Informática

Redes neurais podem prever consumo de água

Com informações da Agência USP - 03/08/2011

Estudo do Departamento de Engenharia Hidráulica e Sanitária da Escola Politécnica (Poli) da 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.

Redes Neurais Artificiais

Redes neurais artificiais são estruturas ou sistemas computacionais que realizam o processamento de dados tentando imitar o funcionamento do 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, atualmente 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," afirma.

De acordo com a pesquisadora, as redes neurais artificiais 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."

Perfil do consumo de água

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."

Memória das redes neurais

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 feita 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 redes neurais artificiais. 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 redes neurais artificiais, pois ela ajuda a melhorar o desempenho da previsão", conta Cláudia. "Os resultados das previsões tiveram níveis de erros aceitáveis."