Modelo Geral Comum aos Dois Casos de Estudo

Foi ainda efetuado mais um desenvolvimento que foi a criação de um modelo comum aos dois casos de estudo, para tal começou-se por comparar alguns valores do coeficiente de correlação, associados entre as variáveis utilizadas nos dois casos de estudo. As Tabelas 5.40 e 5.41 apresentam os valores de correlação mais elevados verificadas e as correlações registadas com a variável “Q biogás”, respetivamente.

Tabela 5.40 – Relação entre as correlações mais fortes verificadas nos dois casos de estudo

ETAR Seixal ETAR Sesimbra

TRH Q lamas -0,91 -0,20

AGV/TAL AGV reator 0,78 0,58

LMV removida LMV in 0,72 0,98

LMV out Q lamas 0,71 0,73

LMV in Q lamas 0,57 0,94

TAL reator AGV/TAL -0,47 -0,83

LMV removida Q lamas 0,19 0,91

Do conjunto de correlações mais fortes verificadas (entre variáveis utilizadas) nos dois casos de estudo, quatro na ETAR do Seixal e cinco na ETAR de Sesimbra, apenas duas estão associadas a ambos os casos, e apenas a correlação entre “LMV out” e “Q lamas” apresenta um valor bastante idêntico. No geral das correlações verificadas entre variáveis, salientam-se bastantes diferenças.

Tabela 5.41 – Relação entre as correlações mais fortes verificadas com a variável “Q biogás”

ETAR Seixal ETAR Sesimbra

Q biogás LMV removida 0,50 -0,01

Q biogás pH in 0,46 0,09

Q biogás AGV/TAL -0,45 0,23

Q biogás AGV reator -0,44 -0,22

Q biogás pH reator 0,43 0,64

Q biogás T reator 0,42 0,45

Q biogás MV in 0,39 0,28

Q biogás LMV in 0,35 -0,16

Q biogás MV reator -0,09 -0,48

A nível das correlações apuradas das várias variáveis com o caudal de biogás gerado, a mais elevada é registada na ETAR de Sesimbra entre as variáveis “Q biogás” e “pH reator”, todavia na ETAR do Seixal o número de correlações moderadas é bastante maior. No global das correlações apuradas com o caudal de biogás, existem muitas diferenças entre casos de estudo, pelo que a tarefa de criar um modelo geral válido aos dois casos de estudo, no momento parecia improvável de acontecer. Apesar das más indicações retiradas da análise dos coeficientes de correlação de Pearson, decidiu-se utilizar as configurações de cada uma das melhores RNA geradas em cada ETAR e produzir duas novas redes neuronais com dados dos dois casos de estudo. As configurações usadas tiveram por base a rede “8F 2015”, a qual apresentou o melhor resultado na investigação realizada na ETAR do Seixal, e a rede “2E” responsável pelo melhor resultado registado na ETAR de Sesimbra.

A rede criada com a configuração de variáveis igual à rede “8F 2015” é designada de “Geral sx”, enquanto a rede gerada com a configuração equivalente à rede “2E” chama-se “Geral sb”. Na etapa de treino e teste foram utilizados todos os dados anteriormente usados para treinar e testar individualmente as redes “8F 2015” e “2E”, o que inclui no caso da rede “2E” os últimos dados adicionados às séries desta rede neuronal. Na fase de previsão, utilizaram-se todos os casos destacados na previsão individual das redes “8F 2015” e “2E”, o que inclui no caso da rede “2E” apenas os casos entre 12 de Agosto de 2015 e 24 de Setembro de 2015. A Tabela 5.42 exibe os resultados da etapa de treino, teste e previsão das RNA “Geral sx” e “Geral sb”.

Tabela 5.42 – Resultados das fases de desenvolvimento das redes neuronais “Geral sx” e “Geral sb”

A rede neuronal “Geral sx” apesar de conter um menor número de casos disponíveis para a etapa de treino e teste obteve melhores resultados nestas fases, relativamente à rede neuronal “Geral sb”. Na Figura 5.18 pode observar-se a comparação entre os valores reais de biogás produzido e os valores previstos pelas duas RNA. As datas dos casos não são apresentadas, visto que os dados advêm de estudos diferentes e de um mesmo intervalo temporal, logo a datação de cada caso nesta situação não é um fator importante.

Figura 5.18 – Comparação dos valores reais e dos valores previstos de biogás produzido pelas redes “Geral sx” e “Geral sb” – ETAR de Sesimbra

Os resultados verificados na fase de previsão são surpreendentes, atendendo ao facto de que a rede “Geral sx” obteve resultados bastante superiores na fase de treino e teste, em comparação à rede “Geral sb”. Em outras situações, já se tinha verificado que por vezes RNA com piores resultados na fase de treino e teste, conseguiam obter melhores resultados na fase de previsão, no entanto os resultados eram muito mais semelhantes do que neste caso. Nada fazia prever que perante um resultado tão desnivelado na fase de treino e teste, iria-se também gerar um resultado desnivelado na etapa de previsão, mas em favor da rede que pior performance tinha obtido no treino e teste.

Este resultado pode significar hipoteticamente que o número de casos destacados para as previsões realizadas com as RNA de frequência de amostragem semanal é baixo, e sendo baixo os resultados dependem muito das características do período avaliado. Um número baixo

Rede Variáveis de entrada Impacto

TAL reator (mg/L) 32,19% Nº casos Melhor rede GRNN Nº casos RMS R2

AGV reator (mg/L) 22,08% % más previsões (treino - 30% toler.) 8,25% pH reator 18,54% % más previsões (teste - 30% toler.) 41,67% TRH (dias) 17,70% Erro médio quadrático (treino) 78,75 T reator (ᵒC) 9,49% Erro médio quadrático (teste) 122,35

T reator (ᵒC) 39,98% Nº casos Melhor rede GRNN Nº casos RMS R2

pH reator 31,41% % más previsões (treino - 30% toler.) 47,62% MV reator (mg/L) 28,60% % más previsões (teste - 30% toler.) 64,86% Erro médio quadrático (treino) 184,24 Erro médio quadrático (teste) 220,70

17 267,67 0,22

17 147,80 0,69 Geral sx

Geral sb

Resultados - Treino e Teste

184 121

de casos destacados para previsão, perante um processo de grande variabilidade como a digestão anaeróbia, pode levar a que uma RNA de capacidade inferior, por uma questão de aleatoriedade consiga obter melhores resultados numa etapa de previsão. O período avaliado pode-se assemelhar mais às características dos casos treinados e testados de determinada RNA, adulterando desta forma os resultados finais. Outra explicação para os resultados registados é o facto de se ter misturado dados de dois casos de estudo com características e gamas de valores diferentes, sem se ter qualquer conhecimento dos efeitos que esta situação podia gerar. A mistura de dados pode ter levado a uma perda do significado das indicações que se costumavam retirar dos resultados das etapas de treino e teste, alterando a dinâmica relacional entre estas fases com a etapa de previsão.

Os resultados propriamente ditos não foram muito bons, tendo em conta que os erros médios quadráticos calculados foram elevados e os coeficientes de determinação deveriam ser mais elevados, para poderem ser considerados bons resultados. Porém os resultados foram melhores do que se esperava inicialmente, pelo que a hipótese de se construir um modelo geral a vários casos de estudo não parece de todo impossível.

A tentativa de criação do modelo geral marca o culminar da investigação executada. O trabalho realizado foi bastante extenso e abrangeu dois casos de estudo, por isso apresenta-se na Figura 5.19 em diagrama, um resumo de todo o estudo realizado.