doutorado, defendida neste mês, no Departamento de Engenharia Hidráulica e Sanitária da Escola Politécnica da Universidade de São Paulo (Poli-USP), resultou num método para prever a demanda de água em regiões urbanas, que poderá ser usado para otimizar o abastecimento da Região Metropolitana de São Paulo (RMSP). A autora do trabalho, a engenheira civil Cláudia Cristina dos Santos, usou Redes Neurais Artificiais (RNA) para analisar as variáveis socioambientais e meteorológicas que influenciam o consumo água na RMSP e desenvolver um modelo de previsão de demanda a curto prazo.

Tese de doutorado resultou num sistema que poderá ser usado para

otimizar o abastecimento da Região Metropolitana de São Paulo (RMSP).

Uma tese de doutorado, defendida neste mês, no Departamento de Engenharia Hidráulica e Sanitária da Escola Politécnica da Universidade de São Paulo (Poli-USP), resultou num método para prever a demanda de água em regiões urbanas, que poderá ser usado para otimizar o abastecimento da Região Metropolitana de São Paulo (RMSP). A autora do trabalho, a engenheira civil Cláudia Cristina dos Santos, usou Redes Neurais Artificiais (RNA) para analisar as variáveis socioambientais e meteorológicas que influenciam o consumo água na RMSP e desenvolver um modelo de previsão de demanda a curto prazo.

RNAs são estruturas ou sistemas computacionais que realizam o processamento de dados de maneira semelhante ao cérebro humano. “As redes neurais artificiais são modelos de processamentos matemáticos que tentam simular os sistemas naturais, utilizando-se de estruturas análogas às Redes Neurais Biológicas (RNB)”, explica Cláudia, que hoje trabalha como técnica em Ciência e Tecnologia, no Departamento de Sensoriamento Remoto do Instituto Nacional de Pesquisas Espaciais (Inpe). “Elas são baseadas na simulação computacional de aspectos da inteligência humana, levando em consideração a capacidade que o nosso cérebro tem de aprender e tomar decisões estruturadas em sua aprendizagem.”

De acordo com a pesquisadora, as RNAs têm sido utilizadas em tarefas de reconhecimento de padrões, processamento de sinais, controle de processos, otimização de sistemas e previsões. No caso do seu trabalho, o sistema pode prever o consumo para o dia seguinte ou até mesmo para a próxima hora. “Sabendo a previsão para próxima hora pode-se fazer a otimização de um sistema”, diz Cláudia. “Devido ao aumento do crescimento populacional da RMSP, a disponibilidade hídrica existente e a complexidade do sistema de abastecimento, esta pesquisa é uma importante ferramenta para auxiliar na operação e melhorar o fornecimento de água.”

Para o estudo das variáveis sócio-ambientais e meteorológicas, Cláudia utilizou dados de consumo de água fornecidos pela Sabesp e meteorológicos do Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG), da USP. A pesquisa foi feitas nas principais Estações de Tratamento de Água (ETA) dos oitos sistemas produtores de água que compõem o Sistema de Abastecimento da RMSP. Para realizar a previsão de demanda foi analisada apenas a ETA do sistema Cantareira, que é o maior da RMSP, e um pequeno setor considerado como de consumo doméstico, chamado de Itaim Paulista, no bairro do mesmo nome, na Zona Leste da cidade de São Paulo.

Segundo a pesquisadora, a ETA Cantareira e o setor Itaim Paulista foram utilizados para avaliar a relação entre o consumo e as variáveis socioambientais e meteorológicas para o ano de 2005. Os dados obtidos foram usados para o treinamento, o teste e a previsão feitas pelas RNAs. Para a ETA Cantareira foram criados 8 modelos de previsão e para o setor ltaim Paulista, 57. O desempenho dos modelos foi avaliado por meio de vários parâmetros estatísticos. “Os resultados mostraram a importância da “memória” das RNAs, pois ela ajuda a melhorar o desempenho da previsão”, conta Cláudia. “Os resultados das previsões tiveram níveis de erros aceitáveis.”

Perfil de consumo – O levantamento do consumo médio mensal, por sua vez, mostrou que ele varia ao longo do ano, sendo maior no verão, com pico em março, e menor no inverno, com destaque para julho. Em geral, a tendência do consumo é diminuir a partir do mês de março e aumentar a partir do mês de novembro. O mês de agosto tem um pico em relação aos meses de inverno, consequência do tempo seco que ocorre nesse período, que provoca um aumento no consumo. Durante a semana, o domingo é o dia de menor consumo e a sexta-feira o de maior, sendo que as quartas-feiras e os sábados são dias de consumo próximos da média. “Mas isto não é regra, porque esta variação depende de fatores inerentes à região de cada sistema”, diz Cláudia.

O mesmo pode ocorrer em relação ao consumo no decorrer do dia. “Em geral o pico do consumo acontece a partir das 12 horas, quando passa a ser mais ou menos constante, com pequenas variações até as 17 horas”, revela Cláudia. “Depois começa a diminuir por volta das 18 horas, tornando-se quase constante no período entre 21 e 24 horas. O período entre 1 às 6 horas da manhã apresenta uma redução do consumo, sendo que o mínimo ocorre às 6 horas da manhã. Após este período passa a aumentar novamente.”