MODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:

Documentos relacionados
É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

Algarismos Significativos Propagação de Erros ou Desvios

2 Incerteza de medição

4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

Prof. Lorí Viali, Dr.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr.

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

Dados ajustáveis a uma linha recta

4 Critérios para Avaliação dos Cenários

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Modelagem Matemática da Dispersão Atmosférica de Contaminantes

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

ESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

Estatística II Antonio Roque Aula 18. Regressão Linear

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Associação entre duas variáveis quantitativas

EXERCÍCIO: VIA EXPRESSA CONTROLADA

REGRESSÃO NÃO LINEAR 27/06/2017

7 - Distribuição de Freqüências

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

Cap. IV Análise estatística de incertezas aleatórias

CORRELAÇÃO E REGRESSÃO

4 Autovetores e autovalores de um operador hermiteano

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa de Certificação de Medidas de um laboratório

6 Modelo Proposto Introdução

ESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.

Economia Industrial. Prof. Marcelo Matos. Aula 7

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis

ANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ

NOTA II TABELAS E GRÁFICOS

2 Metodologia de Medição de Riscos para Projetos

Ajuste dos Mínimos Quadrados

Gráficos de Controle para Processos Autocorrelacionados

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

Introdução à Análise de Dados nas medidas de grandezas físicas

Testes não-paramétricos

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

Representação e Descrição de Regiões

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Análise de Regressão

1. CORRELAÇÃO E REGRESSÃO LINEAR

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Curvas Horizontais e Verticais

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas

5 Implementação Procedimento de segmentação

GABARITO ERP19. impedância total em pu. impedância linha em pu; impedância carga em pu; tensão no gerador em pu.

CORRELAÇÃO DE FORMAS MODAIS E GRAUS DE LIBERDADES DE MODELOS OBTIDOS POR ELEMENTOS FINITOS E POR ANÁLISE MODAL EXPERIMENTAL

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05

Referências: No mínimo, para cada experimento o Caderno de Laboratório deve sempre conter:

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Referências: No mínimo, para cada experimento o Caderno de Laboratório deve sempre conter:

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

Análise de Incertezas I.B De Paula

Introdução às Medidas em Física a Aula

PRESSUPOSTOS DO MODELO DE REGRESSÃO

a média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ

DELINEAMENTOS EXPERIMENTAIS

Medidas e resultados em um experimento.

3 A técnica de computação intensiva Bootstrap

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais

TERMODINÂMICA E ESTRUTURA DA MATÉRIA

5. Procedimento Experimental

Medidas de Tendência Central. Prof.: Ademilson Teixeira

METODOLOGIA DO ÍNDICE DIVIDENDOS BM&FBOVESPA (IDIV)

CAPITULO II - FORMULAÇAO MATEMATICA

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

Trabalho e Energia. Curso de Física Básica - Mecânica J.R. Kaschny (2005)

Adriana da Costa F. Chaves

Análise de influência

AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO RESUMO ABSTRACT

Variável discreta: X = número de divórcios por indivíduo

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção

4.1 Modelagem dos Resultados Considerando Sazonalização

AULA EXTRA Análise de Regressão Logística

Experiência V (aulas 08 e 09) Curvas características

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

O F Í C I O C I R C U L A R. Participantes dos Mercados da B3 Segmento BM&FBOVESPA. Ref.: Nova Metodologia do Índice Dividendos BM&FBOVESPA (IDIV).

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Flambagem. Cálculo da carga crítica via MDF

3 Algoritmos propostos

CURSO de ESTATÍSTICA Gabarito

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

CAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA

Parênteses termodinâmico

Transcrição:

MODELO RECEPTOR Não modela a dspersão do contamnante. MODELO RECEPTOR Prncípo do modelo: Atacar o problema de dentfcação da contrbução da fonte em ordem nversa, partndo da concentração do contamnante no receptor e localzando as fontes responsáves pela emssão. MODELO RECEPTOR Tpo de Modelo Receptor mas utlzado: Balanço o de Massa Químco CMB O O que é? Método que combna as característcas físcas f e químcas dos contamnantes meddas nas fontes e nos receptores... Objetvo Quantfcar as contrbuções das fontes num receptor.

Exemplo: Em uma regão rural as medções de PM0 ndcam uma concentração é 3 µg/m 3 na atmosfera, sendo que deste total.58 µg/m 3 de S e 3.084 µg/m 3 de Fe. Espéce Concentração (µg/m3) S.58 Fe 3.084 Exstem fontes prncpas de PM0 na regão, uma usna termoelétrca e emssões devdo ao solo. A análse das emssões ndca um teor de 0% de S e 3,% de Fe na composção do solo, enquanto as emssões da usna termoelétrca possuem um teor de % de S e 5% de Fe. Se consderarmos que C S e C T são as contrbuções (em µg/m 3 ) do solo e da usna termoelétrca,para as concentrações de PM0 na regão tem-se: PM 0 = C + C TOTAL Assm, desconsderando as emssões por outras fontes não dentfcadas tem-se,no receptor: S = S + S TOTAL SOLO Fe = Fe + Fe TOTAL SOLO S T Contrbução do solo Contrbução da termoelétrca TERMOELÉTRICA TERMOELÉTRICA

Supondo que não ocorrem reações químcas durante a trajetóra dos contamnantes entre a fonte e o receptor, então, as proporções de S e Fe são constantes e guas aos valores ncas quando atngem o receptor. Portanto: S = 0, SOLO C S Fe = 0, 03 SOLO C S S = 0, 0 C TERMOELÉTRICA Fe = 0, 5 C TERMOELÉTRICA T T Logo, tem-se: S = 0, C + 0, 0 C TOTAL Fe = 0.03 C + 0. 5 C TOTAL S S T T ou:,58 = 0, C + 0, 0 S C T 3,84 = 0.03 C + 0. 5 S C T De manera mas geral, é possível generalzar este procedmento como resolver as matrzes: A.x = C onde A é uma matrz m x n (m lnhas por n colunas), que ndca o teor de cada espéce (m espéces) nas emssões de cada fonte (n fontes). E a matrz C éa concentração de cada espéce no receptor. Enquanto que x é a contrbução de cada fonte. 3

Para este caso tem-se: onde A.x = C 0, 0,0,58 CS A = C = x = 0,03 0,5 3,84 CT C S = 37,5 % e C T = 56, % logo C S = µg/m 3 e C T = 8 µg/m 3 0, 0,03 0,0 C. 0,5 C S T,58 = 3,84 Fontes Balanço o de Massa Químco - CMB - Solo: 00 mg de S / grama de amostra; 3 mg de Fe / grama de amostra. - Termelétrca: 0 mg de S / grama de amostra; 50 mg de Fe / grama de amostra. Fonte Espéce Solo Termelétrca S 0. 0.0 Fe 0.03 0.5 0. A = 0.03 0.0 0.5 Solução 0. A = 0.03 0.0 0.5 C = A.x A -.C = (A -.A).x A 5.054 =.078 0.3369 6.7385 A -.C = I.x A -.C = x.58 C = 3.084.0 x = 8.0 4

A metodologa apresentada anterormente pode ser sumarzada pela expressão abaxo: =,,3,...n c = a s + a s + a s + a s +... + a s Balanço de Massa Químco CMB (Inclundo as ncertezas nas medções de concentração) Mller et al. (97). 3 concentração da espéce 3 4 fonte fonte 3 fonte 4 fonte m contrbução da fonte para a concentração da espéce no receptor percentual da espéce na fonte 4 m m Balanço de Massa Químco CMB Ou smplesmente: c = m j= a s j j =,,3,...n contrbução de cada fonte j para a concentração da espéce no receptor percentual da espéce em cada fonte j concentração da espéce Todava, a concentração da espéce químca não é um valor exato, e possu ncertezas lgadas ao processo de medção. Assm, a concentração da espéce químca no receptor pode ser expressa como um valor real ( c ~ ) mas um erro de medção ( e) assocadoàsncertezasdo expermento: c = c ~ + e =,,3,...n Estes erros podem ser caracterzados pelo desvo padrão de suas dstrbuções (σ ). 5

Portanto, as concentrações predtas pelo modelo (p ), não serão exatamente guas às medções no receptor (c ) no receptor. p = m j= a s j j =,,3,...n têm-se p c concentração predta pelo modelo para a espéce ou seja, a concentração predta é sempre dferente da medções por causa das nceretezas Então, deseja-se encontrar os valores de p que sejam mas próxmos de c. Ou seja, gostaríamos de mnmzar a dstânca entre c e p para cada uma das espéces. Esta dstânca pode ser defnda como: d = n ( c p ) = concentração predta pelo modelo para a espéce concentração da espéce medda no receptor Isto é, queremos encontrar os valores s, s, s 3,, s m que representem as contrbuções da cada fonte (,, 3,, m), de manera que a dferença entre p e c seja a menor possível. Por causa das ncertezas nos valores de c, nenhuma escolha dos valores das contrbuções (s, s, s 3,, s m ) fará com que c seja exatamente gual a p. Então, temos que resolver um problema de mnmzação de d: d = n ( c p ) = Felzmente, este é um problema comum em dversos ramos da matemátca, e já exstem soluções analítcas calculadas para ele. 6

A forma mas comum de solução é o método dos mínmos quadrados: S = [A T.A] -.A T.C vetor com as concentrações de cada espéce no receptor (n x ) matrz A com as composções das fontes (n x m) o vetor S representa as contrbuções (s,s,s 3,,s m ) de cada fonte para a concentração da espéce no receptor S = [A T.A] -.A T.C onde: A n x m, matrz com as composções das fontes, A T m x n, matrz transposta de A, C n x, vetor com meddas de concentrações das n espéces no receptor. Na prátca, anda é necessáro permtr que nossa equação seja válda para o caso das ncertezas em cada uma das medções de concentração seja dferente. Assm, a expressão fnal assume a forma: d n = = σ ( c p ) ncertezadamedçãode concentração da espéce no receptor 7

A solução para este problema é dada na forma: S = [A T.W.A] -.A T.W.C vetor com as concentrações de cada espéce no receptor (n x ) matrz dagonal com os fatores de ponderação, onde w = /σ (n x n) matrz A com as composções das fontes (n x m) o vetor S representa as contrbuções (s,s,s 3,,s m ) de cada fonte para a concentração da espéce no receptor A solução para este problema é dada na forma: S = [A T.W.A] -.A T.W.C onde: A n x m, matrz com as composções das fontes, A T m x n, matrz transposta de A, W n x n, matrz dagonal com os fatores de ponderação, onde w = /σ. C n x, vetor com meddas de concentrações das n espéces no receptor. Exemplo: Em uma regão rural as medções de PM0 ndcam uma concentração é 3 µg/m 3 na atmosfera, sendo que deste total.58 µg/m 3 de S e 3.084 µg/m 3 de Fe. Espéce S Fe. Concentração [µg/m 3 ].58 ± 0. 3.084 ± 0. 8

Fontes - Solo: 00 mg de S / grama de amostra; 3 mg de Fe / grama de amostra. - Termelétrca: 0 mg de S / grama de amostra; 50 mg de Fe / grama de amostra. Fonte Espéce Solo Termelétrca S 0. 0.0 Fe 0.03 0.5 0. A = 0.03 0.0 0.5 A solução para este problema é dada na forma:,58 S = [A T.W.A] -.A T.W.C C = 3,084 0. 0.0 A = 0.03 0.5 σ S W = 0 0 = 0, 0 σ Fe 0 0, S = C C SOLO TERMOELÉTRICA S = 3 Balanço o de Massa Químco - CMB Receptor Composção Anual (988 a 989) do Aerossol em Fresno, Calfórna (µg/m( 3 ). Espéce PM,5 NO3 9.43 +-.43 SO4.75 +-.3 NH4 4.04 +- 3.89 EC 6.7 +- 5.68 OC 8.05 +- 5.3 Al 0.5 +- 0.8 S 0.38 +- 0.46 S. +- 0.54 K 0.8 +- 0.8 V 0.0034 +- 0.009 Fonte: resumdo de Chow et al., ctados por Senfeld et al., (998). 9

Fontes Perfs das fontes (% da massa emtda) para a Calfórna Central. Quemadas Óleo Veículo Calcáreo (NH4)SO4 NH4NO3 OC Espéce cru sec. NO3 0.46 0 0 0 0 77.5 0 SO4.43 0.3 3. 3.06 7.7 0 0 NH4 0.085 0.0076 0 0 7.3.5 0 EC 5.89 0 54.5 0 0 0 0 OC 44.6 0.0894 49.8 0 0 0 00 Al 0.009 0 0.077. 0 0 0 S 0 0.0 0.957 6.5 0 0 0 S 0.5 5.45.037.0 0 0 0 K 3.993 0.044 0.008 0.6 0 0 0 V 0.0005 0.83 0.00 0 0 0 0 Fonte: resumdo de Chow et al., ctados por Senfeld et al., (998). A solução para este problema é dada na forma: S = [A T.W.A] -.A T.W.C vetor com as concentrações de cada espéce no receptor (n x ) matrz dagonal com os fatores de ponderação, onde w = /σ (n x n) matrz A com as composções das fontes (n x m) o vetor S representa as contrbuções (s,s,s 3,,s m ) de cada fonte para a concentração da espéce no receptor 0

Resultado Contrbuções médas anuas das fontes (µg/m 3 ) para PM,5 em Fresno Calfórna. FONTE PM,5 Geológca - Veículo,3 Quemadas 6,90 Óleo cru 0,40 Sulfato de amôna,77 Ntrato de amôna 3,5 Aerossós marnhos - OC -,7 Calcáreo 5,99 Massa calculada 4,53 Massa medda 49,30 Estudo realzado por P.A. Souza Jr. em 00, sobre a polução do ar na RGV. Fonte: A GAZETA 09//00.

Na prátca, anda é necessáro permtr que nossa equação seja válda para o caso de exstrem ncertezas em cada uma das medções de concentração no receptor e na fonte. Neste caso, a solução pode ser calculada de manera analoga, utlzando a formulação proposta por Hopke (985): S = [A T.V.A] -.A T.V.C Procedmento Iteratvo, pos cada v j depende de s j Matrz da nceretezas, onde cada componente v j é calculado como: v = σ + j m = σ s aj j Hopke, P.K., (985) Receptor Modellng n Envronmental Chemstry, Wley, New York. Suposções do CMB: As composções das fontes de emssão são constantes. As espéces ncluídas não são reatvas. Todas as fontes que contrbuem sgnfcatvamente no receptor devem ser ncluídas nos cálculos. Problemas de precsão quando as fontes têm composção semelhante O número de fontes é menor ou gual ao número de espéces. As ncertezas das meddas são aleatóras, não relaconadas e normalmente dstrbuídas. 3