RESUMO A concepção dos sistemas de drenagem de águas pluviais como separador absoluto é uma característica marcante na gestão das águas urbanas, no entanto não é o reflexo da realidade de tal sistema na maioria das cidades brasileiras, onde frequentemente esgotos e águas pluviais escoam pelos mesmos condutos. Diante disso, o objetivo do presente trabalho foi investigar as contribuições de contaminação fecal dos canais de drenagem afluentes ao Canal do Prado, pertencentes ao sistema de macrodrenagem de águas pluviais da cidade de Campina Grande, na Paraíba. Para a realização da pesquisa de campo, foram definidos sete pontos de monitoramento ao longo do canal e, como indicadores de contaminação fecal, coliformes termotolerantes, Escherichia coli e os ovos dos helmintos Ascaris lumbricoides, Taenia sp, Hymenolepis nana, Hymenolepis diminuta, Enterobius vermicularis, Ancilostomideo sp e Trichuris sp. Os resultados apontaram que ovos de Ascaris lumbricoides foram os que apresentaram maior frequência nos pontos de monitoramento, relacionados à maior descarga de esgotos sanitários. Tais descargas também foram verificadas por elevados valores médios de coliformes termotolerantes que atingiram até 1,6 x 107 UFC.100 mL-1, valor típico de esgoto sanitário. Escherichia coli ocorreu em mais de 90% das amostras coletadas em todos os pontos de monitoramento.
O Pró-Rural é um programa de saneamento rural criado pela Companhia Espírito Santense de Saneamento (CESAN), através da Resolução n° 2.745/91. Assim objetivou-se nessa pesquisa avaliar o atendimento do sistema de tratamento de água as normas vigentes em relação aos parâmetros, cor aparente, turbidez, pH, cloro residual livre (CRL) e microbiológicos. Diante dessas premissas, foram escolhidos três pontos de coleta para análise da qualidade da água de abastecimento do povoado de Santa Clara. Os métodos analíticos utilizados na pesquisa seguiram as recomendações do Standard Methods for the Examination of Water and Wastewater. Os parâmetros turbidez e pH atenderam a legislação vigente. Para cor aparente no ponto 1 (ETA) 66, 67%, no ponto 2 (Creche) 57,14%, no ponto 3 (Escola) 47,62% das amostras analisadas, apresentaram-se fora dos padrões preconizados pela portaria MS 05/2017. Em relação ao CRL, 93,65 % das análises estão em desacordo com a legislação vigente. Para as análises microbiológicas identificou-se no ponto 1, que cinco das amostras, apresentaram presença de coliformes totais e duas delas apresentaram presença de E. coli, já no ponto 2, três das amostras apresentaram presença de coliformes totais e duas indicaram presença de E. coli, enquanto no ponto 3, duas das amostras apresentaram presença para coliformes totais e E. coli. O que ressalta a importância de um monitoramento rotineiro e adequado dos sistemas de abastecimento, público ou privado, por parte dos órgãos competentes.
No abstract
As estações de tratamento de água (ETAs) têm um papel fundamental e estratégico no controle de doenças transmitidas pela água por meio da potabilização da água, para atender às necessidades da população que é abastecida por ela. Nesse contexto, a avaliação do desempenho dessas estações é primordial, particularmente para as entidades responsáveis pelo estágio de controle da qualidade da água, uma vez que a ETA deve apre- sentar e operar com condições mínimas necessárias para alcançar seu objetivo. Para o desenvolvimento dos modelos (Modelo 1 - com base na turbidez da água tratada e Modelo 2 - com base na cor aparente da água tratada) foram utilizados dados referentes à qualidade da água bruta e tratada, fatores operacionais e parâme- tros hidráulicos de 3 ETAs, com taxas de fluxo de 50 L.s-1 ou menos. Os modelos foram desenvolvidos usando a caixa de ferramentas do Matlab®, a partir da rede neural do tipo de camadas recorrentes, com função de ativação tansig e purelin. Como resultados, os modelos apresentaram coeficientes de determinação de 0,928 e 0,823 para turbidez e cor aparente da água tratada, respectivamente. Os resultados corroboram a aplicação da Inteligência Artificial em estações de tratamento de água, com o objetivo de otimizar processos e garantir uma maior operabilidade da ETAs, gerando um produto cada vez mais confiável. Palavras-chave: Desempenho da planta de tratamento de água. Processos de otimização. Rede neural artificial. Abstract The water treatment plants (WTP) have a fundamental and strategic role in the control of waterborne diseases through the potabilization of water, to meet the needs of the population that is supplied by it. In this context, evaluating the performance of these stations is paramount, particularly for the entities responsible for the water quality control stage, since WTP must present and operate with minimum conditions necessary to achieve its ob- jective. For the development of the models (Model 1 - based on turbidity of treated water and Model 2 - based on the apparent color of the treated water) data were used referring to raw and treated water quality, operational factors and hydraulic parameters of 3 WTPs, with flow rates of 50 L.s-1 or less. The models were developed usingthe Matlab® toolbox, from the neural network of the recurrent layers type, with activation function tansig and purelin. As results, the models presented regression coefficients of 0.928 and 0.823 for turbidity and apparent color of treated water, respectively. The results corroborate for the application of Artificial Intelligence in water treatment plants, with a view to optimizing processes and guaranteeing greater WTPs operability, generating an increasingly reliable product. Keywords: Water treatment plant performance. Optimization processes. Artificial Neural Network.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.