Avaliação do impacto de variáveis hidrometeorológicas na predição de dosagem de coagulante em estações de tratamento de água

Eventos de chuva são vistos como um dos principais fatores ambientais determinantes para a antecipação de ajustes na dosagem de coagulante em processos de tratamento de água para abastecimento. Baseado no exposto, o presente estudo teve como objetivo avaliar o desempenho dos modelos Extreme Gradient Boosting (XGBoost) e Long Short-Term Memory (LSTM) para previsão da dosagem de coagulante em uma ETA ao incorporar dados de qualidade da água, vazão dos rios de captação e registros de precipitação na bacia hidrográfica. Os resultados indicaram que os dados hidrometeorológicos atuaram como ruídos para o desempenho dos modelos. Destacou-se a alta complexidade envolvida no padrão de causalidade do sistema, bem como a subjetividade incutida no critério de controle da dosagem, não seguindo-se um padrão matemático claro. Conclui-se que o aprimoramento da capacidade preditiva dos modelos com a inclusão de dados de chuva e vazão dos rios não é garantido, tendo em vista que a relação entre essas informações e a qualidade da água de captação é multifatorial. A definição de critérios rigorosos de controle de dosagem na operação é fundamental para permitir um adequado desenvolvimento de ferramentas de previsão aplicando modelos de machine learning.