Tese

Processamento de sinais e modelos de aprendizado de máquina para determinação da concentração de contaminantes em água subterrânea (2025)

• Authors:
  • Pessoa, Átila Ferreira
  • Sousa, Fabricio Simeoni de (Orientador)
• Autor USP: PESSOA, ATILA FERREIRA - ICMC
• Unidade: ICMC
• Sigla do Departamento: SME
• DOI: 10.11606/D.55.2025.tde-12052025-143306
• Subjects: PROCESSAMENTO DE SINAIS; APRENDIZADO COMPUTACIONAL; ÁREAS CONTAMINADAS; PROCESSAMENTO DE DADOS; REDES COMPLEXAS
• Keywords: Contaminated sites; High resolution site characterization; Investigação geológica de alta resolução; Machine learning; Quantificação de incerteza; Signal processing; Uncertainty quantification
• Language: Português
• Abstract: Desde o século XVIII, com o início da revolução industrial, a produção, a manipulação e o armazenamento de substâncias potencialmente poluidoras (e.g. combustíveis fósseis, solventes organoclorados, óleos lubrificantes etc.) têm aumentado gradativamente. O armazenamento indevido dessas substâncias, acidentes ambientais e vazamentos contínuos em tubulações podem acarretar impactos ao meio ambiente através da contaminação do solo e da água subterrânea que, por se tratar de um recurso estratégico essencial para o desenvolvimento da sociedade, tem motivado estudos focados na investigação e remediação de áreas contaminadas desde a década de 70. Devido ao elevado grau de heterogeneidade dos materiais geológicos, a interação desses contaminantes com o meio físico resulta em arranjos com distribuições espaciais complexas que demandam investigações em escala adequada para o entendimento de seu comportamento em microescala. Com o intuito de compreender a variabilidade das propriedades hidráulicas das diferentes unidades hidroestratigráficas e a distribuição espacial dos contaminantes em subsuperfície, ferramentas de investigação de alta resolução tem sido desenvolvidas desde os anos 2000 e seu uso tem sido bastante difundido no mundo inteiro. No entanto, apesar dos avanços obtidos no desenvolvimento de ferramentas, poucos esforço tem sido empenhado na transformação dos dados obtidos em informações relevantes para a tomada de decisão no que diz respeito ao gerenciamento de áreascontaminadas, sendo tratados de maneira muitas vezes qualitativa e subjetiva. Dessa forma, no presente trabalho são apresentadas diferentes metodologias para o processamento de dados brutos obtidos por ferramentas de perfilagem vertical de alta resolução com foco na eliminação de ruídos e variações do baseline, bem como a aplicação de modelos de machine learning com o intuito de prever os níveis de concentração de contaminantes com base nas variáveis preditoras registradas ao longo da perfilagem e a aplicação de técnicas para a quantificação de incerteza associada às predições, fornecendo informações necessárias para a tomada de decisão associada à definição de áreas de risco ou para o dimensionamento adequado de sistemas de remediação.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2025
• Data da defesa: 26.02.2025

Informações sobre o DOI: 10.11606/D.55.2025.tde-12052025-143306 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  PESSOA, Átila Ferreira. Processamento de sinais e modelos de aprendizado de máquina para determinação da concentração de contaminantes em água subterrânea. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-12052025-143306/. Acesso em: 04 ago. 2025.

• APA

  Pessoa, Á. F. (2025). Processamento de sinais e modelos de aprendizado de máquina para determinação da concentração de contaminantes em água subterrânea (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55137/tde-12052025-143306/

• NLM

  Pessoa ÁF. Processamento de sinais e modelos de aprendizado de máquina para determinação da concentração de contaminantes em água subterrânea [Internet]. 2025 ;[citado 2025 ago. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-12052025-143306/

• Vancouver

  Pessoa ÁF. Processamento de sinais e modelos de aprendizado de máquina para determinação da concentração de contaminantes em água subterrânea [Internet]. 2025 ;[citado 2025 ago. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-12052025-143306/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Mineralogia hidrotermal de rochas sieníticas do Pluton Corupá (SC), Província Graciosa
• The emplacement of the Alto Turvo granitic massif, Graciosa Province, Southern Brazil: some constraints from LA-MC-ICP-MS zircon U-PB dating
• Tipologia das paragêneses hidrotermais em rochas sieníticas e graníticas do Pluton Corupá (SC): implicações para a distribuição de elementos HFS
• Caracterização da qualidade do ar atmosférico na cidade de São Paulo para compostos do grupo BTEX (benzeno, tolueno, etilbenzeno e xilenos), utilizando amostradores passivos
• Processos tardi-pós magmáticos na Província Graciosa, S-SE do Brasil, aspectos químicos e petrográficos
• Datação U/PB (LA-ICP-MS) em zircão de granitos do Maciço Mandira, SP, Província Graciosa