Estimação do Índice de Bulbo Úmido Termômetro de Globo (IBUTG) para ambientes a céu aberto por meio de Redes Neurais Artificiais utilizando dados de estações metereologicas
DOI:
https://doi.org/10.55761/abclima.v30i18.14713Palavras-chave:
Meteorologia instrumental, Técnica de estimação, Gerenciamento de risco, Estresse ao calorResumo
Este trabalho objetiva demostrar a viabilidade técnica de estimação do Índice de Bulbo Úmido Termômetro de Globo (IBUTG) para ambiente a céu aberto sem fonte artificial de calor por meio de dados medidos em estações meteorológicas convencionais, a partir da utilização de Redes Neurais Artificiais (RNA). Para tanto, procedeu-se a instalação de termômetros de bulbo úmido natural e de globo em uma estação meteorológica convencional, com a finalidade de calcular o IBUTG sincronamente com as variáveis de temperatura, umidade e velocidade do ar, bem como radiação solar global e pressão atmosférica. O treinamento da RNA foi conduzido com a utilização de 81 dias de medições. Algumas configurações da RNA foram modificadas com o intuito de encontrar a de melhor desempenho para a rede. Para o teste de validação do treinamento, selecionou-se dia de céu aberto, nublado e com precipitação, com condições sinópticas que impõem elevado estresse ao calor. O IBUTG estimado pelo RNA acompanhou o ciclo diário do IBUTG medido, com a melhor configuração de rede (três camadas e cinco neurônios) estimando erro médio quadrático diário de 0,2724°C e erro médio absoluto de 0,1818°C (com erro percentual de apenas 0,7%). Comprova-se a viabilidade técnica de estimar o IBUTG com adequada precisão a partir de dados meteorológicos, o que permite que a técnica de RNA possa ser utilizada como estratégia de orientação do gerenciamento do risco ocupacional.
Downloads
Referências
AGUIRE, L. A. Introdução à identificação de sistemas: técnicas lineares e não-lineares aplicadas a sistemas reais. Belo Horizonte: Editora UFMG, 2007. 728 p.
AMORIM, A. ELOÁ B.; LABAKI, L. C.; MAIA, P. A.; BARROS, T. M. SANTIAGO; & MONTEIRO, L. R. Exposição ocupacional ao calor em atividades a céu aberto na construção de estruturas de edifícios. Ambiente Construído, v.20, n.1, p.231-245, 2019. Disponível em: https://doi.org/10.1590/s1678-86212020000100371. Acesso em: 15 fev. 2021.
ATTHAJARIYAKUL, S.; LEEPHAKPREEDA, T. Neural computing thermal comfort index for HVAC systems. Energy Conversion and Management, v. 46, n. 15-16, p. 2553–2565, 2005. Disponível em: https://doi.org/10.1016/j.enconman.2004.12.007. Acesso em: 15 fev. 2021.
ANOCHI, Juliana Aparecida. Previsão climática de precipitação por redes neurais autoconfiguradas. 2015. Tese (Doutorado em Computação Aplicada) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2015.
Ministério do Trabalho e Emprego. Portaria n° 3214 de 8 de junho de 1978: Normas Regulamentadoras relativas à segurança e medicina do trabalho. NR. 15 – Atividades e operações insalubres, 1978a.
Ministério do Trabalho e Emprego. Portaria n° 3214 de 8 de junho de 1978: Normas Regulamentadoras relativas à segurança e medicina do trabalho. NR. 09 – Programa de Prevenção de Riscos Ambientais, 1978b.
BIANCHI, E. C. Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando Redes Neurais Artificiais. 2018. 126f. Dissertação (mestrado) – Universidade Federal de Mato Grosso, Faculdade de Arquitetura, Engenharia e Tecnologia, Cuiabá, 2018.
BORGES, V. C. A. L.; CALLEJAS, I. J. A.; DURANTE, L. C. Thermal sensation in outdoor urban spaces: a study in a Tropical Savannah climate Brazil. Int J Biometeorol, v.64, p.533–545, 2020. Disponível em: https://doi.org/10.1007/s00484-019-01830-x. Acesso em: 25 jan. 2021.
BUDD, G. M. Wet-bulb globe temperature (WBGT) - its history and its limitations. Journal of Science and Medicine in Sport, v.11, n.1, p.20-32, 2008. Disponível em: https://doi.org/10.1016/j.jsams.2007.07.003. Acesso em: 15 fev. 2021.
CALLEJAS, I. J. A. Mapeamento do índice de bulbo úmido termômetro de globo (IBUTG) em região de clima tropical continental. 2012. 40 f. Monografia (Especialização) – Faculdade de Arquitetura, Engenharia e Tecnologia, Universidade Federal de Mato Grosso, Cuiabá, 2012.
CALLEJAS, I. J. A.; NOGUEIRA, M. C. J. A.; BIUDES, M. S.; DURANTE, L. C. Seasonal Variation of Surface Energy Balance of a Central Brazil City. Mercator, v.15, n.3, p.85–106, 2016. Disponível em: https://doi.org/10.4215/RM2016.1503.0006. Acesso em: 12 fev. 2021.
CAMELO, Henrique do Nascimento; LUCIO, Paulo Sérgio; LEAL JUNIOR, João Verçosa. Modelagem da Velocidade do Vento Usando Metodologias ARIMA, HOLT-WINTERS e RNA Na Previsão de Geração Eólica no Nordeste Brasileiro. Revista Brasileira de Climatologia, v. 21, p.449–466, 2017. Disponível em: https://dx.doi.org/10.5380/abclima.v21i0.48565. Acesso em: 15 jan. 2021.
CARVALHO, Roberto Luís da Silva; DELGADO, Angel Ramon Sanchez. Estimativas Das Modelagens Por Redes Neurais Tipo GMDH E BOX-JENKINS para Séries de Temperaturas Máximas e Mínimas do Município de Ariquemes (RO). Revista Brasileira de Climatologia, v. 26, p.326–344, 2020. Disponível em: https://doi.org/10.5380/abclima.v26i0.59145. Acesso em: 10 jan. 2021.
CHAN, S. Y.; CHAU, C. K. Development of artificial neural network models for predicting thermal comfort evaluation in urban parks in summer and winter. Building and Environment, v. 164, 106364, 2019. Disponível em: https://doi.org/10.1016/j.buildenv.2019.106364. Acesso em: 15 jan. 2021.
CORREA, S. M. B. B. Probabilidade e estatística. 2. ed. Belo Horizonte: PUC Minas Virtual, 2003. 116p.
DE PAULA, Diana Carolina Jesus et al. Estimativa da Temperatura do Ar Microclimática em Cuiabá/MT Utilizando Redes Neurais. Revista Brasileira de Climatologia, v. 28, 2021. Disponível em: http://dx.doi.org/10.5380/rbclima.v28i0.75304. Acesso em: 20 jan. 2021.
ENGELBRECHT, A. P. Computational intelligence: an introduction. 2. ed. Wiley, 2007. 628p.
FERREIRA, P. M.; RUANO, A. E.; SILVA, S.; CONCEIÇÃO, E. Z. E. Neural networks based predictive control for thermal comfort and energy savings in public buildings. Energy and Buildings, v.55, p. 238-251, 2012. Disponível em: https://doi.org/10.1016/j.enbuild.2012.08.002. Acesso em: 20 jan. 2021.
GAO, L.; BAI, H. Neural Network Based Prediction of PMV Index. In Architectural Engineering Conference (AEI), September 17-20, Austin, Texas, United States, 2003. Anais [...]. American Society of Civil Engineers, 2003. Disponível em: https://doi.org/10.1061/40699(2003)16. Acesso em: 25 jan. 2021.
GIAMPAOLI, Eduardo. NHO 06 - Avaliação Da Exposição Ocupacional Ao Calor. [s.n.], 2018. Web. Disponível em: https://www.abho.org.br/nho-06-avaliacao-da-exposicao-ocupacional-ao-calor/. Acesso em: 20 jan. 2021.
HAGAN, M. T.; DEMUTH, H. B.; BEALE, M. H.; JESÚS, O. Neural network design. 2. ed. Martin Hagan, 2014. 1012p.
HAYKIN, S. Redes neurais: princípios e práticas. 2. ed. Porto Alegre: Bookman, 2001. 898p.
INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO 7726. Ergonomics of the thermal environments: Instruments and methods for measuring physical quantities. International Standards Organization. Genebra, 1998.
KAIHO, Y.; TAKAMATSU, S.; e ITOH, T. Method of Estimating Heatstroke Risk Using Wristwatch-type Device, Sensors and Materials, v. 31, n. 12, p.4061-4068, 2019. Disponível em: https://doi.org/10.18494/SAM.2019.2452. Acesso em: 20 jan. 2021.
LOWRY, W. P. Empirical estimation of urban effects on climate: A problem analysis. Journal of Applied Meteorology, v.16, p.129-135, 1977. Disponível em: https://doi.org/10.1175/1520-0450(1977)016<0129:EEOUEO>2.0.CO;2. Acesso em: 30 jan. 2021.
MAIA, P.A.; RUAS, A. C.; BITENCOURT, D. P. Wet-bulb globe temperature index estimation using meteorological data from São Paulo State, Brazil. Int J Biometeorol,v. 59, n. 10, p.1395-403, 2015. Disponível em: https://doi.org/10.1007/s00484-014-0949-7. Acesso em: 30 jan. 2021.
MAHGOUB, A. O.; GOWID, S.; GHANI, S. Global evaluation of WBGT and SET indices for outdoor environments using thermal imaging and artificial neural networks. Sustainable Cities and Society, v. 60, 102182, 2020. Disponível em: https://doi.org/10.1016/j.scs.2020.102182. Acesso em: 25 jan. 2021.
MATHWORKS. MATLAB. Disponível em: https://www.mathworks.com/products/matlab.html. Acesso em: 10 mar. 2021.
MELLIT, A; SAǦLAM, S; KALOGIROU, S. A. Artificial neural network-based model for estimating the produced power of a photovoltaic module. Renewable Energy, v.60, p.71–78. 2013. Disponível em: https://doi.org/10.1016/j.renene.2013.04.011. Acesso em: 15 mar. 2021.
MOUSTRIS, K.; NASTOS, P. T.; PALIATSOS, A. G. One-Day Prediction of Biometeorological Conditions in a Mediterranean Urban Environment Using Artificial Neural Networks, Advances in Meteorology, V. 2013, 538508, 2013. Disponível em: https://doi.org/10.1155/2013/538508. Acesso em: 20 mar. 2021.
MOUSTRIS, K.; TSIROS, I. X.; TSELIOU, A. et al. Development and application of artificial neural network models to estimate values of a complex human thermal comfort index associated with urban heat and cool island patterns using air temperature data from a standard meteorological station. Int J Biometeorol, v.62, p.1265-1274, 2018. Disponível em: https://doi.org/10.1007/s00484-018-1531-5. Acesso em: 5 mar. 2021.
PALLADINO, D.; NARDI, I.; BURATTI, C. Artificial Neural Network for the Thermal Comfort Index Prediction: Development of a New Simplified Algorithm. Energies, v.13, 4500, 2020. Disponível em: https://doi.org/10.3390/en13174500. Acesso em: 5 mar. 2021.
OKE, T. R. Initial guide to obtain representative meteorological observations at urban site. World Meteorological Organization. Canadá: WMO, 2006. 47p.
ROSCANI, R. C.; BITENCOURT, D. P.; MAIA, P. A.; RUAS, A. C. Risco de exposição à sobrecarga térmica para trabalhadores da cultura de cana-de-açúcar no Estado de São Paulo, Brasil, Cad. Saúde Pública, v.33, n.3, e00211415, 2017. Disponível em: http://dx.doi.org/10.1590/0102-311X00211415. Acesso em: 10 mar. 2021.
SOUZA, Amaury de; PAVÃO, Hamilton Germano; OLIVEIRA, A. P. Garcia. Artificial Neural Networks: An Application In The Study Of Air Quality. Revista Brasileira de Climatologia, v. 13, 2014. Disponível em: http://dx.doi.org/10.5380/abclima.v13i0.33066. Acesso em: 15 mar. 2021.
WILLMOTT, C. J. Some comments on the evaluation of model performance. Bulletin of the American Meteorological Society, v. 63, n. 11, p.1309-1313, 1982. Disponível em: https://doi.org/10.1175/1520-0477(1982)063<1309:SCOTEO>2.0.CO;2. Acesso em: 10 fev. 2021.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
A aprovação dos artigos implica a aceitação imediata e sem ônus de que a Revista Brasileira de Climatologia terá exclusividade na primeira publicação do artigo. Os autores continuarão, não obstante, a deter os direitos autorais. Os autores autorizam também que seus artigos sejam disponibilizados em todos os indexadores aos quais a revista está vinculada.
Os autores mantém seus direitos de publicação sem restrições
A Comissão Editorial não se responsabiliza pelos conceitos ou afirmações expressos nos trabalhos publicados, que são de inteira responsabilidade dos autores.
A Revista Brasileira de Climatologia oferece acesso livre imediato ao seu conteúdo, seguindo o entendimento de que disponibilizar gratuitamente o conhecimento científico ao público proporciona maior democratização do conhecimento e tende a produzir maior impacto dos artigos publicados. Os artigos publicados na revista são disponibilizados segundo a Licença Creative Commons CC-BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/). Segundo essa licença é permitido acessar, distribuir e reutilizar os artigos para fins não comerciais desde que citados os autores e a fonte. Ao submeter artigos à Revista Brasileira de Climatologia, os autores concordam em tornar seus textos legalmente disponíveis segundo essa licença
