Identificação de cenários de concentração de poluentes no município do Rio de Janeiro utilizando redes neurais

Boletim do Observatório Ambiental Alberto Ribeiro Lamego

Endereço:
Rua Coronel Walter Kramer - 357 - Parque Santo Antônio
Campos dos Goytacazes / RJ
28080-565
Site: http://www.essentiaeditora.iff.edu.br/index.php/boletim/about
Telefone: (22) 2737-5648
ISSN: 2177-4560
Editor Chefe: José Augusto Ferreira da Silva
Início Publicação: 01/10/2007
Periodicidade: Quadrimestral
Área de Estudo: Engenharia ambiental, Área de Estudo: Multidisciplinar

Identificação de cenários de concentração de poluentes no município do Rio de Janeiro utilizando redes neurais

Ano: 2016 | Volume: 10 | Número: 2
Autores: Flávia Ribeiro Villela, Marcos Antonio Cruz Moreira
Autor Correspondente: Flávia Ribeiro Villela | flaviavillela@macae.ufrj.br

Palavras-chave: Poluição do ar, Mapas de Kohonen, Redes Neurais

Resumos Cadastrados

Resumo Português:

Estudos realizados em diversos países têm relatado associação entre a poluição atmosférica e vários indicadores de morbidade e mortalidade, mesmo quando as concentrações de poluentes estão abaixo dos limites padronizados. Este trabalho tem como local de estudo o município do Rio de Janeiro e tem como objetivo identificar cenários locais e globais caracterizados por dias de alta ou baixa poluição e dias meteorológicos típicos ou atípicos. Busca também verificar as associações com a distribuição estatística das contagens de eventos de saúde. O método usado na identificação desses cenários foram os mapas topológicos de Kohonen, baseados em redes neurais. 



Resumo Inglês:

Studies carried out in several countries have reported an association between air pollution and several indicators of morbidity and mortality, even when pollutant concentrations are below standard limits. This work has as geographic place of study the city of Rio de Janeiro,and aims to identify local and global scenarios characterized by high or low pollution days and typical or atypical weather days. It also verifies the associations with the statistical distribution of health event counts. The method used to identify these scenarios was Kohonen topological maps based on neural networks.