24 abr 2023
13:00 Defesa de Mestrado Auditório do IC3
Tema
Análise de Poluentes do Ar utilizando Sensores Virtuais
Aluno
Gabriel Oliveira Campos
Orientador / Docente
Leandro Aparecido Villas - Coorientador: Felipe Domingos da Cunha
Breve resumo
Os sensores virtuais têm sido cada vez mais utilizados para gerar dados sintéticos e fornecer informações complementares para as cidades inteligentes. Essa abordagem é importante para analisar aspectos, variáveis e eventos para os quais não existem sensores físicos, ou em casos onde existem os sensores físicos mas os mesmos não estão presentes no local. A utilização de dados provenientes de sensores virtuais, para a análise de poluentes do ar, pode apresentar resultados que ajudam a população que tem a saúde mais sensível, dada a importância da presença de sensores aptos a capturar níveis de poluentes na atmosfera. Aliado a isso, a criação desse tipo de sensor auxilia no planejamento das cidades, pois, cada vez mais estão surgindo cidades inteligentes e a divulgação e controle desses dados se torna necessário. Porém, existem casos nos quais sensores físicos podem estar indisponíveis, seja por falta de infraestrutura, dificuldades de acesso, ou mesmo leitura incorreta dos dados. Com isso, um dos maiores desafios de utilizar sensores físicos para analisar a concentração dos poluentes no ar é a falta de infraestrutura das cidades, as quais não são suficientes para a análise dos poluentes em seus grandes centros urbanos. Sendo assim, este trabalho tem como objetivo a criação de sensores virtuais para detecção de poluentes do ar através da utilização de modelos de aprendizado de máquina ou aprendizado profundo, que seja robusto, preciso e replicável. O uso desses sensores virtuais é uma boa alternativa com um bom custo-benefício para substituir a falta de sensores físicos que analisam a concentração desses poluentes, ou mesmo para substituir valores quando ocorre uma perda nos dados ou uma leitura incorreta. Portanto, foi realizado uma análise preliminar da correlação dos dados em diferentes cidades para verificar a robustez do modelo. Foi também avaliado a importância de cada variável meteorológica e dos poluentes para verificar os que mais impactam na criação dos sensores virtuais. Por fim, foram utilizados diferentes métodos de aprendizagem para identificação do melhor modelo para a criação dos sensores virtuais. Nesse trabalho produzimos diversos modelos de sensoriamento virtual, indo de modelos diários e horários, utilizando várias cidades em locais completamente distintos, e por fim, fizemos também uma análise de Forecasting para tratar o problema de perda completa de dados da rede de monitoramento, utilizando somente informações históricas do poluente. Após todas as análises, pudemos constatar que as Boosted Trees obtiveram os melhores resultados, com um menor RMSE para todos os cenários avaliados, além disso, esse modelo ainda obteve um tempo de processamento mais rápido que a maioria dos modelos avaliados.
Banca examinadora
Titulares:
| Leandro Aparecido Villas | IC/UNICAMP |
| Max do Val Machado | ICEI/PUC Minas |
| Luiz Fernando Bittencourt | IC/UNICAMP |
Suplentes:
| Esther Luna Colombini | IC/UNICAMP |
| Helder May Nunes da Silva Oliveira | CECS/UFABC |