Modelação de sucessões cronológicas de microrganismos presentes na água no Vale do Ave

Abstract

Este trabalho consiste na análise e modelação de séries temporais das principais variáveis da qualidade da água, coletadas na estação de monitorização VALADA (03D/02), situada perto da foz do rio Âncora, no período de Novembro de 2003 a Junho de 2006. Os principais objetivos deste trabalho são, primeiro, analisar as séries temporais das variáveis em estudo e tirar conclusões sobre o seu comportamento ao longo do tempo, e em segundo, ajustar um modelo ARIMA adequado a cada uma dessas variáveis que seja capaz de efetuar previsões com uma boa precisão. A análise das séries temporais é efetuada a nove variáveis, cinco analisadas em laboratório e quatro analisadas diretamente na localização do rio. Desta análise pretendese avaliar o comportamento dessas variáveis ao longo do tempo e verificar se os seus valores estão dentro dos limites normais que classificam a qualidade da água. Pretendese também detetar tendências e/ou componentes de sazonalidade, nestas séries temporais. Os resultados obtidos permitem concluir que, de uma forma geral, o rio Âncora teve durante este período, uma boa qualidade da água. Das variáveis analisadas, o Oxigénio Dissolvido e a Temperatura, foram simultaneamente analisados em laboratório e no campo. Pretende-se analisar se há grandes discrepâncias entre os valores que foram analisados no laboratório e os valores que foram analisados no campo. Verifica-se que o Oxigénio Dissolvido analisado em laboratório e analisado no campo têm valores muito similares e não variam nas oscilações que têm ao longo do tempo. A Temperatura analisada no campo tem alguns valores em falta, mas tem também valores muito próximos dos obtidos em laboratório. Dos modelos ARIMA ajustados às variáveis, foram escolhidos os modelos ajustados dos Coliformes Fecais e dos Coliformes Totais para se efetuar previsões para um período de doze meses. Posteriormente, a precisão desses modelos foi verificada, comparando os valores previstos com aqueles que foram realmente observados no mesmo período de tempo. Os resultados mostram que os modelos ARIMA, ajustados para estas variáveis, têm uma boa precisão a efetuar previsões, uma vez que, em média os valores observados estão dentro do intervalo de previsão a 80%. Estes resultados mostram também que os modelos ARIMA podem ser uma boa opção para a previsão de variáveis da qualidade da água.

This work consists on the analysis and on the modeling of time series of major water quality variables collected at monitoring station Valada (03D/02), located near the mouth of Âncora River, between November 2003 and June 2006. The main objectives of this work are, first, analyze the time series of the variables and draw conclusions about their behavior over time, and second, fit a adequate ARIMA model to each variable that is able to make predictiões with good accuracy. A time series analysis is performed to nine variables, five analyzed in the laboratory and four analyzed directly in the location of the river. This analysis aims to assess the behavior of these variables over time and see if their values are within normal limits that classify water quality. Is also intended to detect trends and / or components of seasonality in these time series. The results indicate that, in general, Âncora river during this period had a good water quality. Variables analyzed, Dissolved Oxygen and Temperature, were simultaneously analyzed in the laboratory and in the field. It is intended to analyze if there are large discrepancies between values that were analyzed in the laboratory and the values that were analyzed in the field. It is found that Dissolved Oxygen analyzed in the laboratory and in the field has very similar values and oscillations do not vary over time. The Temperature analyzed in the field has some missing values, but also has values very close to those obtained in the laboratory.. Of all adjusted ARIMA models, for those Fecal Coliformes and Total Coliformes were chosen to make forecasts for a period of twelve months. Subsequently, the accuracy of these models were checked by comparing the predicted values with those that were actually observed in the same period of time. The results show that the adjusted ARIMA models for these variables, have good accuracy to make forecasts since, on average, the measured values are within the 80% prediction interval. These results also show that ARIMA models can be a good option for the prediction of water quality variables.