Técnicas de inteligência artificial para predição de temperatura da depleção de hidrocarbonetos em áreas contaminadas

Abstract

O derramamento de hidrocarbonetos não apresenta apenas riscos significativos ao meio ambiente e à saúde humana. Diante dessa situação, é importante realizar uma avaliação cuidadosa das áreas afetadas para determinar a necessidade de aplicar métodos de remediação. No entanto, os métodos tradicionais de remediação muitas vezes acarretam impactos ambientais consideráveis e altos custos. Portanto, há um grande esforço para buscar alternativas mais eficientes e sustentáveis. Uma abordagem promissora é o monitoramento da taxa de esgotamento dos hidrocarbonetos na área afetada, o que permite avaliar a taxa de biodegradação dos contaminantes. Estudos recentes mostram que uma maneira eficaz de avaliar essa taxa é por meio do acompanhamento do perfil de temperatura do solo, já que a biodegradação dos hidrocarbonetos resulta em um aumento na temperatura da região afetada. Nesse contexto, este estudo propõe o desenvolvimento de técnicas de previsão para estimar o comportamento futuro dos perfis de temperatura do solo, a fim de estimar o processo de biodegradação em momentos posteriores. Para isso, são utilizadas técnicas de modelagem dinâmica do perfil de temperatura nas áreas afetadas, utilizando dados históricos para prever os valores futuros da série de dados. Com base em informações reais de temperatura coletadas por um sistema termodinâmico de monitoramento de fontes, foram implementados um modelo autorregressivo e modelos recentes de redes neurais recorrentes para estimar o comportamento futuro do perfil de temperatura. Os resultados obtidos a partir da comparação desses métodos indicam a previsão do modelo proposto, fornecendo informações valiosas que podem auxiliar na tomada de decisões relacionadas às técnicas de remediação a serem empregadas. Ao fornecer uma previsão do comportamento futuro do perfil de temperatura do solo, é possível obter uma compreensão mais clara do processo de biodegradação dos hidrocarbonetos, permitindo uma alocação mais eficiente de recursos e uma escolha mais assertiva das técnicas de remediação adequadas para cada situação. Além disso, a abordagem proposta contribui para a preservação do meio ambiente e para a proteção da saúde humana, mitigando parte dos impactos ambientais negativos associados às técnicas tradicionais de remediação de áreas contaminadas.

Abstract: The spillage of hydrocarbons in soil poses a serious problem that entails significant risks to the environment and human health. In light of this reality, it is important to conduct a thorough assessment of the affected areas to determine the need for remediation methods. However, traditional remediation approaches often come with considerable environmental impacts and high costs. Therefore, there are many active researches to explore more efficient and sustainable alternatives. One promising approach is monitoring the depletion rate of hydrocarbons in the affected zone, which allows for the assessment of the biodegradation rate of contaminants. Recent studies have shown that an effective way to evaluate this rate is by monitoring the soil temperature profile, as the biodegradation of hydrocarbons results in an increase in the temperature of the affected region. In this context, this study proposes the development of prediction techniques to estimate the future behavior of soil temperature profiles, aiming to predict the biodegradation process at later time instants. To achieve this, dynamic modeling techniques of the temperature profile in the affected areas are employed, using historical data to predict future values in the data series. Based on real temperature data collected by a thermodynamic source monitoring system, an autoregressive model and recent models of recurrent neural networks were implemented to predict the future behavior of the temperature profile. The results obtained from the comparison of these methods indicate the feasibility of the proposed modeling approach, providing valuable information that can assist in decision-making regarding the employed remediation techniques. By providing a prediction of the future behavior of the soil temperature profile, a clearer understanding of the hydrocarbon biodegradation process can be obtained, enabling more efficient resource allocation and informed selection of suitable remediation techniques for each situation. Moreover, this approach contributes to environmental preservation and the protection of human health by avoiding some of the limitations associated with traditional methods in terms of costs and environmental impacts.