Вы находитесь на странице: 1из 191

LILIANE LAZZARI ALBERTIN

Tcnica de gerenciamento da qualidade hdrica superficial baseada na otimizao

multiobjetivo

Tese apresentada Escola de Engenharia de


So Carlos da Universidade de So Paulo
para obteno do ttulo de Doutor em
Cincias da Engenharia Ambiental

Orientador: Prof. Dr. Frederico Fbio Mauad

So Carlos

2008
Jssica Lara e Maria Eduarda,

com muito carinho.


AGRADECIMENTOS

Ao meu orientador, Prof. Dr. Frederico Fbio Mauad, pela orientao e confiana sempre
depositada, pelos ensinamentos de vida, enfim, pela amizade conquistada ao longo
desses 6 anos.

Aos professores, Luisa Fernanda Ribeiro Reis, Fazal Hussain Chaudhry, Evaldo Luis
Gaeta Espndola, Marcelo Pereira de Souza, pelo carinho de sempre e pelo suporte
acadmico.

Ao saudoso amigo Carlos Roberto Ruchiga Corra Filho, a quem eu devo boa parte de
meus conhecimentos profissionais e por todos os momentos compartilhados.

A todos os que passaram ou ainda esto no Ncleo de Hidrometria, em especial, Carlos,


Diego, Felipe, Cesinha, Ivo, James, Wellington, Beto, Miro. Pela alegria do dia a dia, pelas
experincias e auxlios trocados, pela amizade. Sei que todos esto to felizes quanto eu
por essa conquista.

Aos colegas Peter Batista Cheung e Fernando Graas Braga da Silva, hoje professores da
UFSC e UNIFEI, respectivamente, pelo auxlio na formao da idia deste trabalho.

Ao Prof. Dr. Joo Antnio de Vasconcelos, da UFMG, por disponibilizar o algoritmo NSGA.

A todos os funcionrios e amigos do Centro de Recursos Hdricos e Ecologia Aplicada,


pela ateno, disposio, pacincia e carinho, em especial, Claudete, Mara, Snia, Nelson,
Achilles, Paulo e Clarisse.

A todos os meus familiares, em especial minha me, Maria Gertrudes, sempre presente
em todos os momentos de minha vida, dando conforto, apoio, coragem, por ser
responsvel pela minha formao, pela sua dedicao integral.

s grandes amigas Julieta Bramorski, Andra Novelli, Andreza Bortolotti, Ana Lcia de
Albuquerque, Marieli Diniz, por estarem sempre presentes, por compartilharem comigo
momentos de alegria e dificuldade, por de uma forma ou outra, terem contribudo no
desenvolvimento desse trabalho.

s amigas Luciana Silva Peixoto, Karina Querne e Melissa Graciosa, hoje distantes
fisicamente, mas sempre presentes no corao. Pelo companheirismo e incentivo, pela
amizade, pelo grande carinho dispensado durante o dia a dia do meu mestrado e quase
todo o doutorado.

A FAPESP pela bolsa de estudos concedida.

E acima de tudo, agradeo a Deus.


RESUMO

ALBERTIN, L. L. Tcnica de gerenciamento da qualidade hdrica superficial baseada


na otimizao multiobjetivo. 2008. 193 f. Tese (Doutorado) Escola de Engenharia de
So Carlos, Universidade de So Paulo, So Carlos, 2008.

Os problemas de gerenciamento da qualidade da gua envolvem diversas aspiraes dos


usurios envolvidos, quer sejam eles os que usam o recurso hdrico para diluio de seus
efluentes ou para seu consumo. Portanto, raro que os modelos matemticos usados
para auxlio nas tomadas de decises sejam expressos em termos de um nico objetivo,
como a maximizao da eficincia econmica. Para o aproveitamento de um
determinado sistema hdrico, deve ser considerada a distribuio eqitativa, o uso
racional, a maximizao da eficincia econmica, a minimizao dos impactos
ambientais, entre outros. Neste contexto, trs modelos de otimizao multiobjetivo
foram propostos e foram considerados a maximizao da carga lanada pelas fontes
poluidoras, a melhora qualitativa da gua, e a minimizao da magnitude das violaes
dos padres de qualidade da gua. A principal contribuio deste trabalho est na
incorporao de uma restrio ao modelo de otimizao multiobjetivo. A restrio
proposta representa um ndice que tem o intuito de distribuir eqitativamente a
eficincia do tratamento necessria entre as fontes de poluio. Sem a considerao de
uma medida de eqidade, a tentativa de maximizar a quantidade de efluentes lanados
resultaria numa alocao de grandes quantidades de efluentes passveis de serem
lanados pelos usurios localizados mais a montante do rio, enquanto que os usurios
jusante deveriam tratar seus efluentes com um nvel mximo de eficincia. O mtodo
utilizado para solucionar o problema foi o Non-dominated Sorting Genetic Algorithm e
este estudo teve sua aplicao na bacia do rio Atibaia, SP. As solues apresentadas pela
otimizao demonstram e comprovam os conflitos existentes e a competio entre os
critrios considerados. O algoritmo gentico demonstrou ser uma tcnica efetiva para
solucionar problemas de otimizao multiobjetivo em aplicaes de gerenciamento da
qualidade da gua, identificando as variveis de deciso e a frente Pareto.

Palavras-chave: gerenciamento da qualidade da gua, medida de eqidade, otimizao


multiobjetivo, algoritmos genticos.
ABSTRACT

ALBERTIN, L. L. A technic of surface water quality management based on the


multiobjective optmization. 2008. 193 f. Thesis (Doctoral) Escola de Engenharia de
So Carlos, Universidade de So Paulo, So Carlos, 2008.

Problems of water quality management involve many aspirations of the users engaged,
those that use water for wastewater dilution or for their consumption. Therefore, it is
uncommon that decision-making mathematical models used are expressed in terms of a
single objective, like the maximization of economic efficiency. Using a particular water
system, one should consider the equitable distribution, the rational use, the
maximization of economic efficiency, the minimization of environmental impacts, among
others parameters. In this context, three models of multiobjective optimization were
proposed and considered to maximize the wastewater discharge by point sources, the
qualitative improvement of the water, minimizing the magnitude of the violations of
water quality standards. The main contribution of this work was the incorporation of a
restriction on the multiobjective optimization model. The proposed restriction is an
index that intends to distribute equitably the efficiency of treatment needed between
pollution sources. Without considering equity measure, the attempt to maximize waste
discharge would result in an allocation of large quantities of waste to the upstream
users, while the downstream dischargers would be required to treat their effluents at
levels of maximum possible efficiency. The method used to solve the problem was the
Non-dominated Sorting Genetic Algorithm (NSGA) and the case study was implemented
in the Atibaia river basin, SP. The solutions presented by the optimization show and
prove the existing conflicts and competition among the criteria considered. The genetic
algorithm has been shown to be an effective technique for solving problems of
multiobjective optimization in applications of water quality management, identifying the
decision variables in Pareto front.

Keywords: water quality management, equity measure, multiobjective optimization,


genetic algorithms.
LISTA DE ILUSTRAES

Figura 1 O processo de gerenciamento da qualidade da gua ................................................... 30


Figura 2 Componentes do balano de massa em um trecho do rio ......................................... 33
Figura 3 Concentrao de uma substncia ao longo do curso do rio a partir de um
ponto de lanamento: (a) apenas adveco, (b) adveco e disperso, (c) apenas
disperso. ................................................................................................................................................................ 42
Figura 4 Trecho de rio com n sees homogneas .......................................................................... 46
Figura 5 - QUAL2K: esquema de segmentao de trecho para um rio sem tributrios .... 56
Figura 6 - Esquema de segmentao de um rio com tributrios (a). Em (b),
representao dos trechos e numerao. ................................................................................................ 57
Figura 7 - Balano de massa em um elemento computacional ..................................................... 58
Figura 8 - Maneira como as fontes ou retiradas no-pontuais so distribudas no
elemento computacional ................................................................................................................................. 59
Figura 9 Forma e parmetros do canal trapezoidal ........................................................................ 60
Figura 10 Classificao dos modelos de otimizao multiobjetivo convencionais .......... 74
Figura 11 Espao varivel de deciso .................................................................................................... 77
Figura 12 Estrutura do modelo ................................................................................................................. 95
Figura 13 - Estrutura bsica do AG simples ........................................................................................ 101
Figura 14 Estrutura geral dos algoritmos genticos multiobjetivo...................................... 106
Figura 15 Solues do exemplo ............................................................................................................. 109
Figura 16 Classificao das solues por frentes de dominao do NSGA ....................... 110
Figura 17 - UGRHIs do Estado de So Paulo ........................................................................................ 114
Figura 18 - Bacia hidrogrfica dos rios Piracicaba, Capivari e Jundia e suas sub bacias
................................................................................................................................................................................... 115
Figura 19 - Precipitaes mdias mensais, mm, sub bacia do rio Atibaia ............................ 123
Figura 20 - Vazo mdia mensal (m3/s) do posto Atibaia (62670000) ................................. 125
Figura 21 - Vazo mdia mensal (m3/s) do posto Bairro da Ponte (62676000) .............. 125
Figura 22 - Vazo mdia mensal (m3/s) do posto Desembargador Furtado (62680000)
................................................................................................................................................................................... 126
Figura 23 - Vazo mdia mensal (m3/s) do posto Acima de Paulnea (62690000) ......... 126
Figura 24 - Vazes captadas na bacia do rio Atibaia ....................................................................... 127
Figura 25 Diagrama unifilar do trecho simulado do rio Atibaia .............................................138
Figura 26 Coeficientes de descarga do Posto 62670000 (Atibaia) .......................................139
Figura 27 Coeficientes de descarga do Posto 62676000 (Bairro da Ponte) .....................139
Figura 28 Coeficientes de descarga do Posto 62680000 (Desembargador Furtado) ..139
Figura 29 Coeficientes de descarga do Posto 62690000 (Acima de Paulnea) ...............140
Figura 30 Representao Boxplot .........................................................................................................144
Figura 31 Boxplot dos dados observados de OD e DBO de cada ponto de
monitoramento para os meses de janeiro/fevereiro/maro .......................................................146
Figura 32 Boxplot dos dados observados de OD e DBO de cada ponto de
monitoramento para os meses de abril/maio/junho ......................................................................147
Figura 33 Boxplot dos dados observados de OD e DBO de cada ponto de
monitoramento para os meses de julho/agosto/setembro..........................................................148
Figura 34 Boxplot dos dados observados de OD e DBO de cada ponto de
monitoramento para os meses de outubro/novembro/dezembro ..........................................149
Figura 35 Simulao do OD ao longo do rio Atibaia .....................................................................151
Figura 36 Simulao da DBO ao longo do rio Atibaia...................................................................151
Figura 37 Diferentes populaes de solues produzidas pelo NSGA .................................159
Figura 38 Comparao de frentes Pareto obtidas pelo NSGA ..................................................160
Figura 39 Relao de compromisso entre as duas funes objetivo Modelo 1............161
Figura 40 Simulao do OD, considerando o aumento da eficincia do tratamento de
efluentes ................................................................................................................................................................163
Figura 41 - Simulao da DBO, considerando o aumento da eficincia do tratamento
Modelo 1 ................................................................................................................................................................164
Figura 42 Relao de compromisso entre as duas funes objetivo Modelo 2............165
Figura 43 - Simulao da DBO, considerando o aumento da eficincia do tratamento
Modelo 2 ................................................................................................................................................................166
Figura 44 Solues selecionadas na frente Pareto Modelo 2................................................168
Figura 45 Espao deciso: solues pertencentes s regies factvel e infactvel .........177
Figura 46 Relao de compromisso entre as duas funes objetivo Modelo 3............178
Figura 47 - Solues selecionadas na frente Pareto Modelo 3 ................................................179
Figura 48 - Simulao da DBO, considerando o aumento da eficincia do tratamento
Modelo 3 ................................................................................................................................................................182
LISTA DE TABELAS

Tabela 1 Grupos de poluentes encontrados em esgoto domstico ......................................... 47


Tabela 2 Diferenas entre QUAL2E e QUAL2K .................................................................................. 55
Tabela 3 Modificao do balano de massa para DBO no QUAL2K, comparado com o
QUAL2E .................................................................................................................................................................... 65
Tabela 4 - Modificao do balano de massa para OD no QUAL2K, comparado com o
QUAL2E .................................................................................................................................................................... 66
Tabela 5 - Equaes incorporadas ao modelo QUAL2K para previso do coeficiente de
reaerao, k2, (dia-1) a 20oC ............................................................................................................................ 68
Tabela 6 Solues geradas aleatoriamente para o exemplo da eq. (120) ......................... 109
Tabela 7 - reas das sub bacias dos Rios Piracicaba, Capivari e Jundia ............................... 115
Tabela 8 - Municpios que compem cada sub bacia ...................................................................... 117
Tabela 9 - Dados de populao dos municpios pertencentes UGRHI-5 ............................ 118
Tabela 10 - Evoluo da populao dos municpios pertencentes UGRHI-5 ................... 119
Tabela 11 - Precipitaes mdias mensais1, mm, da bacia do rio Atibaia ............................ 122
Tabela 12 - Vazes para a bacia do rio Atibaia .................................................................................. 123
Tabela 13 - Estaes fluviomtricas selecionadas ........................................................................... 124
Tabela 14 - Vazo mdia mensal (m3/s) dos postos fluviomtricos do rio Atibaia ......... 124
Tabela 15 - Relao dos pontos de monitoramento da CETESB................................................ 128
Tabela 16 - Lanamento de efluentes, em m3/s. ............................................................................... 129
Tabela 17 - Carga orgnica domstica gerada nos municpios da bacia do rio Atibaia.. 129
Tabela 18 - Principais indstrias poluidoras da bacia do rio Atibaia ..................................... 130
Tabela 19 Diviso em trechos do rio Atibaia ................................................................................... 132
Tabela 20 Pontos de captao, lanamento e tributrios de cada trecho ......................... 133
Tabela 21 Captaes e lanamentos no rio Atibaia para calibrao do modelo QUAL 2K
................................................................................................................................................................................... 136
Tabela 22 Relao das estaes fluviomtricas utilizadas para cada trecho e
determinao das constantes empricas ............................................................................................... 140
Tabela 23 Ordem de grandeza da taxa de degradao da matria orgnica, a 20 oC... 141
Tabela 24 Equaes para o parmetro de reaerao k2, em dia-1 ......................................... 141
Tabela 25 Vazo mdia trimestral, em m3/s, considerada para calibrao do modelo
QUAL2K ..................................................................................................................................................................142
Tabela 26 Velocidade mdia, em m/s, do rio Atibaia ...................................................................143
Tabela 27 Profundidade mdia, em m, do rio Atibaia..................................................................143
Tabela 28 Valores de k1 a 20oC, dia-1 ....................................................................................................150
Tabela 29 Intervalos numricos dos parmetros dos AGs ........................................................157
Tabela 30 Combinao dos parmetros dos AGs usadas nas simulaes ..........................158
Tabela 31 Solues de compromisso e variveis de deciso Modelo 1 ...........................162
Tabela 32 Solues de compromisso e variveis de deciso Modelo 2 ...........................166
Tabela 33 Magnitude das violaes no padro de DBO, em mg/l ..........................................167
Tabela 34 Avaliao da funo objetivo utilizando a funo penalidade ...........................171
Tabela 35 Solues de compromisso e variveis de deciso Modelo 3 ...........................179
LISTA DE SMBOLOS

C concentrao, kg/m3

A rea da seo transversal, m2

Q vazo, m3/s

k velocidade de reao, s-1

E coeficiente de disperso, m2/s

fontes distribudas, kg/m/s

U velocidade, m/s

D dficit de oxignio, mg/l

W carga de lanamento, kg/dia

H profundidade, m

S declividade do canal, m/m

S0 declividade do canal, m/m

B0 largura inferior da seco, m

B1 largura superior da seco, m

SS1 inclinao lateral, m/m

SS2 inclinao lateral, m/m

n coeficiente de rugosidade de Manning

AC rea da seo transversal, m2

P permetro molhado, m

AS rea da superfcie, m2

V volume, m3

x comprimento do elemento, m

tempo de deteno hidrulico, dia


U* velocidade de cisalhamento, m/s

g acelerao da gravidade, m/s2

Si fontes ou sumidouros, g/m3/d.

L concentrao de DBO, mg/l

O Oxignio dissolvido, mg/l

OS Concentrao de saturao de OD, mg/l

N1 Concentrao de amnia, mg/

N2 Concentrao de nitrato, mg/l

A concentrao de biomassa de algas, mg/l

D profundidade mdia, m

k1 coeficiente de desoxigenao, dia-1

k3 taxa de sedimentao, dia-1

k4 velocidade de converso de bentos para DBO, g O2/m2/dia

k5 demanda bentnica de oxignio, g O2/m2/dia

taxa de respirao somada taxa de morte das algas, dia-1

1 taxa de respirao das algas, dia-1

2 taxa de morte das algas, dia-1

3 oxignio produzido por unidade de crescimento de alga, mg O2/mg A

4 oxignio devido respirao por unidade de alga, mg O2/mg A

5 oxignio consumido por unidade de NH3 oxidada, mg O2/mg N

6 oxignio consumido por unidade de NO2 oxidado, mg O2/mg N

velocidade especfica de crescimento das algas, dia-1

1 coeficiente de oxidao da amnia, dia-1

2 coeficiente de oxidao do nitrito, dia-1


1 O2 consumido pela respirao dos bentos, g O2/m2/dia

2 O2 produzido pela fotossntese dos bentos, g O2/m2/dia

Os concentrao de oxignio de equilbrio a 1 atmosfera de presso, mg/l

Ta temperatura da gua, C

Pa presso atmosfrica local, atm

T temperatura, oC

coeficiente de temperatura

xj eficincia do tratamento

Wj carga de DBO de lanamento

Qj vazo de lanamento. xj

F nmero de fontes de poluio

ODpadro concentrao mnima permissvel de OD estipulada pelo CONAMA 357

ODi concentrao de oxignio dissolvido

DBOpadro concentrao mxima de DBO estipulada pelo CONAMA 357

DBOi concentrao de DBO encontrada no ponto

dij distncia normalizada

Sh(d) funo de compartilhamento

Rm fator penalidade
SUMRIO

1. Introduo ................................................................................................................................19
2. Gerenciamento da qualidade da gua .........................................................................29
2.1. Modelagem matemtica da qualidade de gua superficial ...........................31
2.2. Fontes de poluio e variveis indicadoras da qualidade da gua ...........46
2.3. Os modelos de qualidade da gua .............................................................................51
2.4. Modelo de qualidade de guas QUAL2K ................................................................53
2.4.1. Segmentao do sistema ............................................................................................ 55
2.4.2. Caractersticas Hidrulicas........................................................................................ 59
2.4.3. Tempo de deteno hidrulico ................................................................................ 62
2.4.4. Disperso Longitudinal ............................................................................................... 62
2.4.5. Equaes do modelo: variveis indicadoras da qualidade da gua ....... 64
3. Planejamento multiobjetivo ............................................................................................71
3.1. Os mtodos e a otimizao multiobjetivo .............................................................73
3.1.1. Formulao geral dos mtodos ............................................................................... 75
3.2. A anlise multiobjetivo e os recursos hdricos ...................................................78
4. METODOLOGIA ......................................................................................................................93
4.1. Formulao do modelo ..................................................................................................95
4.1.1. Primeiro modelo de otimizao multiobjetivo ................................................ 96
4.1.2. Segundo modelo de otimizao multiobjetivo................................................. 97
4.1.3. Terceiro modelo de otimizao multiobjetivo ................................................. 97
4.2. Os Algoritmos Genticos ...............................................................................................99
4.2.1. Algoritmos Genticos Multiobjetivo ...................................................................104
4.2.1.1. NSGA ...............................................................................................................................107
4.3. Aplicao: Bacia Hidrogrfica do Rio Atibaia ................................................... 114
4.3.1. A bacia do Rio Atibaia: Recursos Hdricos .......................................................121
4.3.2. Dados de entrada do modelo QUAL2K e calibrao ....................................130
5. RESULTADOS ....................................................................................................................... 152
5.1. Funes objetivo ............................................................................................................ 152
5.1.1. Modelo 1 ...........................................................................................................................152
5.1.2. Modelo 2 ...........................................................................................................................154
5.1.3. Modelo 3 ...........................................................................................................................155
5.2. Parmetros do AG ..........................................................................................................156
5.4. Simulaes.........................................................................................................................161
5.4.1. Simulao do Primeiro Modelo ............................................................................ 161
5.4.2. Simulao do Segundo Modelo ............................................................................. 164
5.4.3. Simulao do Terceiro Modelo ............................................................................. 167
6. Concluses ............................................................................................................................183
7. Referncias Bibliogrficas .............................................................................................187
19

1. INTRODUO

Mesmo privilegiado quanto sua disponibilidade hdrica, encontram-se no Brasil

problemas relacionados escassez de gua que decorrem, fundamentalmente, da

combinao entre o crescimento exagerado das demandas localizadas e a degradao da

qualidade das guas. Este quadro conseqncia dos desordenados processos de

urbanizao, industrializao e expanso agrcola.

O planejamento dos recursos hdricos direciona-se aos estudos e aes voltadas

preservao da gua de forma a garantir o seu uso sustentvel.

Os recursos hdricos apresentam problemas para sua quantificao e averiguao

da sua qualidade. Apesar de que a maioria das pesquisas contempla uma ou outra rea, o

estudo dos aspectos quantitativos e qualitativos dos recursos hdricos no pode ser

dissociado. A violao dos padres admissveis da qualidade da gua torna-a imprpria

para determinados usos e a interpretao de dados qualitativos no proporciona

concluses significativas a menos que baseada na variabilidade espacial e temporal do

regime hidrolgico. A variao no espao e no tempo da disponibilidade, como da

demanda, leva necessidade de criao de polticas de planejamento e gesto de

recursos hdricos.

Apesar de que h muito tempo atrs j se encontrava na sociedade brasileira

preocupaes pertinentes gesto das guas, um passo marcante foi dado com a

elaborao e publicao da Lei 9.433 de 8 de janeiro de 1997, que dispe sobre a Poltica

Nacional de Recursos Hdricos.

A referida Lei foi construda sobre os seis fundamentos descritos como segue:

1. O domnio das guas: a gua um bem de domnio pblico.


20

2. O valor econmico: a gua um recurso natural limitado, dotado de valor

econmico e a cobrana da gua bruta tem o objetivo de reconhecer a gua

como bem econmico, dar ao usurio uma indicao do seu real valor,

incentivar a racionalizao do uso da gua, e obter recursos financeiros

para o financiamento de projetos formulados nos planos de recursos

hdricos.

3. Os usos prioritrios: em situaes de escassez, o uso prioritrio dos

recursos hdricos o consumo humano e a dessedentao de animais. O

uso prioritrio na Lei Federal fica tambm definido para as leis estaduais,

porm a hierarquia dos demais usos pode ser definida nos prprios

estados ou bacias hidrogrficas, pelos Comits de Bacias. Os Comits de

Bacia Hidrogrfica CBH so rgos colegiados descentralizados e so

compostos por representantes do governo, municpios, usurios da gua e

sociedade civil.

4. Os usos mltiplos: a gua utilizada para atender as seguintes atividades:

gerao de energia eltrica, abastecimento domstico e industrial,

irrigao, navegao, recreao, aqicultura, piscicultura, pesca,

assimilao e afastamento de esgoto. A gesto dos recursos hdricos deve

sempre proporcionar o uso mltiplo das guas, ou seja, maximizar o seu

uso.

5. A unidade de gesto: a bacia hidrogrfica a unidade territorial para a

implementao da Poltica Nacional de Recursos Hdricos e atuao do

Sistema Nacional de Gerenciamento de Recursos Hdricos.


21

6. A gesto descentralizada: a gesto dos recursos hdricos deve ser

descentralizada e contar com a participao do Poder Pblico, dos

usurios e das comunidades.

A Poltica Nacional de Recursos Hdricos conta com cinco instrumentos para

implement-la:

1. Os planos de recursos hdricos: so planos diretores que visam a

fundamentar e orientar a implementao da Poltica Nacional e o

gerenciamento dos recursos hdricos. Devem ser elaborados por bacia

hidrogrfica, por Estado e para o Pas. O Plano Nacional de Recursos

Hdricos (PNRH) foi aprovado pelo Conselho Nacional de Recursos

Hdricos no dia 30 de janeiro de 2006. O PNRH contempla a melhoria das

disponibilidades hdricas, superficiais e subterrneas, em qualidade e em

quantidade; a reduo dos conflitos reais e potenciais de uso da gua, bem

como dos eventos hidrolgicos crticos; a percepo da conservao da

gua como valor socioambiental relevante.

2. O enquadramento dos corpos de gua em classes: o enquadramento dos

corpos de gua em classes feito para assegurar que os corpos dgua

tenham qualidade compatvel com os usos que lhe forem atribudos e para

agir preventivamente para reduzir custos com tratamento de gua e

combate poluio. Embora a Lei 9.433 utilize o enquadramento como

instrumento de gesto, cabe aos rgos ambientais efetuar o

enquadramento nas classes definidas pela Resoluo no 357 de 17 de

maro de 2005 do Conselho Nacional do Meio Ambiente CONAMA.

3. A outorga dos direitos de uso dos recursos hdricos: a outorga um

instrumento de comando e controle em que uma poro da


22

disponibilidade hdrica concedida a um usurio, para um determinado

uso, por um perodo de tempo limitado. Os objetivos da outorga so

assegurar o controle quantitativo e qualitativo dos usos da gua e

proporcionar o direito ao acesso s guas. Nos incisos I a V do Art. 12 da

Lei 9.433 ficam estabelecidos que esto sujeitos outorga pelo Poder

Pblico os direitos dos seguintes usos de recursos hdricos:

I. derivao ou captao de parcela da gua existente em um

corpo de gua para consumo final, inclusive abastecimento

pblico ou insumo produtivo;

II. extrao de gua de aqfero subterrneo para consumo final ou

insumo de processo produtivo;

III. lanamento em corpo de gua de esgotos e demais resduos

lquidos ou gasosos, tratados ou no, com o fim de sua diluio,

transporte ou disposio final;

IV. aproveitamento dos potenciais hidreltricos;

V. outros usos que alterem o regime, a quantidade ou a qualidade

da gua existente em um corpo dgua.

A menos que a disponibilidade hdrica de uma regio seja muito superior

demanda, o estabelecimento de um limite superior para a concesso de outorgas torna-

se recomendvel. Esse limite conhecido como vazo (ou volume) outorgvel, que a

mxima vazo que pode ser outorgada em um corpo hdrico e cujo montante composto

pela soma da vazo j outorgada com a vazo ainda disponvel para outorga.

Ainda, o Art. 13 estabelece que toda outorga estar condicionada s prioridades

de uso estabelecidas nos Planos de Recursos Hdricos e dever respeitar a classe em que
23

o corpo de gua estiver enquadrado e a manuteno de condies adequadas ao

transporte aquavirio, quando for o caso.

4. A cobrana pelo uso dos recursos hdricos: a cobrana pelo uso da gua

como instrumento de gesto pode ser entendida como dispositivo de

aplicao do Fundamento 2 da Poltica Nacional, que v a gua como um

bem escasso dotado de valor econmico. O Art. 20 estabelece que sero

cobrados os usos de recursos hdricos sujeitos a outorga, conforme o Art.

12 da Lei 9.433. J o Art. 22 estabelece que os valores arrecadados com a

cobrana pelo uso de recursos hdricos sero aplicados prioritariamente

na bacia hidrogrfica em que foram gerados e sero utilizados:

I. no financiamento de estudos, programas, projetos e obras includos

nos Planos de Recursos Hdricos;

II. no pagamento de despesas de implantao e custeio administrativo

dos rgos e entidades integrantes do Sistema Nacional de

Gerenciamento de Recursos Hdricos.

O fato do artigo 22 estabelecer que os recursos da cobrana sejam aplicados

prioritariamente na bacia em que foram arrecadados no garante a sua efetiva aplicao

na bacia, o que levou a elaborao e aprovao do Projeto de Lei, PLS 240/02, em

outubro de 2004, para garantir a efetiva gesto descentralizada dos recursos hdricos. O

Projeto de Lei PLS 240/02 estabelece que os valores arrecadados com a cobrana pelo

uso de recursos hdricos e com a aplicao de multas na bacia em que foram gerados

sejam aplicados integralmente na mesma bacia (RODRIGUES, 2005).

5. O Sistema de Informaes sobre Recursos Hdricos: um sistema de

coleta, tratamento, armazenamento e recuperao de informaes sobre


24

recursos hdricos e fatores intervenientes em sua gesto. Uma das maiores

vantagens desse sistema est na democratizao das informaes.

Portanto, a idia de que a gua abundante est sendo substituda pela

percepo de que ela limitada e dotada de valor econmico. A escassez e a poluio

descontrolada trouxeram a necessidade de medidas de controle, reparo e preservao

dos recursos hdricos e, para suprir essa necessidade, as pesquisas na rea de gesto

hdrica se inovam a cada dia.

Para atender demanda de gua, o planejamento dos aspectos quantitativos dos

recursos hdricos envolve a avaliao de alternativas estruturais e no estruturais

(COHON, 1978). As primeiras incluem reservatrios para armazenamento de gua,

usinas hidreltricas, sistema de distribuio, tratamento e drenagem, canais, etc. As

alternativas no estruturais incluem procedimentos regulatrios e legislativos.

As alternativas estruturais para controle da poluio incluem operaes e

processos de tratamento de efluentes que podem ser mecnicos, qumicos e biolgicos

(METCALF; EDDY, 2003). As alternativas no estruturais incluem padres de qualidade

do corpo dgua relacionados com os seus usos preponderantes, padres de emisso de

efluentes, taxas e tarifas. A implementao de alternativas no estruturais promove o

uso das estruturais e encoraja mudanas no planejamento de um dado sistema hdrico.

Um sistema de recursos hdricos extremamente complexo, pois nele esto

envolvidos vrios usurios com diferentes aspiraes e natureza competitiva, natureza

estocstica das variveis em estudo, caractersticas sociais, econmicas, fsicas,

climatolgicas e hidrogrficas prprias e problemas especficos de cada bacia

hidrogrfica. Ou seja, vrios objetivos esto envolvidos na anlise de sistemas de

recursos hdricos.
25

Para auxiliar no processo decisrio so necessrios planejamentos estratgicos

que identifiquem as melhores alternativas de desenvolvimento dos recursos hdricos,

considerando a distribuio eqitativa, o uso racional, a maximizao do

desenvolvimento econmico e social, a minimizao dos impactos ambientais, entre

outros. Devido complexidade dos sistemas hdricos, as decises devem ser estudadas e

suas conseqncias, simuladas, de forma que o melhor plano de ao seja escolhido.

raro que os problemas de planejamento hdrico sejam expressos em termos de

um nico objetivo. Os recursos hdricos tm aspectos sociais, econmicos e ambientais

mltiplos, portanto requerem planejamento que considere toda gama de objetivos

concorrentes. Requer-se uma metodologia adequada que considere os critrios, metas e

resultados dentro de uma tica de preferncia dos decisores para permitir melhor

definio da atratividade de uma ou outra alternativa.

No caso multiobjetivo, h conflito entre os diferentes objetivos que requerem

resoluo tal que o projeto como todo ganhe. Naturalmente no possvel obter-se uma

soluo tima para cada objetivo. Assim, no existe um plano timo, sem nenhuma

ambigidade, que o caso do objetivo nico. No caso multiobjetivo h um conjunto de

solues que pode ser considerado melhor que tantas outras solues, chamada de

conjunto no-dominado ou aquele cujos membros dominam as outras solues.

Com suporte na modelagem matemtica, o planejamento multiobjetivo vem

sendo muito utilizado para auxiliar nas tomadas de decises de sistemas de recursos

hdricos (MILLER; BYERS, 1973; HAIMES; HALL, 1974; DAUER; KRUEGER, 1980;

ESCHENBACH et al, 2001; JARDIM; LANNA, 2003). Porm pouca ateno voltada para a

multiplicidade de problemas relacionados qualidade da gua.

Dentro desse enfoque, este trabalho tem o intuito de contribuir para a soluo

dos complexos problemas relacionados ao planejamento e gerenciamento da qualidade


26

da gua. O desafio foi desenvolver um modelo baseado na anlise multiobjetivo que seja

capaz de auxiliar nas tomadas de deciso, minimizando os conflitos e levando em

considerao a disponibilidade hdrica, estratgias de reduo na emisso de efluentes,

necessidade de investimentos e objetivos de qualidade da gua.

O modelo foi testado na bacia do rio Atibaia, sub-bacia do rio Piracicaba, no

Estado de So Paulo, pertencente Unidade de Gerenciamento de Recursos Hdricos

nmero 5 (UGRHI-05), que engloba as bacias hidrogrficas dos rios Piracicaba, Capivari

e Jundia.

Juntamente com as bacias do Turvo/Grande e Alto Tiet, a bacia do Piracicaba

atualmente classificada como crtica em relao disponibilidade hdrica por habitante.

Em contrapartida, ela um dos sistemas hdricos essenciais ao Estado, pois, alm de

fornecer gua para abastecimento urbano e industrial, irrigao e gerao de energia

eltrica, responsvel pelo fornecimento de gua para a Regio Metropolitana de So

Paulo (RMSP), localizada na bacia do Alto Tiet, atravs do Sistema Cantareira. Segundo

Castro e Porto (2001) o Sistema Cantareira responsvel por aproximadamente 50% de

toda gua distribuda na RMSP e abastece uma populao estimada em nove milhes de

habitantes. importante destacar que a construo e operao desse sistema data das

dcadas de 60 e 70, sendo executado sem que fossem estabelecidos mecanismos de

gesto ambiental que levassem em considerao os usos mltiplos da gua.

A degradao dos recursos hdricos na bacia do rio Piracicaba iniciou-se na

dcada de 70 em virtude do processo de interiorizao do desenvolvimento econmico

do Estado de So Paulo. De acordo com Barth (1987), dentre todas as bacias

hidrogrficas do Estado de So Paulo, esta a que concentra os maiores problemas de

aproveitamento e controle dos recursos hdricos. Seus rios esto cada vez mais poludos,
27

sendo que parte expressiva desta poluio proveniente de esgotos domsticos,

resduos industriais e insumos agrcolas.

Devido crescente complexidade de problemas que enfrentam a gesto dos

recursos hdricos, faz-se necessrio a adoo de novas tecnologias que sirvam de base

para o planejamento do aproveitamento de uma bacia hidrogrfica. Adicionalmente, as

ferramentas computacionais so de extrema importncia para o setor hdrico.

Dentro deste contexto, os objetivos deste trabalho so:

- Propor um modelo de otimizao multiobjetivo que contribua para as

tomadas de decises nos problemas de gerenciamento da qualidade da gua

superficial.

- Formular os objetivos conflitantes e restries do problema de gerenciamento

da qualidade hdrica.

- Propor um ndice que represente a eqidade na alocao da carga poluente

entre as fontes de poluio.

- Testar o modelo em um estudo de caso na bacia hidrogrfica do rio Atibaia, no

Estado de So Paulo, que encontra srios problemas relacionados aos seus

recursos hdricos.

- Para as estratgias timas encontradas, simular o comportamento do sistema

com um modelo de simulao de qualidade da gua.

Esta tese organizada em 7 captulos. O Captulo 2 contm a reviso bibliogrfica

dos processos de gerenciamento da qualidade da gua e os fatores envolvidos, da

modelagem matemtica que define os processos fsicos, qumicos e biolgicos que

ocorrem no corpo dgua, bem como a evoluo histrica dos modelos computacionais.
28

O Captulo 3 apresenta a metodologia da anlise multiobjetivo e o estado da arte

das formulaes e aplicaes dos mtodos multiobjetivo, tradicionais e no tradicionais,

nos problemas de planejamento e gerenciamento dos recursos hdricos.

O desenvolvimento e aplicao do modelo de auxlio s tomadas de decises

proposto, baseado na anlise multiobjetivo, so apresentados no Captulo 4.

Os resultados da pesquisa so descritos no Captulo 5 e, finalmente, o Captulo 6

apresenta as principais concluses.


29

2. GERENCIAMENTO DA QUALIDADE DA GUA

O planejamento dos aspectos qualitativos da gua envolve a identificao e

avaliao de alternativas de gerenciamento que satisfaam objetivos econmicos e

ambientais. Os objetivos econmicos so freqentemente expressos em termos de

mnimo custo e uma distribuio de custo justa para todos os usurios da gua. Os

objetivos de qualidade da gua so usualmente expressos em termos de padres de

emisso de efluentes, padres de qualidade da gua do corpo receptor, ou ambos.

Embasada na lei local, o desenvolvimento de polticas de gerenciamento da qualidade da

gua requer no somente a identificao da relao existente entre poluidor e qualidade

da gua do ambiente, mas a avaliao de estratgias e ferramentas disponveis para

garantir a melhora qualitativa do recurso hdrico.

Os modelos de qualidade da gua so vnculos essenciais ao gerenciamento, uma

vez que objetivam predizer a concentrao de um determinado poluente no corpo

dgua como funo da carga poluidora, pontual ou no.

De forma meramente ilustrativa, a Figura 1 mostra o fluxograma de um processo

de gerenciamento da qualidade da gua. O modelo matemtico, ou seja, a formulao

idealizada que representa a resposta de um sistema fsico perante um estmulo externo,

necessrio para computar a qualidade (resposta) do corpo receptor (sistema) como

funo do efluente lanado (estmulo). A relao de causa e efeito entre carga e

concentrao depende das caractersticas fsicas, qumicas e biolgicas da gua e

hidrulicas e hidrolgicas do corpo receptor.

Simulao e otimizao so os modelos mais utilizados e freqentemente usados

em seqncia: a otimizao aplicada para discriminar as alternativas de


30

gerenciamento viveis e em seguida, a simulao descreve o comportamento do sistema

perante as alternativas para que possa ser feita a escolha final.

Concentrao desejada de uma


determinada substncia, cobjetivo
gua desejvel ao uso

Carga Concentrao
poluidora resultante, c Sim
Bacia de Modelo de c < cobjetivo
drenagem qualidade da gua

No

Controles

Figura 1 O processo de gerenciamento da qualidade da gua

Fonte: Adaptado de Chapra (1997)

H diferentes modelos de qualidade da gua e a escolha de qual utilizar depende

dos dados disponveis e do propsito do estudo. No h um nico melhor modelo para

todos os corpos dgua e todas as situaes de planejamento. A seleo tambm depende

do tempo e recursos disponveis.

Este captulo revisa os tpicos modelos matemticos de prognstico da qualidade

dos recursos hdricos superficiais desenvolvidos para aplicaes em que efluentes so

lanados nos corpos dgua; descreve as principais formas de poluio e os ndices

utilizados para averiguar a qualidade da gua; e finalmente, apresenta a evoluo da

modelagem.
31

2.1. Modelagem matemtica da qualidade de gua superficial

Os modelos de qualidade de gua so formados por uma gama de expresses

matemticas que definem os processos fsicos, qumicos e biolgicos que ocorrem no

corpo dgua. A maior parte deles consiste em equaes de conservao de quantidade

de movimento e massa. Dado uma varivel de qualidade particular de interesse e os

processos que a afeta, o balano de massa pode ser desenvolvido e constar de trs

fenmenos fundamentais: a entrada do constituinte no volume de controle, o transporte

dele atravs do volume de controle e as reaes ocorridas que resultam no aumento ou

decaimento da concentrao do constituinte.

A entrada de poluentes advm de processos naturais e despejo de esgoto

domstico, efluentes industriais ou atividades agrcolas, na forma de poluio pontual ou

difusa.

Os processos de transporte descrevem os movimentos dos poluentes atravs dos

fenmenos de difuso, disperso e adveco, e so dependentes das caractersticas

hidrolgicas e hidrodinmicas do corpo dgua.

Quando os poluentes so no conservativos, as reaes cinticas expressam quo

rapidamente se d o consumo do reagente e a formao do produto.

Os modelos podem ser usados para avaliar condies no estado estacionrio ou

dinmico. A primeira condio mais simples e pertinente ao horizonte de

planejamento de longo prazo (LOUCKS; STEDINGER; HAITH, 1981).

Suposies referentes mistura dos poluentes ditam a dimenso espacial do

modelo. Como cita Romeiro (2003), em se tratando de escoamento em rios, obtm-se

boa preciso quando modelado o sistema em uma ou duas dimenses, sendo o modelo

unidimensional o mais utilizado, no qual se assume mistura completa nas direes


32

vertical e lateral. Quanto aos modelos bidimensionais, estes podem ser representados

como modelo bidimensional na horizontal (2DH) e modelo bidimensional na vertical

(2DV). Os modelos 2DH permitem variaes nas direes longitudinal e transversal.

Aplica-se este modelo em esturios com pouca estratificao, tendendo a verticalmente

homogneos. Os modelos 2DV admitem mistura homognea apenas na direo lateral.

Modelos deste tipo podem ser aplicados em corpos dgua com estratificao de

densidade na coluna dgua, mas com pouca variao na lateral. Os modelos

tridimensionais, que admitem variaes nas direes longitudinal, vertical e lateral,

podem ser aplicados em qualquer corpo dgua.

Adicionalmente, os modelos podem ser determinsticos ou estocsticos. Os

primeiros estimam valores mdios dos vrios ndices de qualidade da gua, enquanto

que os estocsticos levam em considerao as incertezas dos processos fsicos, qumicos

e biolgicos.

Loucks, Stedinger e Haith (1981), Orlob (1984), Chapra (1987), Thomann e

Mueller (1987), dentre outros, apresentam diversas formulaes da modelagem da

qualidade de gua. A descrio aqui apresentada caber a um modelo determinstico,

unidimensional, no estado estacionrio.

Assumindo-se mistura completa nas direes vertical e horizontal do rio, a

concentrao (kg/m3) dos vrios constituintes Ci, i = 1, 2, ..., n, funo da velocidade de

entrada e sada, dos mecanismos de transporte como disperso, adveco e das

variaes fsicas, qumicas e biolgicas. Ci representa a concentrao do i-simo poluente

cujo transporte de interesse.

Uma equao diferencial geral para a variao da concentrao de uma

determinada substncia no tempo e no espao C(x,t) pode ser obtida atravs de um

balano de massa feito em um pequeno trecho do rio, como mostra a


33

Fontes difusas: (x,t)x

rea da seco transversal: rea da seco transversal:


A(x-x) A(x+x)

Vazo: Q(x-x) Vazo: Q(x-x)


Volume de
controle:
Fluxo dispersivo: V=A(x)x Fluxo dispersivo:

E ' ( x x )

C( x x , t ) E ' ( x + x ) C ( x + x , t )
x x

Fontes e sumidouros:
A(x)x(-kC+S)

x-x x x+x

Figura 2 Componentes do balano de massa em um trecho do rio

Fonte: Adaptado de Loucks, Stedinger e Haith (1981)

O acmulo de massa no volume de controle [V=A(x)x] ilustrado na figura em um

perodo de tempo t, dado por:

A(x)x [C(x, t+ t) C(x,t)] (1)

Este acmulo de massa deve ser igual soma do ganho ou perda de massa dentro

do volume de controle devido aos seguintes processos:

- Transporte advectivo: O transporte advectivo causado pelo movimento da gua com

velocidade U atravs de uma rea A. A variao de massa dentro do volume de controle

devido ao transporte advectivo :

[Q(x- x)C(x- x,t) Q(x+ x)C(x+ x,t)] t (2)


34

m 3 kg
s = kg
em unidades de s m3 .

- Disperso: A disperso o movimento do poluente devido turbulncia. A velocidade

com que ocorre o fenmeno de disperso de um determinado constituinte depende do

gradiente de concentrao deste encontrado no rio. Sendo E(x) o coeficiente de

disperso, parmetro usado para quantificar a velocidade do processo dispersivo, em

unidades de m2/s, a variao total da massa dentro do volume de controle :


E ( x x )A( x x ) x C (x x, t ) + E (x + x )A( x + x ) x C (x + x, t ) t
(3)

m2 kg 1
m 2 3 s = kg
em unidades de s m m . O sinal negativo garante que o fluxo de massa

ocorre no sentido de maior para o de menor concentrao.

- Decaimento: Embora existam diferentes maneiras de formular as velocidades de

reaes ocorridas nos corpos dgua, a mais comum a reao de primeira ordem. Para

uma constante de velocidade de reao k, a equao que governa o decaimento de massa

no volume de controle em um intervalo de tempo t :

k A(x) x C(x,t) t (4)

1 2 kg
m m 3 s = kg
em unidades de s m .

- Fontes distribudas: Como exemplos de fontes distribudas podem-se citar o

escorrimento superficial e os depsitos bentnicos que atuam como fonte de um

constituinte por unidade de comprimento, (x,t), em kg m s . Desta forma, o acrscimo

de massa no volume de controle em um intervalo t dado por:


35

(x,t) x t (5)

kg
m s = kg
em unidades de m s .

H outra forma aproximada de descrever fontes no pontuais. Sendo Cr a

Q
concentrao de uma determinada substncia e x a velocidade do escorrimento

superficial por unidade de comprimento do canal, a massa aderida ao volume de

controle no intervalo t :

Q
Cr x t
x (6)

kg m 3 1
m s = kg
em unidades de m3 s m .

- Outras fontes ou sumidouros: Vrios processos fsicos e bioqumicos podem atuar como

fontes ou sumidouros de massa no sistema. Denotados por S(x,t) e expressos na unidade

3
de kg m s , a variao de massa no volume de controle em um intervalo de tempo t

igual a:

A(x) x S(x,t) t (7)

kg
m3 s = kg
em unidades de m3 s .

A partir da eq. (1), a equao que representa a variao total de massa no sistema

obtida pelo somatrio de todas as expresses de ganho ou perda dessa grandeza (eq.

8).
36

A( x) x[C (x, t + t ) C ( x, t )] =
C ( x + x, t ) C ( x x, t )
E ( x + x )A(x + x ) x
E ( x x )A( x x )
x t +
[Q( x + x )C ( x + x, t ) Q( x x )C ( x x, t )]t kA( x) xC (x, t )t +
Q
+ ( x, t ) xt + C r
xt + A( x) xS ( x, t ) t (8)
x
Dividindo ambos os lados da eq. (8) por x t , obtm-se:

A( x )[C (x, t + t ) C (x, t )]


=
t
C (x + x, t ) C ( x x, t )
E ( x + x )A(x + x ) E ( x x )A( x x )
x x +
x

[Q(x + x )C (x + x, t ) Q(x x )C (x x, t )] kA( x)C (x, t ) + ( x, t ) +
x
Q
+ Cr + A( x ) S ( x, t ) (9)
x
Tomando o limite para t 0 e x 0 , obtm-se as derivadas parciais conforme

a eq. (10), na qual E(x) = E(x)A(x).

'
A( x) C ( x, t ) = E ( x ) C (x, t ) [Q(x )C (x, t ) ] kA( x)C (x, t ) + ( x, t ) +
t x x x
Q
+ Cr + A( x) S ( x, t ) (10)
x
Dividindo a eq. (10) por A(x) e substituindo E(x) = E(x)A(x):

1 1

C ( x, t ) =

EA C (x, t ) [QC (x, t ) ] kC (x, t ) + + Cr Q + S ( x, t ) (11)
t A x x A x A A x

As variaes espaciais do coeficiente de disperso e da rea da seco transversal

C
interferem na velocidade de disperso assim como no gradiente de concentrao x .A

eq. (11) completa a derivao bsica para a equao diferencial parcial que define a

concentrao de uma substncia em um rio. De uma forma geral, a eq. (11) encontrada

na literatura da seguinte maneira:

C 1 C
= EA UAC S k
t A x x k (12)
37

na qual C a concentrao (kg/m3) de uma substncia particular, t o tempo (s), x a

distncia (m) ao longo do canal, E o coeficiente de disperso (m2/s), U a velocidade

(m/s), A a rea da seco transversal (m2) e Sk engloba todas as fontes ou sumidouros (

kg / m 3 s
). Este ltimo termo inclui as vrias reaes e processos que podem aumentar

ou depreciar a concentrao de uma determinada substncia em um local particular no

rio.

No estado estacionrio, suposio adotada na maioria dos modelos de qualidade

C
=0
da gua, a soluo da eq. (11) corresponde situao em que t . Assumindo-se E, A,

Q
Cr
Q, k constantes e para simplificao, omitindo-se o termo x e substituindo-se

Q = U A , a equao diferencial no estado estacionrio do transporte de massa das vrias

substncias que afetam a qualidade da gua torna-se:

d 2C dC
0=E U kC + +S
2 dx A
dx (13)


+S
Uma vez que o termo A independente da concentrao C, pode-se omiti-lo:

d 2C dC
0=E U kC
2 dx
dx (14)

A soluo da equao diferencial (eq. 14) da forma:

C(x ) = C e x
(15)

dC d 2C
= C e x = C 2 e x
2
Tomando-se as derivadas primeira ( dx ) e segunda ( dx ) da

eq. (15) e substituindo-se na eq. (14), encontra-se:

0 = E C 2 e x U C e x k C e x
(16)

( )
C E2 U k e x = 0
(17)
38

A eq. (17) solucionada para todo x e C se satisfizer a seguinte condio:

E2 U k = 0
(18)

ou

U U 2 + 4Ek U
= = (1 m)
2E 2E (19)

onde

U 2 + 4Ek 4Ek
m= = 1+ 1
U U2 (20)

A soluo geral da eq. (15) pode ser obtida somando-se as duas solues

encontradas para (eq. 19). Desta forma:

Ux Ux
2E (1+ m ) 2 E (1 m )
C( x ) = C1 e + C2 e
(21)

na qual C1 e C2 so constantes de integrao arbitrrias.

Considerando que ocorra um lanamento com carga W0 (kg/s) em x=0, as eq.

(22) e (23) representam, em conformidade com a eq. (21), o transporte de massa antes e

aps o lanamento, respectivamente.

Ux Ux
(1+ m ) (1 m )
C( x ) = C1+ e 2 E + C +2 e 2 E
para x>0 (22)

Ux Ux
(1+ m ) (1 m )
C( x ) = C1 e 2E + C 2 e 2 E
para x<0 (23)

Como condio de contorno considera-se que, para x , C(x) 0. Logo, pela

+
eq. (22) percebe-se que C1 deve ser igual a zero, uma vez que, para x , o primeiro

termo da equao tende ao infinito e, sendo m>1, o segundo termo tende a zero.


De maneira semelhante, se x -, C(x) 0, ento, a partir da eq. (23), C 2 deve

ser igual a zero.


39

+
Para x=0, C(0) = C 2 = C1 .

+
Os valores de C 2 e C1 so estimados atravs de um balano de massa no ponto

de lanamento. Supondo que W0 seja a carga lanada, W- e W+ sejam, respectivamente,

as cargas imediatamente antes e aps o lanamento, neste caso, encontra-se a seguinte

situao:

W0 + W- = W + (24)

W+ - W - = W0 (25)

dC dC
EA + QC EA + QC = W0
dx x >0 dx x <0 (26)

+
Derivando as eq. (22) e (23) com relao a x, considerando C1 = C 2 = 0, obtm-se

as eq. (27) e (28).

Para x>0:

Ux
dC U (1 m )
= C +2 (1 m )e 2E
dx 2E (27)

Para x<0:

Ux
dC U (1+ m )
= C1 (1 + m )e 2E
dx 2E (28)

Substituindo as eq. (27) e (28) na eq. (26), encontra-se a seguinte relao:

Ux Ux
(1m )
+ U 2 E (1 m ) + 2 E
(1 m )e +
EAC 2 + QC 2 e
2E

Ux Ux
(1+ m )
U 2E (1+ m ) 2 E
EAC1 (1 + m )e + QC1 e =W
0
2 E
(29)

Lembrando que a condio de contorno estabelece que x=0 e nesta condio,

C(0) = C 2+ = C1
, e aps rearranjos, tem-se que:
40

U U
C(0) EA (1 m) + Q C(0) EA (1 + m) + Q = W0
2E 2E

C(0) A U m = W0

C(0) Q m = W0

W0
C(0) =
Qm (30)

Substituindo o valor encontrado para C(0) (eq. 30) nas eq. (22) e (23), obtm-se a

soluo final para C(x):

U
W0 2E (1+ m )x

Q m e para x<0
C( x ) =
W U
(1 m )x
0 e 2E para x0
Q m
(31)

na qual m est definido na eq. (20).

Em rios com guas paradas, o coeficiente de disperso E pequeno e pode ser

omitido. Neste caso, a partir da eq. (14), para x < 0, C(x) = 0, j para x > 0:

kx
W0 U
C( x ) = e
Q (32)

U 2 + 4Ek
m=
Adotando Q = AU e U e, aps, considerando apenas o processo

dispersivo (U 0), os termos da eq. (31) assumem a seguinte forma:

U 2 + 4Ek
Qm = AU = A 4Ek
U

UX 2 UX U U 2 + 4kE X
(1 m) = UX 1 U + 4kE =
2E
= ( ) k
2E 4kE = X E
2E 2E U U

Substituindo esses valores na eq. (31) tem-se a seguinte relao:


41

W0
e
(+ x k E ) para x<0

2A kE
C( x ) =
W0 e ( x k E ) para x0
2A kE
(33)

A Figura 3 exibe o perfil da concentrao de uma determinada substncia ao

longo do curso do rio considerando um lanamento de efluentes em x = 0 e, alm do

decaimento devido reao de primeira ordem, os seguintes processos de transporte:

adveco, adveco e disperso, e somente disperso.

As eq. (31), (32) e (33) podem ser usadas na modelagem unidimensional no

estado estacionrio da DBO em um rio.


42

Lanamento W0 (kg/s)

Vazo Q (m3/s)

x=0

(a)
kx
W0 U
C( x ) = e
Q

x=0
Concentrao C(x) (kg/m3)

(b)

Ux
W0 (1 m )
C( x ) = e 2E
Qm

x=0

(c)
C( x ) =
W0
e
( x k E )
2A kE

x=0
Distncia x (m)

Figura 3 Concentrao de uma substncia ao longo do curso do rio a partir de um ponto de

lanamento: (a) apenas adveco, (b) adveco e disperso, (c) apenas disperso.

Fonte: Adaptado de Loucks, Stedinger e Haith (1981)

O modelo OD-DBO pode ser obtido a partir da equao diferencial do dficit D de

concentrao de OD (diferena entre a concentrao de saturao e a concentrao de


43

OD encontrada no corpo dgua) no estado estacionrio e com os parmetros kd, ka, E, A

e U constantes (34).

d2D dD
0=E U + kdL kaD
2 dx
dx (34)

na qual ka a constante de reaerao (dia-1), kd a constante de desoxigenao (dia-1) e

L a concentrao de DBO. Substituindo L pela eq. (31) obtm-se:

Ux
d2D dD k d W0 2 E (1 mc )
0=E U + e kaD
dx 2 dx Qm c (35)

com 1+mc para x<0 e 1-mc para x>0. mc est definido na eq. (20), sendo k=kd.

Uma soluo particular da eq. (35) :

Ux
2E (1 mc )
D(x ) = D p e
(36)

na qual Dp uma constante de integrao.

Ux
(1 m c )
dD U
= Dp (1 m c ) e 2 E
Tomando a derivada primeira ( dx 2 E ) e segunda (

Ux
d2D U2 (1 m c )
= Dp (1 m c ) 2 e 2 E
dx 2 4E 2 ) da eq. (36), substituindo esses valores na eq. (35) e

aps rearranjos, tem-se que:

U 2 k W
D p E (1 m c ) U U (1 m c ) k a + d 0 = 0
2E 2E Qm c
(37)

U
2 = (1 m)
Pela definio de mc, E U k = 0 (eq. 18), sendo 2E (eq. 19).

Portanto:

2
U
E (1 m c ) U U (1 m c ) k d = 0
2E 2E

2
U
k d = E (1 m c ) U U (1 m c )
2E 2E (38)
44

Finalmente, substituindo kd encontrado na eq. (38) na eq. (37), encontra-se o

valora da constante Dp.

k d W0
D p (k d k a ) =
Qm c

kd W0
Dp =
(k a k d ) Q m c (39)

A soluo geral da eq. (35) da seguinte forma:

Ux Ux Ux
(1 + mc ) (1 + ma ) (1 ma )
D( x) = D p e 2E + D1 e 2E + D 2 e 2E
para x<0 (40)

Ux Ux Ux
2E (1 mc ) + 2E
(1 + ma )
+ 2E
(1 ma )
D( x) = D p e + D1 e + D2 e
para x0 (41)

ma est definido na eq. (20), sendo k=ka.

+
Como condio de contorno, para x , D(x) 0, logo D1 = 0 .

+
J para x -, D(x) 0, D 2 = 0 . Para x=0, D1 = D 2 .

Considerando apenas o impacto do lanamento em x=0, pode-se assumir que o

dficit de oxignio devido apenas oxidao da matria orgnica do efluente lanado.

Assumindo fluxo contnuo em x=0:

d d
EA dx D(x ) QD( x ) + = EA dx D( x ) QD(x )
x =0 x =0 (42)

Como D(x) contnuo em x=0 e assumindo Q, E e A constantes, a eq. (42)

reduzida a:

d d
D( x ) = D( x )
dx x =0 + dx x =0 (43)

+
ou, a partir das eq. (40) e (41) e lembrando que D1 = D 2 = 0 ,

U
Dp (1 m c ) + D +2 U (1 m a ) = D p U (1 + m c ) + D1 U (1 + m a )
2E 2E 2E 2E
45

+
Denotando D1 = D 2 = D 0 , obtm-se:

mc
D0 = Dp
ma
(44)

Substituindo-se os valores encontrados para Dp e D0 nas eq. (40) e (41), encontra-

se a soluo final para D(x):

Ux Ux
kd W0 1 2E (1+ m c ) 1 2 E (1+ ma )
k k e e para x < 0
Q mc ma
a d

D( x ) =
Ux Ux
kd W 1 2E (1 mc ) 1 2 E (1 ma )
0 e e para x > 0
ka kd Q mc ma
(45)

Os modelos de qualidade da gua apresentados (eq. 31, 32, 33 e 45) aplicam-se

em sees homogneas de rio, nas quais os parmetros ka, kd, E, A e U so constantes e a

concentrao C(x) aproxima-se de zero para grandes valores de x. Porm, em todo um

curso dgua, encontram-se vrias sees com caractersticas hidrulicas (vazo,

velocidade, disperso) e geomtricas (largura, profundidade, declividade) distintas.

Para solucionar esse problema, adota-se que um rio uma srie de sees

uniformes, cada qual com sua condio de contorno. O clculo inicia-se na primeira

seo e continua at que um contorno seja encontrado, por exemplo, quando os

parmetros do sistema se alteram. Se houver mudana no valor da declividade,

modificaes nos valores da velocidade, profundidade, constante de reaerao, etc,

podem ocorrer. Neste caso, a concentrao final de uma seo a inicial da prxima. Em

situaes em que fontes pontuais entram no sistema, um balano de massa feito para

estabelecer a concentrao inicial da seo.

A Figura 4 ilustra um trecho de rio com vrias sees, cada qual com os

parmetros que as descrevem. Os mtodos numricos utilizados para solucionar as

equaes diferenciais so o mtodo das diferenas finitas e elementos finitos.


46

Parmetros especficos
de cada trecho: kd, ka,
E, A, U

Distncia xn
x0 xn-1
x1 x2 xr-1 xn-2
xr

1 r n-1 n
Seo 2

Concentrao inicial Concentrao final


de DBO e OD de DBO e OD

Figura 4 Trecho de rio com n sees homogneas

Fonte: Adaptado de Loucks, Stedinger e Haith (1981)

2.2. Fontes de poluio e variveis indicadoras da qualidade da gua

Qualidade da gua expressa a apropriao desta aos mais variados usos. Ela

afetada por fatores climticos, pela origem e caractersticas do manancial e por fatores

antrpicos. Uma das principais fontes de poluio em ambientes aquticos o despejo

de esgoto domstico e efluentes industriais, sem nenhum tipo de tratamento ou com

algum tratamento inadequado.

A Tabela 1 apresenta alguns dos grupos mais importantes de poluentes

encontrados em esgoto domstico e os efeitos causados no corpo dgua, assim como

uma indicao da escala de tempo associada a estes efeitos.


47

Tabela 1 Grupos de poluentes encontrados em esgoto domstico

Grupos de poluentes Efeitos causados no corpo dgua Escala de tempo


Slidos Esttico Repentino
Matria orgnica Diminui o oxignio atravs da oxidao Lento
Amnia Diminui o oxignio atravs da oxidao Lento
Txico
Nutrientes Eutrofizao Acumulativo
Micropoluentes orgnicos Txico Acumula
Metais pesados Txico Acumula
Fonte: ROMEIRO (2003)

Se um corpo dgua no est poludo, a concentrao de oxignio dissolvido antes

do lanamento deve estar prxima concentrao de saturao. A introduo do esgoto

faz com que se elevem os nveis de matria orgnica slida e dissolvida. A primeira faz

com que a gua fique turva e como a luz no consegue penetrar no corpo dgua, o

crescimento das plantas suspenso. Parte da matria orgnica se decanta, formando o

lodo de fundo e podendo, muitas vezes, emitir odores. Adicionalmente, a matria

orgnica fonte de alimento para muitos seres hetertrofos. Esses organismos

decompem a matria orgnica presente no meio, diminuindo a concentrao de

oxignio dissolvido. A decomposio da matria orgnica ocorre tambm no lodo de

fundo, e a demanda bentnica de oxignio contribui para o decaimento da concentrao

de oxignio.

A reaerao atmosfrica compensa o dficit de oxignio. Em um primeiro estgio,

a quantidade de oxignio consumida na gua e no sedimento maior do que a que entra

no corpo dgua pela reaerao. A partir do momento em que a matria orgnica

assimilada, h um balano entre o consumo e a reaerao de oxignio. Este o ponto

crtico, no qual a concentrao do gs dissolvido se encontra em seu menor valor, muitas

vezes havendo depleo total do oxignio e decomposies anaerbias comeam a

ocorrer no corpo dgua. A partir deste ponto o processo de reaerao domina e a


48

concentrao de OD comea a se elevar. Nessa zona de recuperao, h uma menor

concentrao de matria orgnica, porm h presena de nutrientes inorgnicos

liberados durante o processo de decomposio, fazendo com que haja o crescimento das

plantas aquticas.

Este o processo de autodepurao, que leva ao restabelecimento das guas do

rio s suas condies iniciais para as concentraes de matria orgnica (representada

pela DBO) e oxignio dissolvido (OD).

Muitas vezes, a quantidade de poluentes lanada to grande que a natureza, por

si s, no capaz de reverter esse quadro de poluio, aumentando assim, cada vez mais,

a poluio tanto na superfcie quanto no sedimento do corpo dgua. Devido a isto, faz-se

necessrio medidas de controle no lanamento de efluentes, que compreendam aes

que visam eliminar ou diminuir a poluio existente nos corpos dgua e resultem em

uma melhora da qualidade hdrica e de vida da populao em geral.

Os principais indicadores fsicos, qumicos e biolgicos que definem a qualidade

da gua so: cor, turbidez, pH, alcalinidade, dureza, demanda qumica de oxignio

(DQO), demanda bioqumica de oxignio (DBO), oxignio dissolvido (OD), nitratos,

nitritos, amnia, nitrognio total, fsforo orgnico e inorgnico, fsforo total, clorofila a,

coliformes fecais e totais, slidos suspensos, metais, dentre outros.

Define-se demanda bioqumica de oxignio (DBO) como sendo a quantidade

necessria de oxignio para a metabolizao da matria orgnica biodegradvel

existente no meio aqutico. Embora o conceito de DBO no sirva como nica medida

para avaliar o impacto causado em um rio devido ao despejo de poluentes, possibilita

uma avaliao bastante importante do estado da qualidade da gua de um determinado

meio por ser uma medida direta do potencial consumo de oxignio dissolvido no meio

lquido.
49

Esses ndices de qualidade da gua variam de acordo com o tipo de uso e devem

ser ajustados aos padres de lanamento e de qualidade do corpo receptor permitidos

pela legislao vigente.

O enquadramento dos corpos de gua em classes de acordo com os usos

preponderantes da gua possibilita a gesto da quantidade e qualidade dos recursos

hdricos, uma vez que a concentrao do poluente est diretamente relacionada vazo

do rio.

De acordo com o Art. 9 da Lei 9.433, o enquadramento dos corpos dgua em

classes visa assegurar s guas qualidade compatvel com os usos mais exigentes a que

forem destinadas e diminuir os custos de combate poluio das guas, mediante aes

preventivas permanentes.

A Resoluo n 357, de 17 de maro de 2005, do Conselho Nacional do Meio

Ambiente (CONAMA) dispe sobre a classificao dos corpos de gua e diretrizes

ambientais para o seu enquadramento, bem como estabelece as condies e padres de

lanamento de efluentes.

O enquadramento de um corpo hdrico no representa, necessariamente, a

qualidade que ele se encontra, mas sim uma possvel estratgia de planejamento para

atendimento s metas de mdio e longo prazo, estabelecidas nos Planos de Recursos

Hdricos. A Resoluo n 357 considera que o enquadramento expressa metas finais a

serem alcanadas, podendo ser fixadas metas progressivas intermedirias, obrigatrias,

visando a sua efetivao.

Enquadramento, de acordo com as definies adotadas no Art. 2 da Resoluo, o

estabelecimento da meta ou objetivo de qualidade da gua (classe) a ser,

obrigatoriamente, alcanado ou mantido em um segmento de corpo de gua, de acordo

com os usos preponderantes pretendidos, ao longo do tempo.


50

As classes so apresentadas no Captulo II, sendo 5 classes para as guas doces

(Art. 4), 4 classes para as guas salinas (Art. 5) e tambm 4 classes para as guas

salobras (Art. 6). Em cada classe so estabelecidos os usos a que se destinam as guas.

No Captulo III, Artigos 14 a 17, esto estabelecidos os limites individuais para

cada substncia para as diversas classes de gua doce.

O Art. 10 estabelece que os valores mximos estabelecidos para os parmetros

relacionados em cada uma das classes de enquadramento devero ser obedecidos nas

condies de vazo de referncia. Em seu pargrafo primeiro, est escrito que os limites

de DBO, estabelecidos para as guas doces de classes 2 e 3, podero ser elevados, caso o

estudo da capacidade de autodepurao do corpo receptor demonstre que as

concentraes mnimas de OD previstas no sero desobedecidas, nas condies de

vazo de referncia, com exceo da zona de mistura.

Do Captulo IV, das condies e padres de lanamento de efluentes, nos artigos

24 e 28, ficam estabelecidos:

Art. 24. Os efluentes de qualquer fonte poluidora somente podero ser lanados,

direta ou indiretamente, nos corpos de gua, aps o devido tratamento e desde que

obedeam s condies, padres e exigncias dispostos nesta Resoluo e em outras

normas aplicveis.

Art. 28. Os efluentes no podero conferir ao corpo de gua caractersticas em

desacordo com as metas obrigatrias progressivas, intermedirias e final, do seu

enquadramento.

1o As metas obrigatrias sero estabelecidas mediante parmetros.

2o Para os parmetros no includos nas metas obrigatrias, os padres de

qualidade a serem obedecidos so os que constam na classe na qual o corpo receptor

estiver enquadrado.
51

3o Na ausncia de metas intermedirias progressivas obrigatrias, devem ser

obedecidos os padres de qualidade da classe em que o corpo receptor estiver

enquadrado.

No quarto pargrafo do Artigo 34 encontram-se as condies e os limites de

lanamento de efluentes.

A Resoluo CONAMA n 357 representa um grande avano na rea de gesto de

recursos hdricos. Alm de ser um instrumento da Poltica Nacional de Recursos

Hdricos, esse mecanismo permite fazer a ligao entre a gesto da qualidade e a gesto

da quantidade da gua, fortalecendo, assim, a relao entre a gesto dos recursos

hdricos e a gesto do meio ambiente.

2.3. Os modelos de qualidade da gua

A primeira tarefa da engenharia ambiental foi quantificar as respostas fsicas,

qumicas e biolgicas que o meio ambiente dava para as alteraes impostas pelo

homem na gua. Estimulados pela necessidade de controle da poluio que ameaava a

sade da populao norte-americana, foram iniciados estudos em 1920 no rio Ohio para

mensurar as fontes de poluio deste rio e os impactos causados na gua usada para

abastecimento urbano. Deste estudo foi herdada a primeira aplicao da modelagem

matemtica que caracterizou o balano do oxignio dissolvido nos rios, a equao de

Streeter-Phelps (ORLOB, 1992).

Esta equao se tornou conhecida e foi o motivo de preocupao de muitos

pesquisadores que queriam cada vez mais aprender a partir dos dados de campo e

laboratoriais. Porm, ela no conseguia descrever muitos dos complexos sistemas


52

aquticos reais, o que s foi possvel com o surgimento dos computadores aps a II

Guerra Mundial.

Chega-se na dcada de 60, que trouxe um aumento do interesse pblico no que se

refere ao declnio dos aspectos qualitativos da gua. A presso pblica se manifestou na

imposio de controles e financiamento de projetos para preveno e remediao da

poluio. Comearam os investimentos em tcnicas de computao e anlise de sistemas

e um dos primeiros modelos computacionais que surgiu para gerenciamento da

qualidade dos recursos hdricos foi criado por Thomann (1963), denominado Delaware

Estuary Comprehensive Study (DECS). O pesquisador foi auxiliado pela Administrao

Federal de Controle da Poluio das guas dos Estados Unidos, atual U. S.

Environmental Protection Agency EPA, progenitora do conhecido software QUAL 2E.

DECS era uma extenso da equao de Streeter-Phelps, pois considerava mais de uma

fonte pontual de poluio.

A partir de 1970, o simples modelo de Streer-Phelps comeou a aparecer em uma

variedade de formas computadorizadas. DOSAG foi produzido em 1970 pela Texas

Water Development Board (TWDB) resolvendo sistemas de rios principais e tributrios

com coeficientes de velocidade variveis. Foi seguido pelo QUAL I criado no mesmo ano

tambm pela TWDB. Em adio na relao OD-DBO, simulava troca de energia na

interface ar-gua, permitindo o ajuste da temperatura nas constantes de velocidade.

Uma verso melhorada, QUAL II, foi desenvolvida pela EPA em 1973. Nesta verso foram

includas: a capacidade de simular sistemas de rios mais complexos; fluxos estacionrios

e no estacionrios; demanda bentnica de oxignio; e processos do ciclo do nitrognio

e fsforo, avaliando os impactos que as cargas de nutrientes causavam no ecossistema

aqutico (ORLOB, 1984).


53

Com algumas modificaes, ficou disponvel o modelo de qualidade da gua que

vem sendo muito utilizado, o QUAL 2E, que simula quinze variveis de qualidade, dentre

eles: oxignio dissolvido, demanda bioqumica de oxignio, temperatura, algas e

clorofila-a, nitrognio total, amnia, nitrito, nitrato, fsforo total, fsforo dissolvido e

coliformes. O modelo permite avaliar o impacto causado pelo despejo de guas

residurias domsticas e industriais.

Uma extensa reviso da literatura dos modelos de qualidade de gua de rios pode

ser conferida em Albertin (2004).

2.4. Modelo de qualidade de guas QUAL2K

Como dito anteriormente, a primeira verso do modelo QUAL2E foi

originalmente desenvolvida em 1970, denominada QUALI. Essa verso sofreu diversas

modificaes e, atualmente, o QUAL2E o modelo de qualidade de gua de rios mais

usado pela comunidade cientfica e tecnolgica em todo o mundo.

Pelos diversos estudos j realizados, foi comprovada a acurcia numrica do

modelo e a garantida representao da cintica sofrida pelos poluentes comumente

considerados.

Todavia, foram notadas algumas limitaes do modelo QUAL2E (PARK; UCHRIN,

1990, PARK; LEE, 1996). Uma das principais falhas a ausncia da converso da

biomassa de algas mortas para DBO (PARK; UCHRIN, 1996, PARK; UCHRIN, 1997). Esse

um fenmeno importante para ser considerado em regies agrcolas e industrializadas,

onde a exploso do crescimento de macrfitas um fato facilmente observado.


54

Alm desse fenmeno, o QUAL2E apresenta limitaes no nmero mximo de

trechos, elementos computacionais e junes, impedindo o modelo de simular fielmente

sistemas de grandes rios.

As modificaes feitas no cdigo do programa para superar as limitaes do

QUAL2E so encontradas na nova verso denominada QUAL2K (CHAPRA; PELLETIER;

TAO, 2005)

Alm da modificao na estrutura computacional, a principal mudana a adio

de novas interaes nos processos das variveis de qualidade da gua, como a converso

de biomassa morta para DBO, o processo de denitrificao e variaes na concentrao

de OD causadas pelos processos de respirao e fotossntese dos bentos, uma vez que na

verso anterior esses processos eram considerados apenas como sendo realizados pelos

plnctons. As principais inovaes notadas e testadas do QUAL2K incluem:

- implementado no ambiente Microsoft Windows. A programao

numrica feita em Fortran 90. A interface grfica feita em Excel. Todas

as demais operaes so programadas no Microsoft Office Macro

Language: Visual Basic for Applications (VBA). Essas mudanas

operacionais facilitaram a utilizao do programa, uma vez que a interface

est amigvel e o tempo de processamento, mais rpido.

- O QUAL2E divide o rio a ser modelado em trechos divididos por elementos

computacionais de mesma dimenso. O QUAL2K tambm trabalha com a

diviso em trechos, porm, de maneira diferente, o tamanho dos

elementos computacionais pode variar nos diferentes trechos. Isso faz

com que o modelo possua uma melhor discretizao espacial e

proporciona que entradas e retiradas do sistema possam ser feitas em

qualquer elemento computacional.


55

- QUAL2K modela fenmenos de anoxia atravs da reduo para

aproximadamente zero da velocidade de oxidao da matria orgnica,

quando encontrado no meio baixos nveis de oxignio. Em adio,

modelado o processo de denitrificao como reao de primeira ordem.

As principais diferenas entre QUAL2E e QUAL2K esto sumarizadas na Tabela 2.

Tabela 2 Diferenas entre QUAL2E e QUAL2K

Parmetro do modelo QUAL2E QUAL2K


Converso da biomassa morta No Sim
Denitrificao No Sim
Variao de OD causada pelos bentos No Sim
Nmero mximo de junes 6 15
Nmero mximo de trechos 25 100
Nmero mximo de elementos 250 1000
Fonte: PARK; LEE, 2002.

A estrutura conceitual e as equaes dos modelos no diferem entre si. Park e Lee

(2002), em uma aplicao dos modelos QUAL2E e QUAL2K no rio Nakdong, na Coria,

concluram que ambos representaram muito bem o sistema simulado e apresentaram

bom ajuste dos dados simulados com os dados observados, exceto em alguns casos. Para

a DBO, OD e Nitrognio Total, houve diferenas significativas entre os resultados dos

dois modelos. O QUAL2K apresentou melhor ajuste com os dados observados devido

habilidade de simular a converso da biomassa morta para BDO, fonte de OD devido

fotossntese dos bentos e o processo de denitrificao.

2.4.1. Segmentao do sistema

A estrutura conceitual do modelo QUAL2K consiste na idealizao de um

prottipo para um sistema hdrico unidimensional ramificado. Este sistema


56

subdividido em trechos com caractersticas hidrulicas semelhantes, e estes trechos so

subdivididos em elementos computacionais, caracterizando a base de entrada de dados

do sistema. Para cada trecho, deve ser fornecido o nmero de elementos computacionais

desejado. Como mostra a Figura 5,


5 a numerao dos trechos
chos se d em ordem ascendente,

com incio na cabeceira do rio. Pontos de captao ou fontes de poluio, pontual ou no,

podem ser posicionados em qualquer posio ao longo do comprimento do canal.

Figura 5 - QUAL2K: esquema de segmentao de trecho para um rio sem tributrios

Fonte: Adaptado de Chapra, Pelletier e Tao (2005)

Para sistemas de rios com tributrios, os trechos so numerados em ordem

ascendente, sendo o trecho nmero 1 no limite mais a montante


montante do curso principal.

Quando h juno de um tributrio, a seqncia numrica continua no rio afluente. Os

trechos do rio principal e dos tributrios so referidos como segmentos do sistema. A

Figura 6 ilustra a representao de um rio com tributrios no QUAL2K.


Q
57

Figura 6 - Esquema de segmentao de um rio com tributrios (a). Em (b), representao dos

trechos e numerao.

Fonte: Adaptado de Chapra, Pelletier e Tao (2005)

A unidade fundamental do QUAL2K o elemento computacional. nele em que

implementada a equao da continuidade no estado estacionrio (Figura 7). Cada

elemento possui uma condio de contorno. Dados de sada de um elemento so os

dados de entrada do elemento seguinte.


58

Qin,i Qout,i

Qi1 Qi
i1 i i+1

Figura 7 - Balano de massa em um elemento computacional

Fonte: Adaptado de Chapra, Pelletier e Tao (2005)

A eq. (46) representa o balano no elemento computacional i ilustrado na Figura

7.

Qi = Qi 1 + Qin,i Qout ,i
(46)

Na qual:

Qi = vazo de sada do elemento i, correspondente vazo de entrada do

elemento i + 1, em m3/d.

Qi1 = vazo de entrada do elemento i, em m3/d.

Qin,i = vazo total que entra no elemento i atravs das fontes pontuais e no-

pontuais, em m3/d.

Qout,i = vazo total de retiradas do elemento i, em m3/d.

A maneira como as fontes no-pontuais so distribudas no elemento

computacional ilustrada na Figura 8. Dado o incio e o fim, em quilmetros, ao longo do

rio, a vazo de entrada distribuda no elemento atravs de pesos.


59

Figura 8 - Maneira como as fontes ou retiradas no-pontuais so distribudas no elemento

computacional

Fonte: Adaptado de Chapra, Pelletier e Tao (2005)

2.4.2. Caractersticas Hidrulicas

O modelo QUAL2K possui dois mtodos de correlao entre velocidade,

profundidade e vazo. No primeiro mtodo, so utilizados coeficientes de descarga, eq.

47.a (velocidade), 47.b (rea) e 47.c (profundidade).

U = aQb (47.a)

A = Q/U (47.b)

H = Q (47.c)

Onde a, b, , e so constantes empricas (dados de entrada), obtidas por

mtodos de ajuste com os dados de campo correspondentes a cada trecho do segmento

fluvial.

O segundo mtodo calculado atravs de dados de levantamentos batimtricos,

relacionados profundidade do canal e a forma da seo transversal, aproximando-a de

um trapzio (Figura 9). Conhecidos os valores da inclinao lateral, largura e a


60

declividade do canal, a velocidade mdia no trecho pode ser obtida atravs da frmula

de Manning.

S0
B1

1 H 1
ss1 ss2
B0 Q, U

Figura 9 Forma e parmetros do canal trapezoidal


Fonte: CHAPRA; PELLETIER; TAO, 2005

Na Figura 9:

Q: vazo (m3/s)

U: velocidade (m/s)

S0: declividade do canal (m/m)

B0: largura inferior da seco (m)

B1: largura superior da seco (m)

SS1 e SS2: inclinaes laterais (m/m)

No estado estacionrio, a frmula de Manning (eq. 48) expressa a relao entre

vazo e profundidade.

S 01 / 2 Ac5 / 3
Q= (48)
n P2/3

na qual:

n: coeficiente de rugosidade de Manning

AC: rea da seo transversal (m2)

Ac = [B0 + 0.5( s s1 + s s 2 ) H ]H (49)

P: permetro molhado (m)


61

P = B0 + H s s21 + 1 + H s s22 + 1 (50)

Os outros termos foram definidos anteriormente.

Substituindo as eq. (49) e (50) na eq. (48), possvel obter, iterativamente, o

valor da profundidade H (eq. 51), onde k o nmero de iteraes.

2/5
(Qn) 3 / 5 B0 + H k 1 s s21 + 1 + H k 1 s s22 + 1

Hk = (51)
S 3 / 10
[B0 + 0.5(s s1 + s s 2 ) H k 1 ]

A partir das solues obtidas para AC (eq. 49), P (eq. 50) e Q (eq. 48), a velocidade

determinada pela equao da continuidade:

Q
U= (52)
Ac

As dimenses do canal (largura, rea superficial e volume) so calculados atravs

das seguintes relaes:

Ac
B=
H (53)

B1 = B0 + ( s s1 + s s 2 ) H (54)

As = B1 x (55)

V = BHx (56)

AS: rea da superfcie (m2)

V: volume do trecho (m3)

x: comprimento do elemento (m)

Os outros termos foram definidos anteriormente.


62

2.4.3. Tempo de deteno hidrulico

O tempo de deteno hidrulico para cada elemento calculado de acordo com a

eq. (57).

Vk
k =
Qk (57)

Em que:

k = tempo de deteno hidrulico do k-simo elemento, em dias

Vk = volume do k-simo elemento, em m3

Vk = Ac,kxk

Ac,k = rea da seo transversal do k-simo elemento, em m2

xk = comprimento do k-simo elemento, em m

Este tempo usado para calcular o tempo de trnsito ao longo de cada segmento

do rio (curso principal e tributrios). Por exemplo, o tempo de deteno da cabeceira at

o ltimo elemento j a jusante do rio calculado como:

j
tt, j = k
k =1 (58)

onde tt,j o tempo de trnsito, em dias.

2.4.4. Disperso Longitudinal

O QUAL2K possui duas opes para determinar a disperso longitudinal. A

primeira simplesmente o fornecimento do valor pelo usurio. Se no for fornecido o

valor, o modelo calcula internamente a disperso, baseado nos dados hidrulicos do

canal (eq. 59).


63

U i2 Bi2
E p ,i = 0.011
H iU i*
(59)

Na qual:

Ep,i = disperso longitudinal entre os elementos i e i + 1, em m2/s.

Ui = velocidade, em m/s

Bi = largura, em m

Hi = profundidade, em m

Ui* = velocidade de cisalhamento, em m/s

U i* = gH i S i
(60)

g = acelerao da gravidade, em m/s2

S = declividade do canal

Encontrado o valor de Ep,i, a disperso numrica calculada de acordo com a eq.

(61).

U i xi
E n ,i =
2 (61)

O valor da disperso (Ei) usado nos clculos subseqentes do modelo da

maneira como segue:

Se En,i Ep,i, Ei = Ep,i En,i (62)

Se En,i > Ep,i, Ei = 0 (63)

No caso da eq. (63), a disperso numrica maior que a disperso fsica. Isso

implica que a mistura ocasionada devido ao fluxo dispersivo ser maior do que ocorre

na realidade. Tem-se notado que para a maioria dos rios modelados em estado

estacionrio, essa superestimao nos gradientes de concentrao pode ser

negligenciada (CHAPRA; PELLETIER; TAO, 2005). Se for significante, uma alternative


64

diminuir o comprimento do elemento computacional, para que a disperso numrica se

torne menor que a disperso fsica.

2.4.5. Equaes do modelo: variveis indicadoras da qualidade da gua

A maioria das equaes do modelo QUAL2K so as mesmas do QUAL2E, com

exceo da DBO, OD e Nitrato. O modelo de qualidade de guas superficiais permite

simular as variveis indicadoras de qualidade das guas em cursos ramificados e bem

misturados, usando o mtodo das diferenas finitas para a soluo da equao

unidimensional do transporte (adveco e disperso) e de reao dos constituintes.

Com exceo das algas, a eq. (64) representa o balano de massa.

dc i Qi 1 Q Qout ,i E' E' W


= c i 1 i c i c i + i 1 (c i 1 c i ) + i (c i +1 ci ) + i + S i
dt Vi Vi Vi Vi Vi Vi (64)

Em que:

Ci: concentrao do constituinte no elemento i

Wi: fonte externa do constituinte para o elemento i, em g/d ou mg/d (eq. 65)

Si: fontes ou sumidouros da varivel devido s reaes qumicas e mecanismos de

transferncia de massa, em g/m3/d.

psi npsi
Wi = Q ps,i , j c psi , j + Qnps ,i , j c npsi , j
j =1 j =1
(65)

cps,i,j a concentrao da j-sima fonte pontual do elemento i, em mg/l.

cnps,i,j a concentrao da j-sima fonte no-pontual do elemento i, em mg/l.


65

- Remoo de matria orgnica:

A Tabela 3 apresenta a comparao das equaes de remoo da matria

orgnica dos modelos QUAL2E e QUAL2K.

Tabela 3 Modificao do balano de massa para DBO no QUAL2K, comparado com o QUAL2E


Varivel Modelo Equao
     

DBO QUAL2E

 

     
 

QUAL2K

Fonte: PARK; LEE, 2002

As notaes das equaes da Tabela 3 so:

L DBO (mg/l)

A concentrao de biomassa de algas (mg/l)

D profundidade mdia (m)

k1 coeficiente de desoxigenao (dia-1)

k3 taxa de sedimentao (dia-1)

k4 velocidade de converso de bentos para DBO (g O2/m2/dia)

2 taxa de morte das algas (dia-1)

4 oxignio devido respirao por unidade de alga (mg O2/mg A)

A biomassa advinda de algas mortas convertida para DBO atravs da expresso

42A. A DBO proveniente dos sedimentos de fundo aderida ao modelo atravs da

expresso k4/D.
66

- Oxignio dissolvido:

A concentrao de oxignio dissolvido na gua resulta de um balano entre a

quantidade consumida e a quantidade produzida no meio. As principais fontes de

produo de oxignio esto relacionadas reaerao atmosfrica e fotossntese. J a

depleo de oxignio dissolvido (consumo) est associada oxidao bioqumica da

matria orgnica carboncea e nitrogenada e processos de respirao.

Conhecidas as quantidades produzidas e consumidas de oxignio, um balano de

massa possibilita a obteno de uma equao diferencial para o clculo do teor de

oxignio dissolvido na gua.

A Tabela 4 apresenta a comparao das equaes de balano de massa para OD

dos modelos QUAL2E e QUAL2K.

Tabela 4 - Modificao do balano de massa para OD no QUAL2K, comparado com o QUAL2E

 
Varivel Modelo Equao
       
          

OD QUAL2E
 
       
          

QUAL2K
  


Fonte: PARK; LEE, 2002

As notaes das equaes da Tabela 4 so:

O Oxignio dissolvido (mg/l)

OS Concentrao de saturao de OD (mg/l)

L DBO (mg/l)

N1 Concentrao de amnia (mg/)

N2 Concentrao de nitrato (mg/)


67

A concentrao de biomassa de algas (mg/l)

D profundidade mdia (m)

k1 coeficiente de desoxigenao (dia-1)

k2 coeficiente de reaerao (dia-1)

k5 demanda bentnica de oxignio (g O2/m2/dia)

velocidade especfica de crescimento das algas (dia-1)

taxa de respirao somada taxa de morte das algas (dia-1)

1 taxa de respirao das algas (dia-1)

1 coeficiente de oxidao da amnia (dia-1)

2 coeficiente de oxidao do nitrito (dia-1)

3 oxignio produzido por unidade de crescimento de alga (mg O2/mg A)

4 oxignio devido respirao por unidade de alga (mg O2/mg A)

5 oxignio consumido por unidade de NH3 oxidada (mg O2/mg N)

6 oxignio consumido por unidade de NO2 oxidado (mg O2/mg N)

1 O2 consumido pela respirao dos bentos (g O2/m2/dia)

2 O2 produzido pela fotossntese dos bentos (g O2/m2/dia)

O modelo QUAL2E considerava somente os processos de respirao e

fotossntese realizados pelos plnctons. O modelo QUAL2K incorporou esses processos

realizados pelos bentos, atravs do termo (1 2)/D.

Caso o usurio desconsidere os processos de a fotossntese e respirao das algas

e a DBO nitrogenada, os mecanismos de consumo e de introduo de oxignio no corpo

de gua ficam reduzidos ao consumo de oxignio pela DBO carboncea (k1) e passagem

de oxignio atmosfrico do ar para a gua (k2).

Com isso, o balano de oxignio fica reduzido a:


68

       


(66)

O modelo QUAL2K oferece diversas opes para clculo do coeficiente de

reaerao, k2 (Tabela 5). A entrada de dados hidrulicos no modelo auxilia no clculo

deste parmetro. Nas equaes apresentadas na Tabela 5, se observa que o coeficiente

de reaerao diretamente proporcional velocidade do fluxo e inversamente

proporcional profundidade do corpo hdrico. Quanto maior a velocidade, assim como

quanto menor a profundidade, maior a rea superficial de contato com a atmosfera, logo,

maior a taxa de reaerao.

Tabela 5 - Equaes incorporadas ao modelo QUAL2K para previso do coeficiente de reaerao, k2, (dia-1)
a 20oC
Autores Equao no SI
OConnor e Dobbins (1958) U 0.5
k 2 (20 o C ) = 3.93 1.5
H
Churchill et al. (1962) U
k 2 ( 20 o C ) = 5.026 1.67
H
Owens et al. (1964) 0.67
U
k 2 (20 o C ) = 5.32 1.85
H
Tsivoglou e Neal (1976) k 2 (20 C ) = cUS
o

Thackston e Dawson (2001) U


k 2 (20o C ) = 2.16(1 + 9F 0.25 ) *
H

Melching e Flores (1999) - Pool-riffle k 2 (20 C ) = b(US ) Q
o

U = velocidade mdia no trecho, (m/s)


H = profundidade mdia no trecho, (m)
S = declividade no trecho, (m/m)
c = coeficiente de Tsivoglou e Neal (1976), (m-1). Adotado em c = 31,183 m-1, para vazes na faixa de
0,0283 m3/s Q 0,4247 m3/s; e c = 15,308 m-1, para vazes na faixa de 0,4247 m3/s Q 84,938
m3/s.
U * = gRh S
U* = velocidade de cisalhamento, (m/s).
U
F=
gH
F = Nmero de Froude, (adimensional).
g = acelerao da gravidade, (m/s2)
Rh = raio hidrulico, (m)
b, , = coeficientes de Melching e Flores (1999). Para Q < 0,556 m3/s, b = 517, = 0,524, = -0,242; j
para Q > 0,556, b = 596, = 0,528, = -0,136.
69

- Concentrao de saturao de oxignio dissolvido:

A concentrao de saturao de oxignio para as condies locais em funo da

temperatura e presso calculada pelo modelo QUAL2K atravs da seguinte equao:

1.575701 10 5 6.642308 10 7 1.243800 1010


ln O ' s (T , 0) = 139.34411 + + +
Ta Ta2 Ta3
(67)
8.621949 1011

Ta4

na qual:

Os: concentrao de oxignio de equilbrio, a 1 atmosfera de presso, em mg/l

Ta: temperatura da gua, C

A concentrao obtida pela eq. (67) corrigida para a presso atmosfrica local

atravs da eq. (68).

Os = Os Pa (68)

Onde:

Os: concentrao de saturao de oxignio dissolvido em condies locais de

temperatura e presso, em mg/l.

Pa: presso atmosfrica local, em atm.

- Efeito da temperatura nas constantes cinticas:

O efeito da temperatura para todas as constantes cinticas de reao de primeira

ordem usadas no modelo representado por:

k (T ) = k (20) T 20 (69)
70

onde k(T) a velocidade de reao (dia-1) a temperatura T (oC) e o coeficiente de

temperatura para a reao.


71

3. PLANEJAMENTO MULTIOBJETIVO

Atualmente, os avanos na tecnologia da computao, aliados ao aumento da

complexidade nos problemas de gerenciamento de recursos hdricos, tm estimulado a

prtica de modelos matemticos e simuladores computacionais como ferramentas para

auxiliar nas tomadas de deciso. A escolha do mtodo depende das caractersticas do

sistema, avaliao de dados disponveis, confiabilidade dessas informaes, restries e

objetivos especificados.

Nos ltimos anos vrios pesquisadores (CHEUNG, 2004; ZUFFO, 1998;

SOMLYDY, 1997; LEE; WEN, 1996) tm criticado o desenvolvimento e aplicao de

tcnicas de programao matemtica que so formuladas utilizando-se um nico

critrio, uma vez que nos sistemas de recursos hdricos existem objetivos mltiplos e

conflitantes, que fazem com que os pesquisadores busquem mtodos mais confiveis e

eficientes para identificao de solues. Na otimizao de objetivo nico produz-se uma

nica soluo denominada soluo tima, enquanto que no procedimento de otimizao

multiobjetivo produz-se um conjunto de solues denominadas solues timas Pareto,

solues no dominadas ou no inferiores ou solues Trade-offs. Quando todos os

objetivos so considerados, no existem solues superiores a essas no espao de busca.

Planejamento um processo no qual o analista deve diagnosticar um problema,

defini-lo, coletar dados, descrev-lo matematicamente, gerar e avaliar alternativas para

resolv-lo para que, no final, o tomador de deciso (decision maker) possa escolher uma

alternativa para ser implementada. Sua metodologia consiste na seqncia de seis

passos apresentados por deNeufville e Stafford (1971) e Cohon (1978), e descritos como

segue.

1 Identificao e quantificao dos objetivos


72

2 Definio das variveis de deciso e restries

3 Coleta de dados

4 Gerao e avaliao das alternativas

5 Seleo de uma alternativa

6 Implementao da alternativa escolhida

Os passos 1 e 2 correspondem formulao do modelo, ou seja, identificao do

problema e dos objetivos da proposta, definio das variveis de controle disposio

do decision maker (variveis de deciso) e seus respectivos limites (restries).

Aps a coleta de dados (passo 3), os passos 4 e 5 dizem respeito gerao das

alternativas viveis dentro do conjunto de restries e a avaliao do impacto causado

por essas alternativas nos objetivos do problema.

Para a execuo dos passos 4 e 5 usualmente utilizam-se modelos matemticos e

computacionais com o objetivo de maximizar ou minimizar uma funo objetivo sujeita

a restries. As tcnicas mais utilizadas so programao linear, programao no linear

e programao dinmica. Por possurem caractersticas distintas, vale a pena destacar

cada categoria.

A programao linear um caso particular do modelo geral de otimizao quando

o conjunto de restries e a funo objetivo so lineares. O problema que nem sempre

a funo objetivo e as restries encontram-se na forma linear e modificaes so feitas

para linearizar o problema.

Programao no linear adequada aos problemas que envolvem funo objetivo

ou, no mnimo, uma restrio no linear.

Programao dinmica utilizada quando o problema de otimizao dado por

uma seqncia de decises que evoluem no tempo ou no espao. Qualquer sistema dessa

natureza pode ser tratado atravs da programao dinmica. O problema deve ser
73

discretizado em um nmero finito de estgios. Cada estgio tem um nmero possvel de

estado do sistema e a soluo tima identificada para cada estgio individualmente. O

aumento do nmero de estgio e das variveis de estado causa o problema da

dimensionalidade da programao dinmica.

Por causa das limitaes impostas por cada tcnica e pelo desenvolvimento dos

computadores e softwares, os pesquisadores tm adotado novas tecnologias, como a

lgica fuzzy (JAIRAJ; VEDULA, 2000; SASIKUMAR; MUJUMDAR, 2000), redes neurais

artificiais (NEELAKANTAN; PUNDARIKANTHAN, 1999) e algoritmos genticos (BURN;

YULIANTI, 2001; REIS; AKUTSU, 2002), para encontrar o timo global em problemas

lineares ou no.

Por fim, o ltimo passo consiste na implementao da alternativa escolhida.

3.1. Os mtodos e a otimizao multiobjetivo

Existem vrios algoritmos propostos na literatura para tratar o problema

multiobjetivo. Os modelos so classificados de diversas formas a partir de diferentes

abordagens. Zuffo (1998) apresenta 96 mtodos distintos subdivididos em 4 categorias

diferentes, de acordo com a classificao proposta por Pardalos, Siskos e Zopounidis

(1995). Goicoechea, Hansen e Duckstein (1982) classificaram os modelos em dois

grupos: tcnicas de gerao de solues no dominadas e tcnicas baseadas na

preferncia do decisor (Figura 10).

As tcnicas de gerao de solues no dominadas tm a funo de produzir um

conjunto de vetores soluo para que o decisor possa escolher a soluo de melhor

compromisso. As tcnicas baseadas na preferncia do decisor utilizam-se da articulao

prvia, posterior ou progressiva do decisor nos objetivos do problema analisado. O


74

decisor deve ter conhecimento necessrio e ele influencia a direo do espao de busca,

atravs de vetor peso e pontos de referncia (GOICOECHEA; HANSEN; DUCKSTEIN,

1982).

Modelos de Otimizao Multiobjetivo

Tcnicas de Gerao de Tcnicas Baseadas na


Solues no Dominadas Preferncia do Decisor

Mtodo dos Pesos


Mtodo das Restries - Articulao Prvia Articulao Progressiva
Mtodo de Philip
Mtodo de Zeleny

Contnuo Discreto

Mtodo Programao por Metas Mtodo da Matriz de


Mtodo da Utilidade Explcita Prioridades
Mtodo da Ponderao de Critrios Mtodos da Famlia Electre
Mtodos Promethee

Mtodo dos Passos


Mtodo da Programao por
Compromisso

Figura 10 Classificao dos modelos de otimizao multiobjetivo convencionais

Fonte: Cheung (2004)


75

3.1.1. Formulao geral dos mtodos

O problema de otimizao com um objetivo degenerado de problemas com mais

de um objetivo, mas existem diferenas fundamentais entre eles. A principal delas est

na soluo do problema. Por tratar de objetivos conflitantes, na otimizao multiobjetivo

cada objetivo corresponde a uma soluo tima. Isso faz com que esses problemas

apresentem vrias solues timas, enquanto que algoritmos que solucionam problemas

de otimizao com um objetivo normalmente geram apenas uma soluo tima.

O problema de maximizao do vetor de n objetivos com p variveis de deciso e

m restries pode ser expresso por:

Maximizar fk (x1, x2, ... , xp) k = 1, 2, ... , n (70)

Sujeito a gi (x1, x2, ... , xp) i = 1, 2, ... , m (71)

sendo F o vetor constitudo das funes objetivos que compem o conjunto

multiobjetivo fk, g as funes restries, xj (j = 1, 2, ... , p) so as variveis de deciso e i, j,

k indexadores das restries, variveis de deciso e objetivos, respectivamente.

Em um problema multiobjetivo, pode-se investigar um conjunto de solues

consideradas melhores, pois no existe uma nica soluo tima. Este conjunto de

solues denominadas no inferiores, no dominadas, de melhor compromisso ou

Pareto timas, so determinadas com base no conceito de dominncia, detalhado a

seguir.

O conceito de dominncia para solues X pertencentes ao universo de busca U

pode ser enunciado como:

Um vetor deciso xu  U, para o qual u = f(xu) = (u1, u2, ... , un), domina xv  U, para

o qual v = f(xv) = (v1, v2, ... , vn), se e somente se k  {1, ... , n}, uk vk e k  {1, ... , n} | uk

< vk.
76

Essa definio vlida para o problema de maximizao, conforme enunciado

acima. O problema de minimizao anlogo: um vetor deciso xu  U, para o qual u =

f(xu) = (u1, u2, ... , un), domina xv  U, para o qual v = f(xv) = (v1, v2, ... , vn), se e somente se

k  {1, ... , n}, uk vk e k  {1, ... , n} | uk > vk.

Se qualquer dessas condies no for obedecida, xu no domina xv.

Se xu domina xv, pode-se dizer:

xv dominada por xu.

xu no dominada por xv.

xu no inferior a xv.

O conjunto de solues denominadas no inferiores, no dominadas, de melhor

compromisso ou Pareto timas, o conjunto das solues do espao de busca no

dominadas entre si.

Como ilustrao, considerar a Figura 11, na qual as solues encontram-se

representadas no espao de objetivos. As funes f1 e f2 devem ser maximizadas.

Comparando as solues C e D, C melhor que D porque o valor de C para f1 maior e

para f2, os dois pontos apresentam o mesmo valor.

A soluo representada pelo ponto B melhor que a representada por C, uma vez

que B apresenta maior valor que C para f1 e f2. Entretanto, quando B e E so comparados

entre si, no se pode identificar qual soluo superior. Embora E tenha maior valor de

f2 do que B, quando observado f1, ocorre o inverso.


77

f2 Frente Pareto

Regio factvel

E A

D C

f1
Figura 11 Espao varivel de deciso

Fonte: Zitzler (1999) apud Cheung (2004)1

A soluo A o nica dentre as solues B, C, D e E no dominada por nenhuma

outra soluo no espao objetivo. As solues timas Pareto ou no inferiores so

aquelas que, no espao objetivo, no existe nenhuma outra soluo factvel que ir

produzir uma melhora em um objetivo sem degradar pelo menos outro objetivo.

Na Figura 11, todos os pontos pertencentes linha pontilhada so solues

timas Pareto e so indiferentes umas das outras. Em um problema multiobjetivo, no

existe apenas uma soluo tima, mas um conjunto de solues compatibilizadas. A

alternativa a ser selecionada aquela que apresente melhor soluo de compromisso ou

se estiver includo alguma informao de preferncia.

1ZITZLER, E. Evolutionary Algorrithms for Multiobjective Optimization: Methods and Applications.


1999. Ph. D. Thesis. Swiss Federal Institute of Technology Zurich apud CHEUNG, P. B. Anlise de
Reabilitao de Redes de Distribuio de gua para Abastecimento via Algoritmos Genticos
Multiobjetivo. 2004. 268 f. Tese (Doutorado em Hidrulica e Saneamento) Escola de Engenharia de So
Carlos, Universidade de So Paulo. So Carlos, 2004.
78

3.2. A anlise multiobjetivo e os recursos hdricos

Existem na literatura vrias discusses relacionadas ao planejamento

multiobjetivo em sistemas de recursos hdricos. Essa anlise vem sendo usada para

solucionar problemas dos aspectos quantitativos da gua, porm poucas pesquisas

foram feitas na rea de gerenciamento da qualidade hdrica (LEE; WEN, 1996).

A aplicao dos mtodos multiobjetivo em sistemas de recursos hdricos teve

incio na dcada de 70. Por exemplo, Miller e Byers (1973) e Cohon e Marks (1973)

aplicaram o mtodo das restries, David e Duckstein (1976) usaram o mtodo

ELECTRE, j o mtodo da teoria da utilidade multiatributo foi utilizado Keeney e Wood

(1977), Duckstein e Opricovic (1980) aplicaram a programao de compromisso.

A adoo de um determinado mtodo para aplicao uma tarefa difcil e

depende, entre outras coisas, da familiaridade do pesquisador e decisor com a

metodologia de auxlio tomada de decises. Alguns mtodos so limitados a critrios

de natureza quantitativa enquanto outros, qualitativa; alguns no comportam grandes

quantidades de informaes; outros s convergem a uma soluo se o nmero de

funes objetivo for limitado entre 4 ou 5 (ZUFFO, 1998).

A operao de reservatrios estimulou vrias aplicaes do planejamento

multiobjetivo. O modelo de Becker e Yeh (1974) compe-se de programao linear e

programao dinmica para determinar a poltica tima de demanda de gua para

diversos fins em perodos especficos, garantindo que no final a capacidade de

armazenamento do reservatrio seja adequada para operaes futuras. A varivel de

deciso foi a vazo de gua liberada por cada reservatrio. As restries so: equaes

de continuidade, limites de fluxo, capacidade mnima e mxima de armazenamento,


79

produo mxima de energia do sistema. A programao dinmica foi usada para

selecionar as melhores alternativas para produzir mais energia nos horrios de pico.

Devido no-linearidade dos sistemas hidreltricos e tambm porque a operao

de reservatrios naturalmente seqencial, Braga et al. (1991) apoiaram-se na

programao dinmica estocstica para maximizar a produo de energia em um

sistema de reservatrios da Bacia do Baixo Tiet, Estado de So Paulo. Este mesmo tipo

de programao foi utilizado por Alaya et al. (2003) para identificar a regra operacional

tima de um reservatrio destinado irrigao, baseada na satisfao da demanda de

gua para este uso em conflito com o armazenamento mnimo desejado no reservatrio.

Problemas de definio de regras operacionais de reservatrios foram estudados

por Braga e Barbosa (2001). O modelo desenvolvido pelos pesquisadores foi aplicado na

bacia do rio Paranapanema, Estado de So Paulo. Outra aplicao de otimizao em rede

de fluxo foi feita por Hsu e Cheng (2002) para analisar oferta e demanda de gua em

uma bacia do Taiwan. As variveis de deciso foram a quantidade de gua armazenada

no reservatrio e a oferta de gua para abastecimento domstico e irrigao, de forma a

encontrar o mnimo da soma das variveis de deciso multiplicadas pelos seus

respectivos coeficientes de custo. O problema estava sujeito s seguintes restries:

equaes de continuidade, regras operacionais do reservatrio, reduo na oferta de

gua devido escassez, perdas por evaporao.

Com relao alocao de recursos hdricos e conflitos de usos mltiplos, Goulter

e Castensson (1988) desenvolveram um modelo baseado na anlise multiobjetivo para a

distribuio de gua entre gerao de energia eltrica, irrigao e abastecimento urbano.

A anlise multiobjetivo foi realizada usando o Mtodo dos Pesos, num dos anos mais

secos dos registros hidrolgicos do Rio Svarta, Sucia.


80

Rogers e Fiering (1986), em uma reviso geral de aplicao de tcnicas de

otimizao em sistemas de recursos hdricos, propuseram um modelo para ser usado

para avaliar outorgas de uso da gua levando em considerao os usos mltiplos.

Chadderton (1989) analisou os conflitos entre usos mltiplos da gua no

Manayunk Canal, localizado na Philadelphia (EUA). A metodologia de anlise de conflito

utilizada neste estudo foi baseada na teoria dos jogos. Benefcios e custos calculados

mostraram que um acordo entre interesses industriais e recreativos aumentaria os

benefcios sociais.

Thiessen e Loucks (1992) realizaram um estudo sobre a anlise do conflito de

usos mltiplos quando h vrios decisores, cada qual com um objetivo particular. Esse

estudo descreve o software ICANS, ferramenta de auxlio tomada de decises, que,

atravs de um processo iterativo, mostra o compromisso existente entre os impactos de

cada soluo proposta.

Yen e Chen (2001) testaram diferentes estratgias de alocao de gua para

prever oferta e demanda deste recurso em Taiwan. O propsito foi maximizar os

benefcios dos usos da gua e minimizar os custos a eles relativos, tendo como restries

equaes de continuidade, vazo mxima e sanitria, capacidade dos reservatrios. Dois

cenrios foram simulados, um com e outro sem bombeamento de gua subterrnea.

Uma estratgia de alocao testada foi a lei de conservao local que prioriza os usos na

seguinte ordem: domstico, agricultura, produo de energia, industrial. Os resultados

indicaram que em um cenrio futuro haver perodos de seca, devendo ser melhorado a

infra-estrutura dos reservatrios e represas e tambm transferir gua utilizada na

irrigao para os setores industriais de forma a improvisar benefcios quando houver

escassez.
81

A proteo da qualidade da gua ao longo dos rios envolve o monitoramento,

estabelecimento dos objetivos de qualidade da gua e controle das descargas de

poluentes, de modo que uma qualidade aceitvel seja mantida. A alocao da carga

poluidora refere-se determinao do nvel de remoo dos poluentes requerido onde

no h tratamento ou a melhora no sistema de tratamento existente para cada fonte de

poluio, pontual ou no, existente ao longo do rio, de forma a receber uma resposta

satisfatria da qualidade da gua e de uma maneira economicamente eficiente.

Para se prever as conseqncias do lanamento de efluentes na qualidade da

gua do rio necessrio um modelo baseado em processos para predizer as relaes de

causa e efeito, levando em considerao a capacidade de autodepurao do corpo

dgua, diluio, transporte e reoxigenao. O primeiro modelo matemtico que

caracterizou o balano de oxignio dissolvido foi o de Streeter-Phelps (ORLOB, 1992). Os

modelos de simulao atuais so expanses dessa equao.

Modelos de otimizao tm sido aplicados em problemas de alocao da carga

poluidora (LYNN; LOGAN; CHARNES, 1962, REVELLE; LOUCKS; LYNN, 1968, WEN; FU,

1991, WANG; JAMIESON, 2002). Nestes modelos, a eficincia do tratamento a varivel

de deciso para maximizar a eficincia econmica, tendo como restrio a qualidade

desejvel do corpo dgua. Este um problema de otimizao de objetivo nico

tipicamente encontrado na rea de gerenciamento da qualidade da gua. No entanto, os

pesquisadores esto se despertando para a multiplicidade do problema.

Quando tratado o problema da qualidade da gua em sistemas de rios de uma

bacia hidrogrfica, depara-se com o conflito de quem responsvel por manter a

qualidade da gua deste sistema (agncias controladoras de poluio, por exemplo) e de

quem polui o corpo da gua (indstrias, por exemplo). A aspirao das agncias

controladoras garantir que a poluio esteja dentro de um limite aceitvel atravs da


82

imposio de padres de qualidade da gua e lanamento de efluentes. Por outro lado,

os poluidores preferem usar a capacidade assimilativa do rio para minimizar o custo do

tratamento. Para solucionar este problema, Sasikumar e Mujumdar (1998) propuseram

um modelo de otimizao denominado Fuzzy waste-load allocation model (FWLAM)

que, atravs de suas formulaes, maximiza o nvel mnimo de satisfao tanto das

agncias controladoras quanto dos poluidores, propondo um padro de qualidade para

as guas despejadas nos rios. Com um modelo matemtico qualitativo, que leva em sua

formulao distribuio espacial e temporal de poluentes, medidos atravs de

concentraes de OD, foi previsto qual deveria ser a concentrao mxima de DBO que

as indstrias poderiam despejar e o custo total mnimo para elas efetuarem o

tratamento caso a concentrao de OD no fosse atingida.

Lee e Wen (1996) propuseram que o gerenciamento da qualidade da gua deve

procurar alternativas viveis para encontrar a alocao da carga poluidora para cada

fonte de poluio de acordo com os padres de qualidade e com a capacidade de

autodepurao, de forma a garantir a melhora qualitativa dos recursos hdricos. Os

autores utilizaram dois mtodos clssicos (mtodo das restries e mtodo dos passos)

e dois mtodos no clssicos (lgica fuzzy e redes neurais artificiais) para minimizar o

custo de tratamento de guas residurias e maximizar a capacidade de autodepurao

do rio (LEE; WEN, 1996, LEE; WEN, 1997, WEN; LEE, 1998). O trecho do rio em estudo

foi segmentado em 5 partes e para cada uma foram levantadas as localizaes do

despejo de efluentes e suas respectivas concentraes de DBO, e o coeficiente de

desoxigenao. O modelo multiobjetivo foi formulado com trs funes objetivo:

minimizao da concentrao de DBO encontrada em cada trecho, minimizao do custo

do tratamento de esgoto que cresce linearmente de acordo com sua eficincia,


83

maximizao da capacidade de assimilao de poluentes do rio, formulada como a

somatria da carga de DBO lanada por cada fonte de poluio.

Tung e Hathhorn (1989), na tentativa de aperfeioar os modelos de

gerenciamento da qualidade hdrica, apresentaram um modelo multiobjetivo de

alocao da carga poluidora. O modelo composto por trs objetivos: (1) maximizar a

carga total lanada; (2) minimizar a maior diferena entre as eficincias de tratamento

das fontes de poluio; (3) maximizar o menor valor permissvel da concentrao de

oxignio dissolvido no corpo dgua.

No primeiro objetivo, as variveis de deciso foram a concentrao da demanda

bioqumica de oxignio e do dficit de oxignio dissolvido para cada fonte. Nesse

objetivo, existe uma relao de compromisso, uma vez que quanto maior puder ser a

carga a ser lanada no rio, menor ser o custo do tratamento.

No segundo objetivo, Tung e Hathhorn (1989) consideraram que a tentativa de

maximizar a carga lanada poderia resultar em uma maior folga no lanamento dos

usurios a montante do rio, enquanto que os usurios a jusante teriam que tratar seus

efluentes com uma maior eficincia, uma vez que para eles a gua chegaria com uma

qualidade pior.

O ltimo modelo sugere que a menor concentrao permissvel de OD deve ser

mantida no rio.

Atravs da insero no modelo de restries de balano de massa para DBO e

limites mximo e mnimo para a eficincia do tratamento de esgoto, o problema foi

solucionado pelo mtodo das restries e pela programao linear utilizando-se da

lgica fuzzy (HATHHORN; TUNG, 1989). A incorporao da anlise multiobjetivo no

problema de gerenciamento faz com que o papel do analista e do tomador de deciso

fique melhor definido, os resultados da anlise provem um maior nmero de solues


84

alternativas ao tomador de deciso e os modelos so mais realsticos do que quando

comparados aos modelos de objetivo nico.

Burn e Yulianti (2001) propuseram um tipo de estratgia operacional que

permite que as fontes poluidoras removam fraes diferentes em funo da

sazonalidade e conseqente variao na capacidade de assimilao do corpo dgua.

Os pesquisadores apresentaram trs modelos de otimizao multiobjetivo. Eles

foram formulados para gerenciar a concentrao do oxignio dissolvido e solucionados

atravs dos algoritmos genticos (AGs). Apesar de ser um mtodo no tradicional e

pouco aplicado aos problemas de gerenciamento da qualidade hdrica, os AGs vm se

mostrando capazes de produzir relaes de compromisso, sendo portanto adequados

aos problemas multiobjetivos. Alm disso, os AGs podem ser aplicados em situaes

onde se encontram variveis discretas, caso dos problemas de gerenciamento da

qualidade da gua, onde cada sistema de tratamento e sua respectiva eficincia de

remoo da matria orgnica uma soluo possvel do problema. Outra caracterstica

importante dos AGs a possibilidade de integrao com um modelo de simulao da

qualidade da gua.

No primeiro modelo proposto por Burn e Yulianti (2001), as funes objetivo so:

minimizar o custo total de tratamento e minimizar a soma dos desvios quando violados

os padres de qualidade. Como de praxe, as variveis de deciso so as fraes de

remoo da carga orgnica das fontes pontuais de poluio. Como mencionado, as

variveis de deciso so discretas e expressas atravs do tipo de operao e processo de

tratamento disponvel.

Esse modelo identifica as relaes de compromisso entre o recurso econmico

necessrio para o tratamento e o nvel de qualidade da gua, possibilitando ao decisor a

escolha da soluo que possua o melhor balano entre custo e qualidade da gua.
85

Matematicamente,

S
c i (x i )
Minimizar i =1 (72)

M
+
vj
Minimizar j=1 (73)

Sujeito a:

x i xs i i (74)

(
v j = f x , W , Q, T, K , WQ padro ) j
(75)

v j se v j 0
v +j =
0 se v j < 0
(76)

Sendo que:

ci(xi) = custo do tratamento para a fonte i em funo da eficincia de remoo

xi = frao de remoo da fonte i

S = nmero de fontes pontuais de poluio

v +j
= magnitude da violao da qualidade da gua na estao de monitoramento j

M = nmero de estaes de monitoramento no rio

xsi = opes de operaes e processos de tratamento

vj = diferena entre o valor padro de OD e a concentrao de OD encontrada no

ponto j

f( ) = qualidade da gua como funo de diversos fatores

x = nvel de remoo

W = vazo mssica dos poluentes que entram no rio

Q = vazo do rio

T = temperatura da gua
86

k = coeficientes cinticos

WQpadro = padres de qualidade da gua

A eq. (72) define o custo total de tratamento enquanto que a eq. (73) define a

soma das amplitudes de violao dos padres de qualidade da gua. As restries (74) e

(75) definem, respectivamente, a frao de remoo de acordo com o tratamento

disponvel para cada fonte e a qualidade da gua que pode ser avaliada por um modelo

de simulao. A eq. (76) garante que violaes negativas (por exemplo, quando a

concentrao de OD em um determinado ponto de monitoramento maior que a

concentrao estabelecida pela classe) no so permitidas por cancelarem violaes

positivas.

O segundo modelo considera minimizao de custo e minimizao de uma

medida eqitativa. Esta medida uma importante questo nos problemas de

gerenciamento da qualidade da gua e refere-se distribuio do grau requerido do

tratamento e o custo associado entre as fontes de poluio. Adicionalmente, o modelo

requer que a qualidade da gua nas estaes de monitoramento esteja dentro do padro.

O modelo formulado como:

S
c i (x i )
Minimizar i =1 (77)

S x i Wi

Minimizar i =1 x W (78)

Sujeito a

x i xs i i (79)

(
v j = f x , W , Q, T, K , WQ padro ) j
(80)

v j 0 j
(81)
87

Em que:

x = mdia da eficincia de remoo das S fontes

W = mdia das vazes mssicas de poluentes que entram no sistema

Wi = vazo mssica de poluentes que entra no sistema atravs da fonte i

Os outros smbolos foram definidos previamente.

A eq. (78) define a medida eqitativa. A razo da eficincia de remoo de uma

determinada fonte pela eficincia mdia de remoo deve ser to prxima quanto a

razo da carga poluidora dessa fonte pela carga mdia de poluio. A distribuio

eqitativa ocorre quando a eq. (78) obtm o valor zero. A eq. (81) garante que no

ocorre nenhuma violao nos padres de qualidade da gua.

Finalmente, o ltimo modelo utilizado para determinar uma possvel

diminuio da eficincia do tratamento que pode ocorrer durante perodos no crticos

do ano, por exemplo, quando h ocorrncia de baixas temperaturas. O modelo inicia-se a

partir da existncia de um determinado nvel de remoo e, para cada fonte, determina

qual a nova eficincia, reduzida, que pode ocorrer dependendo das condies

climatolgicas e hidrolgicas. O objetivo deste modelo explorar o aumento da

capacidade de autodepurao do rio e permitir que os poluidores, nesse perodo,

despejem uma quantidade maior de efluentes, que pode ser feita atravs do by-pass do

esgoto pelo sistema.

min v j
Maximizar j (82)

Sx i Wi

Minimizar i =1 x W (83)

Sujeito a

x i xs i' i (84)
88

(
v j = f x , W , Q, T, K , WQ padro ) j
(85)

v j 0 j
(86)

xs i' = eficincia do tratamento da fonte i menor ou igual que a capacidade

existente

Os outros smbolos foram definidos anteriormente.

A eq. (82) maximiza o menor valor da varivel de qualidade nos pontos de

monitoramento. As condies hidrulicas e climticas usadas na eq. (85) referem-se aos

valores do perodo no crtico do ano. A eq. (86) considera que o menor valor da varivel

de qualidade encontrado nos pontos de monitoramento no ultrapassar o limite

estabelecido.

O desempenho do sistema de gesto da qualidade da gua medido atravs de:

(1) nmero de violaes da concentrao de OD, sendo esta comparada com a

concentrao estabelecida nos padres de qualidade; (2) magnitude da mxima violao

de OD; e (3) magnitude total das violaes de OD nos pontos de monitoramento

(YANDAMURI; SRINIVASAN; BHALLAMUDI, 2006). Na seqncia apresentada a definio

desses ndices.

1 O desempenho do sistema medido atravs do nmero de violaes, EN,

expresso como a razo da diferena entre o nmero de violaes da concentrao de OD

estabelecida nos padres de qualidade quando no h nenhum tipo de tratamento nas

fontes de poluio, N0, e o nmero de violaes com tratamento, Na, pelo nmero de

violaes quando no h tratamento.

N0 Na
EN =
N0
(87)

(( )0
N 0 = f OD j , OD padro ) (88)
89

(( )
N a = f OD j , OD padro
a
) (89)

Sendo:

M
Na = y j ( )a
j=1
(90)

na qual:

1 se OD padro > OD j ( )a
(y j )a = 0 se OD padro (OD j )
j
a (91)

M o nmero de pontos de monitoramento; (yj)a uma varivel inteira, que pode

assumir o valor 0 e 1 quando, respectivamente, no houver e houver violaes no

padro de qualidade da gua; ODj representa a concentrao de OD nos pontos de

monitoramento j, e o subscritos 0 e a indicam o nvel de tratamento correspondentes a

nenhum tratamento e com algum tipo de tratamento considerado; ODpadro significa a

concentrao de OD limite estabelecida nos padres de qualidade da gua.

2 O desempenho do sistema medido atravs da magnitude da mxima violao

da concentrao de OD, EV, expresso como a razo da diferena entre a magnitude da

mxima violao de OD quando no h nenhum tipo de tratamento nas fontes de

poluio, V0, e a magnitude da mxima violao quando h tratamento, Va, pela

magnitude da mxima violao da concentrao de OD estabelecida nos padres de

qualidade quando no h tratamento.

V0 Va
EV =
V0
(92)

(( )0
V0 = f OD j , OD padro ) (93)

(( )
Va = f OD j , OD padro
a
) (94)

Sendo:
90

[ ( )a ]
Va = max (S1 )a , (S 2 )a , ... , S j
j (95)

na qual:

(
OD padro OD j )a ( )a
se OD padro > OD j
(S j )a = 0 se OD padro (OD j )
j
a
(96)

V representa a magnitude da mxima violao da concentrao de OD. Os

subscritos 0 e a foram definidos anteriormente.

3 O desempenho do sistema medido atravs da soma total das magnitudes das

violaes na concentrao de OD, ET, expresso como a razo da diferena entre a soma

da magnitude das violaes de OD quando no h nenhum tipo de tratamento, T0, e das

violaes quando h tratamento, Ta, pela soma da magnitude das violaes de OD

estabelecida nos padres de qualidade quando no h tratamento.

T0 Ta
ET =
T0
(97)

(( )0
T0 = f OD j , OD padro ) (98)

(( )
Ta = f OD j , OD padro
a
) (99)

Sendo:

M
Ta = (S j )a
j=1
(100)

T representa a soma da magnitude das violaes de OD. Os outros termos foram

definidos anteriormente.

Yandamuri, Srinivasan e Bhallamudi (2006) propuseram um ndice de desempenho

global, EWLA, que corresponde soma ponderada dos trs ndices apresentados, EN, EV,

ET:

E WLA = w N E N + w V E V + w T E T (101)
91

wN, wV e wT so pesos associados a cada medida de desempenho.

Com esse ndice de desempenho global, Yandamuri, Srinivasan e Bhallamudi (2006)

formularam dois modelos multiobjetivos de gerenciamento da qualidade da gua. O

primeiro considera a minimizao do custo total de tratamento e maximizao da

medida global de desempenho do sistema. J o segundo modelo considera a

minimizao do custo total de tratamento e minimizao da medida de eqidade,

conforme eq. (78). Neste ltimo modelo o ndice de desempenho global torna-se

restrio do problema. Os modelos foram solucionados atravs dos Algoritmos

Genticos (Nondominated Sorting Genetic Algorithm II NSGA II). Quando estabelecida

a relao de compromisso entre o custo e o desempenho do sistema, observa-se que

possvel obter uma melhora significativa no desempenho do sistema com um

incremento no custo inexpressivo.

A anlise multiobjetivo adequada aos problemas de recursos hdricos por se

tratar de objetivos mltiplos e conflitantes. Quando utilizada como uma ferramenta de

apoio s tomadas de decises, ela valoriza a componente humana do processo de

deciso. A escolha do mtodo a se utilizar depender da afinidade do analista e da

quantidade de dados disponveis.

Apesar de no ser muito utilizada na rea de qualidade dos recursos hdricos, a

anlise multiobjetivo est ganhando adeptos devido crescente preocupao com a

preservao do meio ambiente e disponibilidade de recursos. Em adio, ela pode

identificar o compromisso existente entre o tratamento das guas residurias

domsticas e industriais e a desejvel qualidade da gua no ambiente.

Seria ideal se os modelos apresentados pudessem ser diretamente utilizados para

identificar a melhor soluo para os problemas de gerenciamento da qualidade da gua.

Eles podem ser usados em situaes nas quais existem dados suficientes para
92

desenvolv-los e calibr-los e onde estejam bem definidos os objetivos dos responsveis

pelo gerenciamento da qualidade hdrica.

Os modelos de gerenciamento da qualidade da gua so comumente utilizados

para prever o impacto causado pela adoo de uma ou outra alternativa de gesto e para

mostrar a importncia de se ter grande quantidade de dados precisos. Se bem usados,

podem ajudar no entendimento do por que algumas alternativas de gerenciamento so

melhores do que outras para determinadas bacias hidrogrficas. Os modelos auxiliam na

identificao de planos e, de acordo com os objetivos, respondero aos questionamentos

relativos aos custos, tecnologias, requerimentos legais e sociais.


93

4. METODOLOGIA

Este captulo descreve a metodologia proposta para este trabalho, que tem o

intuito de verificar a possibilidade da utilizao da anlise multiobjetivo no auxlio

busca de intervenes em sistemas de recursos hdricos, levando em conta benefcios

econmicos e ambientais.

Para tanto foram propostos 3 modelos de otimizao multiobjetivo, cada qual

gerando uma relao de compromisso. Em todos os modelos, deseja-se maximizar a

carga de DBO emitida pelas fontes de poluio, de forma que a qualidade hdrica seja

mantida ou melhorada.

Os problemas de otimizao multiobjetivo normalmente requerem a minimizao

do custo. Esta funo objetivo est intuitivamente representada nos modelos, uma vez

que permitindo que seja lanada uma maior quantidade de poluente na gua, dizer que

a eficincia do tratamento pode ser diminuda e conseqentemente, o custo ser menor.

Essa considerao facilita a interpretao do custo do tratamento do efluente, uma vez

este est relacionado a diversos fatores, e nem sempre simples determinar uma funo

que caracterize o custo total de implantao e operao de uma determinada estao de

tratamento de esgoto.

O primeiro modelo deseja encontrar uma relao de compromisso existente entre

a maximizao do lanamento de efluentes e a maximizao da concentrao de OD no

corpo hdrico. Dois objetivos conflitantes, pois quanto maior a entrada de matria

orgnica no sistema, maior ser a quantidade de oxignio consumida para degrad-la.

Porm, quanto maior a quantidade de efluente lanada, menor a eficincia do

tratamento e conseqentemente, o custo.


94

Encontradas violaes na concentrao de DBO ao longo do rio, ou seja, quando a

concentrao de DBO em determinados pontos do corpo dgua maior que a permitida

para sua classe, o segundo modelo de otimizao proposto tem por objetivo maximizar a

concentrao de DBO emitida por cada fonte de lanamento, porm, minimizar as

violaes nos padres de concentrao de DBO. Deseja-se ento encontrar uma relao

de compromisso em que seja possvel diminuir ao mximo a eficincia do tratamento,

mas de forma que no sejam violados os padres de qualidade da gua impostos pela

legislao.

Finalmente, o terceiro e ltimo modelo contm a principal contribuio dessa

tese. Deseja-se encontrar a mesma relao de compromisso do segundo modelo, porm

com uma restrio.

No justo que os usurios que se localizam mais a jusante do rio, tenham que

tratar seus efluentes com uma maior eficincia, porque a gua chega para eles j

degradada por causa de lanamentos ocorridos montante. Desta forma, os usurios

mais montante do rio possuem uma maior folga no lanamento. Ou ento, fontes que

poluem pouco necessitam tratar praticamente todo o seu efluente lanado, devido a

outras fontes que poluem muito e tratam pouco j terem prejudicado o rio.

A restrio includa no terceiro modelo tem o intuito de se fazer justia entre os

usurios, ou seja, ela uma medida eqitativa.

Os modelos foram solucionados atravs dos Algoritmos Genticos Multiobjetivo,

mais precisamente, pelo mtodo Non-dominated Sorting Genetic Algorithm e testados na

bacia do rio Atibaia, SP.


95

4.1. Formulao do modelo

A deciso final dos trabalhos de gerenciamento da qualidade da gua encontrar

a melhor estratgia de alocao dos efluentes, de forma que a capacidade de assimilao

do corpo dgua seja suficiente para depurar os poluentes e garantir a qualidade hdrica

esperada jusante do lanamento.

Outro ponto que deve ser levado em conta o objetivo ambiental esperado do

recurso hdrico. A Resoluo no 357 do Conselho Nacional do Meio Ambiente (CONAMA)

de 17 de maro de 2005 estabelece padres de qualidade da gua e lanamento de

efluentes de acordo com a finalidade do uso da gua.

Includos nos modelos propostos, esto os objetivos conflitantes da manuteno

da qualidade hdrica do rio, do grau esperado de tratamento de efluentes, e as leis e

decretos ambientais. A Figura 12 mostra a estrutura dos modelos de auxlio deciso

propostos.

Objetivos de qualidade
da gua e das fontes de Objetivos e restries
poluio

Padres de qualidade Modelo de


Restries legais Deciso:
da gua e lanamento otimizao
eficincia do
de efluentes multi-
tratamento
objetivo

Distribuio espacial e Modelo matemtico


temporal dos de qualidade da gua
poluentes

Figura 12 Estrutura do modelo


96

4.1.1. Primeiro modelo de otimizao multiobjetivo

O primeiro modelo de otimizao proposto tem por objetivo maximizar a

concentrao de DBO emitida por cada fonte de lanamento e maximizar a melhora da

qualidade da gua, em termos de OD.

O modelo formulado de acordo com as eq. (102) e (103).

F Wj
Z1 = (1 x j )
j=1 Q j
Maximizar (102)

M
Maximizar Z 2 = ODi (103)
i =1

Sujeito a:

ODi > OD padro i (104)

0 xj 1 j (105)

Z1 e Z2 representam as funes objetivo que se pretende maximizar. Wj a carga

de DBO lanada pela fonte j e Qj a respectiva vazo de lanamento. xj a eficincia do

tratamento e neste caso, a varivel de deciso. O nmero de fontes de poluio F.

ODpadro a concentrao mnima permissvel de OD estipulada pela legislao

para uma determinada classe. ODi a concentrao de oxignio dissolvido encontrada

no ponto de monitoramento i (i = 1,2, ... , M). ODi determinado atravs de um balano

de massa.

xj se restringe aos valores na faixa de 0 a 1, uma vez que ele representa a

eficincia de tratamento das operaes e processos plausveis de serem implantadas nos

municpios em estudo.
97

4.1.2. Segundo modelo de otimizao multiobjetivo

O segundo modelo de otimizao proposto tem por objetivo maximizar a

concentrao de DBO emitida por cada fonte de lanamento e minimizar as violaes

nos padres de concentrao de DBO do corpo receptor.

O modelo formulado de acordo com as eq. (106) e (107).

F Wj
Z1 = (1 x j )
j=1 Q j
Maximizar (106)

M
Minimizar Z 3 = DBOi DBO padro (107)
i =1

Sujeito a:

0 xj 1 j (108)

Z1 e Z3 representam as funes objetivo que se pretende maximizar e minimizar,

respectivamente.

DBOpadro a concentrao mxima permissvel de DBO estipulada pela legislao

para uma determinada classe. DBOi a concentrao de DBO encontrada no ponto de

monitoramento i (i = 1,2, ... , M) e determinada atravs de um balano de massa.

Os outros ndices foram definidos anteriormente.

4.1.3. Terceiro modelo de otimizao multiobjetivo

O terceiro modelo de otimizao proposto igual ao segundo, porm possui uma

restrio. Esta restrio a principal contribuio desse trabalho e representa um ndice

que pretende distribuir a responsabilidade que cada fonte de lanamento tem perante a

poluio que elas conferem gua.


98

O terceiro modelo formulado de acordo com:

F Wj
Z1 = (1 x j )
j=1 Q j
Maximizar (109)

M
Minimizar Z 3 = DBOi DBO padro (110)
i =1

Sujeito a:

1
x
j , k =1
j xk
F
=1 jk (111)
F
x
j =1
j

0 xj 1 j (112)

Z1 e Z3 tm por objetivo, respectivamente, maximizar a concentrao de DBO

emitida por cada fonte de lanamento e minimizar a magnitude das violaes dos

padres de concentrao de DBO do corpo receptor.

O ndice representado na eq. (111) tem o intuito de quantificar a eqidade entre

os usurios (lanamento de esgoto) da gua. Sem a considerao de uma medida de

eqidade, a tentativa de maximizar a quantidade de efluentes lanados resultaria numa

alocao de grandes quantidades de efluentes passveis de serem lanados pelos

usurios localizados mais a montante do rio, enquanto que os usurios jusante

deveriam tratar seus efluentes com um nvel mximo de eficincia. Adicionalmente,

medida que se eleva o ndice de justia, a carga total de poluentes no sistema deve ser

diminuda.

Na eq. 111, x representa a eficincia do tratamento necessria para cada fonte de

poluio, sendo o nmero de fontes igual a F. O numerador a soma do desvio absoluto

entre as eficincias de cada fonte. J o denominador a soma das eficincias de todas as


99

fontes de poluio. O ndice representa, ento, a distribuio entre as fontes de poluio

do desvio relativo de suas eficincias de tratamento.

4.2. Os Algoritmos Genticos

Os Algoritmos Genticos (AGs) so mtodos populacionais estocsticos de

otimizao por busca direta inspirados nos mecanismos de evoluo das espcies, que

compreendem processos da gentica das populaes, sobrevivncia e adaptao dos

indivduos. Foram introduzidos em 1975 por John Holland, porm quem o popularizou

foi um de seus alunos, David Goldberg (LACERDA; CAVALHO, 1999). Os AGs foram

desenvolvidos para estudar o fenmeno da evoluo natural da forma como ele ocorre

na natureza, e desenvolver caminhos por meio dos quais os mecanismos desse processo

pudessem ser importados para os sistemas computacionais.

Esses algoritmos operam, matematicamente, o princpio da seleo natural e

sobrevivncia do mais apto, teoria da evoluo natural proposta em 1859 por Charles

Darwin.

Em termos biolgicos, a evoluo natural o processo que ocorre nos

cromossomos das clulas, nos quais as informaes hereditrias so transmitidas para

seus descendentes, atravs dos genes.

A teoria da evoluo diz que o meio ambiente seleciona, em cada gerao, os

seres vivos mais aptos de uma populao para sobrevivncia. Somente esses seres

selecionados conseguem se reproduzir, uma vez que, geralmente, os menos adaptados

so eliminados antes de gerarem descendentes. Alguns fenmenos, que atuam sobre o

material gentico armazenado nos cromossomos, ocorrem durante a reproduo

(mutao e recombinao, por exemplo). Esses fenmenos so os responsveis pela


100

variabilidade dos seres vivos nas populaes. Reiniciando o ciclo, sobre essa nova

populao gerada age a seleo natural, processo no qual os seres mais aptos

sobrevivero.

A idia do AG surgiu na observao de que a populao inicializada e caminha

para melhores regies do espao de busca por meio de processos probabilstico-

aleatrios (seleo, recombinao e mutao). O ambiente desenvolve a informao de

qualidade (fitness) e o processo de seleo favorece os indivduos de maior qualidade

para sobrevivncia e reproduo sobre os de pior qualidade. O mecanismo de

recombinao permite a mistura de informao dos pais para seus descendentes e a

mutao introduz inovaes neste processo (CARRIJO, 2004).

Na Figura 13 apresentada a estrutura bsica do AG simples.


101

Incio

Inicializao da
populao

Ger = 0

Avaliao da funo
de aptido

Sim
Soluo FIM
encontrada?

Ger = Ger + 1 No

Seleo

Recombinao

Mutao

Figura 13 - Estrutura bsica do AG simples

Fonte: DEB, 2001

Os AGs iniciam o processo gerando aleatoriamente um conjunto inicial de

solues possveis denominadas populao. Cada indivduo dessa populao,

denominado cromossomo, constitui uma possvel representao completa de soluo

para o problema. O cromossomo representado por um vetor (string), cujos elementos


102

so denominados analogamente genes, que representam as caractersticas de uma

soluo e podem ser codificados atravs de nmeros binrios ou reais. Os cromossomos

tendem a evoluir gradativamente atravs de sucessivas iteraes, produzindo novas

geraes de indivduos mais aptos ou capazes em termos da funo de aptido. Esta

funo de aptido a avaliao de cada soluo, que recebe um valor denominado de

fitness.

A avaliao feita durante cada iterao (gerao), as solues (cromossomos)

so ento avaliadas atravs da funo objetivo ou atravs de uma funo modificada

(aptido, fitness), que permite sua classificao e ordenao enquanto soluo.

Uma nova gerao formada atravs dos processos de seleo, recombinao e

mutao, cujas solues com maior mrito tm maior probabilidade de serem

preservadas para a prxima gerao.

A seleo (ou reproduo) o mecanismo por meio do qual os cromossomos so

copiados para a prxima gerao, resultando na sobrevivncia das solues mais aptas,

ou seja, que resultem em valores mais eficientes da funo objetivo.

O operador de reproduo permite a identificao, atravs da avaliao da funo

de aptido, das melhores solues, e faz mltiplas cpias das mesmas, eliminando as

piores, de modo que o tamanho da populao inicial seja mantido constante.

A recombinao (ou crossover) aplicada aps a seleo. O operador de

reproduo no cria novas solues, apenas reproduz novas cpias das melhores. A

criao de novas solues feita pelos operadores de recombinao e mutao.

A recombinao responsvel pela troca parcial de segmentos correspondentes

entre dois cromossomos pais, gerando dois cromossomos filhos. Os cromossomos filhos

devero representar solues melhores que as dos cromossomos pais. Se solues

piores forem criadas, elas sero eliminadas na prxima gerao, pelo processo de
103

seleo. Caso contrrio, o processo de seleo produzir mais cpias das novas solues

formadas, melhorando cada vez mais o valor da funo objetivo.

Para preservar boas solues selecionadas no processo de reproduo, nem

todos os strings so usados para a recombinao. Se for usada uma probabilidade de

crossover pc, 100pc% dos cromossomos so usados na operao de recombinao e

100(1-pc)% da populao so simplesmente copiadas para a nova populao.

A mutao uma modificao eventual dos genes, permitindo a introduo de

novas caractersticas genticas s populaes, diversificando assim o conjunto de

solues para o problema.

Resumindo, o operador de reproduo seleciona os melhores cromossomos,

enquanto que o operador de recombinao troca parte de seus segmentos, gerando

assim solues melhores que as anteriores. O operador de mutao altera um

cromossomo, com o intuito tambm de gerar melhores solues. Se solues piores

forem criadas, elas sero eliminadas no prximo processo de reproduo.

Aps vrias iteraes o algoritmo converge para uma soluo tima ou quase

tima do problema.

Diversas so as possibilidades de implementao dos AGs em termos da

sistemtica de representao das solues, dos operadores genticos e dos parmetros a

serem adotados, como as probabilidades de recombinao e mutao, o nmero de

indivduos da populao de solues e o critrio de parada.

As vantagens dos AGs em relao aos mtodos de otimizao convencionais so

listadas (GOLDBERG; KUO, 1987, DEB, 2001, CARRIJO, 2004):

- tm uma orientao mais global que outros mtodos usados em engenharia;

- so eficientes;

- tm grandes aplicaes em diversas reas da engenharia;


104

- trabalham com o cdigo dos parmetros e no com os parmetros

propriamente ditos;

- realizam a busca a partir de uma populao de pontos e no a partir de um

nico ponto;

- podem trabalhar com variveis de deciso discretas e funes contnuas;

- utilizam informao apenas da funo objetivo, no necessitando de derivadas

ou de outras informaes;

- so de fcil implementao, no sendo necessrios conhecimentos

matemticos complexos;

- so capazes de otimizar um grande nmero de variveis, trabalhando com

funes objetivo com superfcies de resposta complexas, reduzindo a

incidncia de mnimos ou mximos locais;

- usam regras de transio probabilsticas e no determinsticas na

identificao de solues alternativas;

- so capazes de varrer o espao de solues de maneira bastante eficaz,

mesmo quando o nmero de variveis de deciso muito grande;

- so adaptados ao problema de otimizao multiobjetivo pela habilidade de

manter mltiplas solues em uma nica simulao e pela facilidade em se

explorar regies do espao atravs do princpio da recombinao e mutao.

4.2.1. Algoritmos Genticos Multiobjetivo

Uma notvel diferena existente entre os mtodos de otimizao convencionais e

os Algoritmos Genticos que este ltimo trabalha com a possibilidade de gerar vrias
105

solues em cada iterao. Esta habilidade torna os AGs poderosos na identificao de

mltiplas solues timas em uma nica simulao.

Em uma otimizao multiobjetivo, deseja-se encontrar o maior nmero possvel

de solues pertencentes frente Pareto. O procedimento de busca desse conjunto de

solues atravs dos AGs multiobjetivo similar aos AGs convencionais (Figura 14).

Pequenas modificaes no estgio de avaliao so realizadas na estrutura deste ltimo

para a busca de um conjunto de solues timas em uma nica simulao.

Segundo os AGs convencionais os melhores indivduos, ou seja, aqueles que

possuem valor de aptido alto, tm alta probabilidade de pertencer ao conjunto de

soluo na prxima gerao. A soluo tima representa a combinao de variveis que

tem o maior valor de aptido, no caso de maximizao, na ltima gerao. Nos AGs

multiobjetivo, primeiro, a populao inicial classificada segundo os conceitos de

dominncia e, dessa forma, obtm-se os vetores de deciso que so no dominados.

Esses vetores so as melhores combinaes da iterao corrente e tm alta

probabilidade de se encontrarem na prxima gerao. A soluo final compreender

todos os vetores de deciso no dominados da ltima gerao.

Os maiores desafios dos AGs para melhorar a acurcia das solues encontradas

so garantir que os procedimentos de avaliao e seleo busquem de forma eficiente o

conjunto timo Pareto, e manter uma diversidade da populao de forma a evitar a

convergncia prematura.
106

Populao
Inicial

Avaliao

Avaliao Multiobjetivo
(conceito de dominncia)

Avaliao
Sim
Convergncia? FIM

No

Seleo
Nova populao

Recombinao

Mutao

Figura 14 Estrutura geral dos algoritmos genticos multiobjetivo


Fonte: CHEUNG (2004)

DEB (2001) classificou os AGs multiobjetivo em dois grupos. O primeiro no

possui nenhum tipo de operador de elitismo (operador que garante a presena dos

melhores vetores soluo nas prximas geraes). O segundo grupo refere-se aos

modelos que de alguma forma garantem que os melhores vetores soluo da populao

corrente se encontrem nas prximas geraes.


107

Neste trabalho optou-se por utilizar um conhecido algoritmo gentico

multiobjetivo no elitista, o Non-Dominated Sorting Genetic Algorithm (NSGA), proposto

por Srinivas e Deb (1995).

4.2.1.1. NSGA

Neste trabalho foi aplicado o mtodo de otimizao multiobjetivo NSGA. O

algoritmo foi implementado em MATLAB pelo Prof. Dr. Joo Antnio de Vasconcelos e

seus alunos, da Universidade Federal de Minas Gerais. O cdigo do programa est

disponvel em: http://www.cpdee.ufmg.br/~joao/OtimMultiobjetivo/.

O NSGA (Non-dominated Sorting Genetic Algorithm) foi proposto por Srinivas e

Deb (1995) com o objetivo de se trabalhar simultaneamente o conceito de dominncia e

a manuteno da diversidade da populao.

Na otimizao de objetivo nico, a cada vetor soluo pertencente populao

corrente associado um valor que representa seu desempenho (valor de aptido ou

fitness). Em muitos casos esse valor o prprio valor da funo objetivo. Desta maneira,

o melhor indivduo recebe o maior valor de aptido e possivelmente ser mantido na

populao referente prxima gerao.

Como a otimizao multiobjetivo trabalha com solues timas Pareto a cada

gerao, no possvel identificar um nico melhor vetor soluo desse conjunto. Os

melhores valores de aptido so dados ao conjunto de solues no dominadas da

gerao corrente, que so melhores em relao aos outros vetores soluo. Goldberg

(1989) props que a funo de aptido para o conjunto de solues no dominadas deve

basear-se em um procedimento de ordenao (rank).


108

O NSGA segue a idia original de Goldberg (1989), mas ele difere dos demais

algoritmos genticos multiobjetivo na maneira como classifica os vetores de solues

no dominadas e na forma com que o mtodo de compartilhamento considerado

(espao dos parmetros para garantir a diversidade da populao).

Antes que a seleo seja desenvolvida, necessrio classificar as solues. O

NSGA desenvolve a classificao atravs de frentes de dominao (Pk), sendo que todos

os indivduos pertencentes a essas frentes recebem o mesmo valor de aptido.

No existe um membro melhor que outro com relao a todos os objetivos se

ambos pertencerem mesma frente.

Para ilustrar o mtodo, reproduz-se aqui um exemplo apresentado por Deb

(2001, p. 176). O exemplo um problema de minimizao de duas funes objetivo, com

duas variveis de deciso.

Minimizar " #  #

Minimizar " #  
$%&
%'

(113)

Sujeito a 0,1 x1 1

0 x2 5

Seis solues so geradas aleatoriamente (Tabela 6) e so apresentados os

valores das funes objetivo para cada soluo na Figura 15.


109

Tabela 6 Solues geradas aleatoriamente para o exemplo da eq. (120)

Soluo x1 x2 f1 f2
1 0,31 0,89 0,31 6,10
2 0,43 1,92 0,43 6,79
3 0,22 0,56 0,22 7,09
4 0,59 3,63 0,59 7,85
5 0,66 1,41 0,66 3,65
6 0,83 2,51 0,83 4,23
Fonte: DEB (2001, p. 176)

Figura 15 Solues do exemplo

Considerando a populao mostrada na Figura 15, de acordo com o mtodo

NSGA, seus membros so ordenados em frentes de dominao. Esse procedimento

ilustrado na Figura 16. Observa-se que as solues 1, 3 e 5 pertencem primeira frente e

so candidatas a evoluir para a frente Pareto.


110

Figura 16 Classificao das solues por frentes de dominao do NSGA

As solues das melhores frentes no dominadas recebem maiores valores de

aptido quando comparadas com as outras frentes.

A avaliao do fitness inicia-se na primeira frente no dominada e procede

sucessivamente para as demais. Qualquer soluo pertencente primeira (ou melhor)

frente recebe o valor de aptido igual a Fi = N, onde N o tamanho da populao.

Exemplificando, na Figura 16, as solues 1, 3 e 5 recebem o valor de fitness igual a 6.

Impondo um melhor valor de aptido para as solues da frente no dominada,

faz com que essas solues sejam pressionadas a serem selecionadas e permanecerem

na prxima gerao. Porm, a diversidade entre as solues da frente deve ser mantida.

A no ser que um mecanismo explcito para manuteno da diversidade seja usado, os

AGs no a garantem.

Algoritmos genticos so mtodos de otimizao que partem de diversas

solues simultaneamente a cada gerao. Isso faz com que esses mtodos contemplem

caractersticas de busca global. Cada soluo possuiu informaes distintas referentes

soluo tima global. Entretanto, tais informaes esto distribudas entre as solues
111

da frente Pareto. Essa distribuio de informaes recebe o nome de diversidade da

populao.

Manter a diversidade da populao durante todo o processo iterativo a

principal dificuldade dos AGs. Isso se deve ao fato de que vetores solues com alto valor

de aptido podem estar presentes na populao e podem dominar o processo de

otimizao. Essa dominao acontece por causa da operao de seleo, na qual os

melhores indivduos da populao so selecionados devido aos seus valores de aptido.

Como esses indivduos fortes tm elevado valores de aptido, h uma tendncia dos

mesmos produzirem diversas cpias para a prxima gerao, fazendo com que

informaes sobre o timo sejam perdidas e, conseqentemente, provocar uma

convergncia prematura (timos locais) do algoritmo.

So trs os fatores que causam a perda da diversidade: presso de seleo,

perturbao na seleo e operadores de variao (ZITZLER, 1999 apud CHEUNG, 20042).

A presso de seleo o fator que determina o nmero de cpias de vetores soluo na

prxima gerao. Uma alta presso de soluo indica que muitas cpias da melhor

soluo estaro presentes na prxima gerao. A perturbao na seleo relaciona-se

aos diferentes mtodos de seleo existentes. J os operadores de variao fazem com

que a populao perca diversidade devido aos efeitos destrutivos que os operadores de

recombinao e mutao podem causar nas solues.

A tcnica utilizada para manter a diversidade da populao a funo de

compartilhamento (GOLDBERG e RICHARDSON, 1987 apud DEB, 20013). Essa tcnica

2ZITZLER, E. Evolutionary Algorrithms for Multiobjective Optimization: Methods and Applications.


1999. Ph. D. Thesis. Swiss Federal Institute of Technology Zurich apud CHEUNG, P. B. Anlise de
Reabilitao de Redes de Distribuio de gua para Abastecimento via Algoritmos Genticos
Multiobjetivo. 2004. 268 f. Tese (Doutorado em Hidrulica e Saneamento) Escola de Engenharia de So
Carlos, Universidade de So Paulo. So Carlos, 2004.

3 GOLDBERG, D. E.; RICHARDSON, J. Genetic Algorithms with sharing for multimodal function optimization.
In: Proceedings of the First International Conference on Genetic Algorithms and Their Applications, p. 41-
112

tem o objetivo de distribuir proporcionalmente na populao diferentes solues

contendo informaes do espao de busca. Para isso, o valor da funo de aptido

dividido pela dimenso do nicho associado a essa soluo, obtendo dessa forma a funo

partilhada. A dimenso do nicho uma estimativa do quo densa a regio do espao

qual essa soluo pertence, em outras palavras, a dimenso do nicho representa o

nmero de elementos candidatos a representante desse local na superfcie da funo.

A seguir descrito o mtodo usado pelo NSGA para o clculo da funo de

compartilhamento.

Para cada soluo i pertencente frente k, a distncia normalizada dij entre duas

solues (i e j) calculada de acordo com a eq. (114).


()  *67 ,
0

1.4 5
%-. /%-
%-123 /%-
(114)

A distncia normalizada calculada com relao s variveis de deciso. O valor

calculado da distncia normalizada usado para o clculo da funo de

compartilhamento, eq. 115 com = 2.


E
1  ,< 5 FG  H IJKLMNO(PQNLRSK


89  : =>1?2@A.BC21D4A> \ (115)


0 UVFW UWXYY[W

Na eq. 115, d a distncia normalizada entre duas solues i e j; um expoente

que caracteriza a funo e o parmetro denominado parmetro de

compartilhamento das solues.

A funo de compartilhamento Sh(d) recebe valores entre 0 e 1, dependendo da

distncia normalizada entre duas solues dij.

49, 1987 apud DEB, K. Multi-objective optimization using Evolutionary Algorithms. Chichester,
England: John Wiley & Sons, 2001. 515 p.
113

Aps terem sido calculadas todas as funes de compartilhamento referentes s

solues pertencentes primeira frente no dominada, possvel dimensionar os nichos

correspondentes a essas solues atravs da eq. (116), sendo N o nmero total de

solues da frente.

XU(  ]
)^ 89()  (116)

O nicho corresponde ao nmero de solues vizinhas soluo i, incluindo ela

mesma. Se no existe nenhuma outra soluo dentro do raio compartilhamento, o nicho deve

ser 1.

O ltimo passo reduzir o valor de aptido da soluo i pelo nicho calculado e

finalmente obter a avaliao compartilhada para cada soluo i pertencente frente no

dominada atravs da eq. (117).

_(`  .
a
SJ .
(117)

Este processo de degradao do valor de aptido das solues que possuem

vrias outras solues em sua vizinhana ajuda a permanncia de solues que esto

sozinhas no espao de busca.

Este procedimento completa a avaliao para todas as solues pertencentes

primeira frente no dominada. Para a segunda frente, um valor inicial de fitness

adotado, um pouco menor do que o da primeira frente. Isto garante que nenhuma

soluo da primeira frente ter um valor de aptido compartilhado menor que alguma

soluo da segunda frente. Este procedimento continuado para todas as outras frentes.
114

4.3. Aplicao: Bacia Hidrogrfica do Rio Atibaia

A bacia hidrogrfica do rio Atibaia uma das sub-bacias pertencente Bacia

Hidrogrfica dos rios Piracicaba, Capivari e Jundia. Esta ltima compreende uma rea

de 15.303,67 km2. Destes, 92,4% localiza-se no Estado de So Paulo e 7,6% no Estado de

Minas Gerais. No Estado de So Paulo, as bacias dos rios Piracicaba, Capivari e Jundia

pertencem Unidade de Gerenciamento de Recursos Hdricos nmero 5 (UGRHI-5) e faz

divisa com Minas Gerais e com as UGRHIs 9 (Mogi-Gua), 2 (Paraba do Sul), 6 (Alto

Tiet), 10 (Sorocaba/Mdio Tiet) e 13 (Tiet/Jacar), como mostra a Figura 17.

Figura 17 - UGRHIs do Estado de So Paulo


Fonte: Comit das Bacias Hidrogrficas dos Rios Piracicaba, Capivari e Jundia (2004)

Em termos hidrogrficos, a UGRHI-5 compreende sete sub bacias principais

(Figura 18), sendo cinco pertencentes ao Piracicaba (Piracicaba, Corumbata, Jaguari,


115

Camamducaia e Atibaia), alm do Capivari e Jundia, cujas reas de drenagens esto

discriminadas na Tabela 7.

Figura 18 - Bacia hidrogrfica dos rios Piracicaba, Capivari e Jundia e suas sub bacias
Fonte: Comit das Bacias Hidrogrficas dos Rios Piracicaba, Capivari e Jundia (2004)

Tabela 7 - reas das sub bacias dos Rios Piracicaba, Capivari e Jundia

Sub bacia rea SP (km2) rea MG (km2) rea total (km2)


Piracicaba 3.700,79 - 3.700,79
Camanducaia 870,68 159,32 1.030,00
Jaguari 2.323,42 966,58 3.290,00
Atibaia 2.828,76 39,98 2.868,74
Corumbata 1.679,19 - 1.679,19
Capivari 1.620,92 - 1.620,92
Jundia 1.114,03 - 1.114,03
Total 14.137,79 1.165,88 15.303,67
Fonte: Comit das Bacias Hidrogrficas dos Rios Piracicaba, Capivari e Jundia (2004)
116

Com uma populao total de 4.467.623 habitantes, as bacias dos rios Piracicaba,

Capivari e Jundia possuem 59 municpios paulistas e 4 municpios mineiros com suas

reas totais nela inseridas. Adicionalmente, 11 municpios paulistas e 1 mineiro

possuem suas sedes em outras bacias hidrogrficas, mas esto parcialmente inseridos

na UGRHI-5. A Tabela 8 relaciona os municpios pertencentes a cada sub bacia, e seus

respectivos dados de populao, de acordo com o censo de 2000 do Instituto Brasileiro

de Geografia e Estatstica (IBGE), esto na Tabela 9.

Os dez municpios mais populosos so Campinas, Piracicaba, Jundia, Limeira,

Sumar, Americana, Santa Brbara dOeste, Rio Claro, Hortolndia e Indaiatuba. Juntos,

detm 65,4% da populao total da bacia. Em 2000 a populao das bacias dos rios

Piracicaba, Capivari e Jundia representava 12,1% da populao do Estado de So Paulo

e 2,6% da populao do Brasil e, em alguns municpios, a urbanizao est em expanso.


117

Tabela 8 - Municpios que compem cada sub bacia

Sub Bacia Municpios


Piracicaba guas de So Pedro, Americana, Campinas, Charqueada,
Hortolndia, Iracempolis, Limeira, Monte Mor, Nova
Odessa, Paulnia, Piracicaba, Rio das Pedras, Saltinho, Santa
Brbara dOeste, Santa Maria da Serra, So Pedro, Sumar

Corumbata Analndia, Charqueada, Cordeirpolis, Corumbata, Ipena,


Iracempolis, Piracicaba, Rio Claro, Santa Gertrudes, So
Pedro

Jaguari Americana, Amparo, Artur Nogueira, Bragana Paulista,


Camanducaia1, Campinas, Cordeirpolis, Cosmpolis,
Extrema1, Holambra, Itapeva1, Jaguarina, Joanpolis,
Limeira, Morungaba, Nova Odessa, Paulnia, Pedra Bela,
Pedreira, Pinhalzinho, Piracaia, Santo Antnio de Posse,
Tuiuti, Vargem

Camanducaia Amparo, Extrema1, Holambra, Jaguarina, Monte Alegre do


Sul, Pedra Bela, Pedreira, Pinhalzinho, Santo Antnio de
Posse, Toledo1, Tuiuti

Atibaia Americana, Atibaia, Bragana Paulista, Camanducaia1,


Campinas, Campo Limpo Paulista, Cosmpolis, Extrema1,
Itatiba, Jaguarina, Jarinu, Joanpolis, Jundia, Louveira,
Morungaba, Nazar Paulista, Nova Odessa, Paulnia,
Piracaia, Valinhos, Vinhedo

Capivari Campinas, Capivari, Elias Fausto, Hortolndia, Indaiatuba,


Itatiba, Itupeva, Jundia, Louveira, Mombuca, Monte Mor,
Rafard, Rio das Pedras, Santa Brbara dOeste, Valinhos,
Vinhedo

Jundia Atibaia, Cabreva, Campo Limpo Paulista, Indaiatuba,


Jarinu, Jundia, Mairipor, Salto, Vrzea Paulista

1Municpiosdo Estado de Minas Gerais pertencentes UGRHI-5


Fonte: Comit das Bacias Hidrogrficas dos Rios Piracicaba, Capivari e Jundia (2004)
118

Tabela 9 - Dados de populao dos municpios pertencentes UGRHI-5

Municpio Populao Municpio Populao


total (hab) total (hab)
guas de So Pedro 1.883 Monte Alegre do Sul 6.321
Americana 182.593 Monte Mor 37.340
Amparo 60.404 Morungaba 9.911
Analndia 3.582 Nazar Paulista 14.410
Artur Nogueira 33.124 Nova Odessa 42.071
Atibaia 111.300 Paulnia 51.326
Bom Jesus dos Perdes 13.313 Pedra Bela 5.609
Bragana Paulista 125.031 Pedreira 35.219
Cabreuva1 33.100 Pinhalzinho 10.986
Campinas 969.396 Piracaia 23.347
Campo Limpo Paulista 63.724 Piracicaba 329.158
Capivari 41.468 Rafard 8.360
Charqueada 13.037 Rio Claro 168.218
Cordeirpolis 17.591 Rio das Pedras 23.494
Corumbata 3.794 Saltinho 5.799
Cosmpolis 44.355 Salto 93.159
Elias Fausto 13.888 Santa Brbara dOeste 170.078
Holambra 7.211 Santa Gertrudes 15.906
Hortolndia 152.523 Santa Maria da Serra 4.673
Indaiatuba 147.050 Santo Antnio de Posse 18.124
Ipena 4.340 So Pedro 27.897
Iracempolis 15.555 Sumar 196.723
Itatiba 81.197 Tuiuti 4.956
Itupeva 26.166 Valinhos 82.973
Jaguarina 29.597 Vargem 6.975
Jarinu 17.041 Vrzea Paulista 92.800
Joanpolis 10.409 Vinhedo 47.215
Jundia 323.397 Camanducaia2 20.537
Limeira 249.046 Extrema2 19.219
Louveira 23.903 Itapeva2 7.361
Mairipor1 60.111 Toledo2 5.222
Mombuca 3.107
1 Municpios com sede fora da bacia e membros do Comit Estadual da Bacia do Piracicaba, Capivari e
Jundia
2 Municpios do Estado de Minas Gerais pertencentes UGRHI-5

Fonte: Comit das Bacias Hidrogrficas dos Rios Piracicaba, Capivari e Jundia (2004)

A partir dos dados de evoluo populacional apresentados nos censos de 1980,

1991 e 2000 e das Taxas Gerais de Crescimento Anual (TGCAs), o Comit das Bacias

Hidrogrficas dos Rios Piracicaba, Capivari e Jundia (2004) estima a populao dos
119

municpios pertencentes UGRHI-5 para os anos de 2003, 2005, 2010 e 2020, conforme

mostra a Tabela 10.

Tabela 10 - Evoluo da populao dos municpios pertencentes UGRHI-5

Municpio Projees populacionais (hab)


2003 2005 2010 2020
guas de So Pedro 1.950 1.996 2.116 2.378
Americana 193.429 201.007 221.279 268.161
Amparo 64.029 66.566 73.356 89.084
Analndia 3.794 3.942 4.338 5.253
Artur Nogueira 39.728 44.846 60.716 111.293
Atibaia 121.229 128.336 147.979 196.745
Bom Jesus dos Perdes 14.731 15.760 18.656 26.143
Bragana Paulista 134.845 141.813 160.847 206.922
Cabreuva1 30.500 34.621 50.431 103.439
Campinas 1.014.193 1.045.201 1.126.935 1.310.076
Campo Limpo Paulista 71.431 77.080 93.235 136.413
Capivari 44.237 46.185 51.438 63.805
Charqueada 13.918 14.538 16.211 20.157
Cordeirpolis 19.308 20.544 23.994 32.726
Corumbata 4.036 4.207 4.664 5.734
Cosmpolis 47.578 49.856 56.040 70.804
Elias Fausto 14.741 15.339 16.943 20.669
Holambra 7.936 8.460 9.924 13.658
Hortolndia 185.053 210.509 290.539 553.443
Indaiatuba 166.890 181.582 224.223 341.898
Ipena 5.093 5.666 7.396 12.605
Iracempolis 17.094 18.203 21.302 29.172
Itatiba 89.083 94.761 110.591 150.625
Itupeva 29.597 32.131 39.456 59.496
Jaguarina 32.415 34.442 40.079 54.274
Jarinu 19.819 21.918 28.192 46.640
Joanpolis 11.285 11.910 13.628 17.842
Jundia 335.762 344.267 366.484 415.311
Limeira 264.702 275.682 305.167 373.935
Louveira 27.212 29.669 36.825 56.733
Mairipor1 7.692 8.453 8.523 18.405
Mombuca 3.300 3.436 3.799 4.645
Monte Alegre do Sul 6.649 6.877 7.481 8.855
Monte Mor 42.419 46.184 57.122 87.385
Morungaba 10.559 11.015 12.241 15.119
Nazar Paulista 15.469 16.218 18.253 23.122
Nova Odessa 45.168 47.359 53.312 67.556
Paulnia 57.455 61.942 74.753 108.872
120

Tabela 10 (continuao) - Evoluo da populao dos municpios pertencentes UGRHI-5

Municpio Projees populacionais (hab)


2003 2003
Pedra Bela 5.775 5.889 6.183 6.817
Pedreira 38.057 40.076 45.602 59.047
Pinhalzinho 12.008 12.742 14.779 19.882
Piracaia 25.023 26.207 29.417 37.066
Piracicaba 348.106 361.340 396.668 478.025
Rafard 8.285 8.235 8.111 7.870
Rio Claro 179.700 187.787 209.632 261.241
Rio das Pedras 25.187 26.383 29.628 37.364
Saltinho 6.065 6.249 6.733 7.818
Salto 101.437 107.360 123.727 164.325
Santa Brbara DOeste 179.345 185.802 202.980 242.246
Santa Gertrudes 18.300 20.093 25.383 40.507
Santa Maria da Serra 4.805 4.894 5.126 5.623
Santo Antnio da Posse 19.652 20.742 23.738 31.092
So Pedro 31.110 33.455 40.121 57.703
Sumar 220.042 237.105 285.776 415.142
Tuiuti 5.285 5.517 6.140 7.608
Valinhos 88.769 92.856 103.916 130.145
Vargem 7.798 8.400 10.116 14.671
Vrzea Paulista 102.569 109.646 129.551 180.857
Vinhedo 52.934 57.127 69.119 101.184
Sub-total SP 4.694.581 4.940.426 5.630.914 7.435.626
Camanducaia 21.917 22.888 25.509 31.685
Extrema 21.222 22.672 26.745 37.219
Itapeva 8.105 8.642 10.147 13.987
Toledo 5.424 5.564 5.928 6.729
Sub-total MG 56.668 59.766 68.329 89.620
Total 4.751.249 5.000.192 5.699.243 7.525.246
1 Populao referente rea do municpio inserida na UGRHI-5
Fonte: Comit das Bacias Hidrogrficas dos Rios Piracicaba, Capivari e Jundia (2004)

A ocupao das cidades da bacia foi devido minerao e ao dos

Bandeirantes, mas foi o ciclo da cana-de-acar e caf e a posio geogrfica dos

municpios que trouxeram o crescimento e desenvolvimento econmico da regio.

Posteriormente, o processo de desconcentrao industrial da regio metropolitana de

So Paulo transformou a regio das bacias hidrogrficas dos rios Piracicaba, Capivari e

Jundia em uma das frentes mais desenvolvidas da economia paulista, merecendo

destaque a elevada diversificao de sua base produtiva e a importncia da presena de


121

plantas industriais intensivas em capital e tecnologia, concentradas principalmente nos

municpios de Sumar, Indaiatuba e Paulnia.

De acordo com Ferreira (2000), essa regio tem a segunda economia do Estado e

terceira do Pas. O desenvolvimento econmico dessa regio, entretanto, est ameaado

diante da degradao crescente dos seus recursos hdricos. Nessas bacias esto se

tornando cada vez mais comuns situaes de disputa pela gua principalmente nos

perodos de estiagem.

4.3.1. A bacia do Rio Atibaia: Recursos Hdricos

Os trabalhos de hidrologia superficial para diagnosticar a situao dos recursos

hdricos devem conduzir avaliao da disponibilidade hdrica superficial, das

demandas e da qualidade das guas e efluentes lanados.

Os principais dados necessrios pertinentes bacia em que foi realizado o estudo

so informaes gerais, mapas, dados de populao, desenvolvimento econmico,

pontos de captao e lanamento, vazes captadas pelos diversos setores usurios,

vazes de esgoto e efluentes industriais lanadas bem como a carga dos constituintes

das guas residurias, parmetros de qualidade da gua do corpo receptor, alm dos

dados fluviomtricos e pluviomtricos.

As informaes foram obtidas junto ao Comit das Bacias Hidrogrficas dos Rios

Piracicaba, Capivari e Jundia, CETESB, Agncia Nacional de guas (ANA), Instituto

Brasileiro de Geografia e Estatstica (IBGE) e em outras instituies que possuem

informaes relativas ao sistema hdrico da regio.


122

- Disponibilidade hdrica superficial:

O rio Atibaia possui uma extenso desde sua nascente at a foz de 230,18 km.

De acordo com os dados pluviomtricos levantados pelo Comit das Bacias

Hidrogrficas dos Rios Piracicaba, Capivari e Jundia (2004), o perodo mais seco do ano

vai de maio a setembro e o mais chuvoso, outubro a abril.

Os dados das precipitaes mdias mensais indicam que os meses menos

chuvosos so julho e agosto e que as maiores precipitaes ocorrem em dezembro e

janeiro.

A Tabela 11 relaciona os valores mdios mensais de precipitao da bacia do rio

Atibaia, para os anos de 2002 e 2003. Na Figura 19 esses valores so apresentados em

forma de grfico.

Tabela 11 - Precipitaes mdias mensais1, mm, da bacia do rio Atibaia

Bacia Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Atibaia 271 212 174 88 71 51 36 40 78 149 166 246
1 Mdias mensais de precipitao pluvial calculadas pelo mtodo de Thiesen a partir de estaes
pluviomtricas com sries histricas variveis
Fonte: Comit das Bacias Hidrogrficas dos Rios Piracicaba, Capivari e Jundia (2004)
123

300

250

200
Precipitao (mm)

150

100

50

0
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

Figura 19 - Precipitaes mdias mensais, mm, sub bacia do rio Atibaia

Com relao s estaes fluviomtricas, a Tabela 12 apresenta os valores das

vazes mdia plurianual (Qm), mnima com 95% de permanncia (Q95), mnima com 1

ms de durao e tempo de retorno de 10 anos (Q1,10) e mnima com 7 dias de durao e

tempo de retorno de 10 anos (Q7,10).

Tabela 12 - Vazes para a bacia do rio Atibaia

Sub bacia Vazes (m3/s)


Qm Q95 Q1,10 Q7,10
Atibaia 31,27 11,27 9,01 13,57
Fonte: Comit das Bacias Hidrogrficas dos Rios Piracicaba, Capivari e Jundia (2004)

Identificaram-se 33 estaes fluviomtricas na bacia do rio Atibaia. Destas, 16 se

encontram no curso principal. Por motivo de quantidade e consistncia das informaes,

foram utilizados neste trabalho os dados dos seguintes postos fluviomtricos: F1


124

(Atibaia), F2 (Bairro da Ponte), F3 (Desembargador Furtado) e F4 (Acima de Paulnia),

relacionados na Tabela 13.

Tabela 13 - Estaes fluviomtricas selecionadas

Ponto Cdigo Nome Norte Este AD Perodo de


(m) (m) (km2) dados
F1 62670000 Atibaia 1143 Nov/1936 a
7.443.990,53 340.568,55 Dez/2004
F2 62676000 Bairro da Ponte 1920 Out/1929 a
7.457.232,64 312.514,47 Dez/2003
F3 62680000 Desembargador Furtado 2308 Mai/1944 a
7.480.675,39 295.789,58 Nov/2003
F4 62690000 Acima de Paulnea 2559 Nov/1947 a
7.483.305,16 281.342,14 Mai/2000

A Tabela 14 fornece a vazo mdia mensal de longo termo para os dados de

monitoramento relativos a cada estao relacionada na Tabela 13. As Figuras 20 a 23

mostram graficamente esses dados para os postos Atibaia, Bairro da Ponte,

Desembargador Furtado e Acima de Paulnea, respectivamente.

Tabela 14 - Vazo mdia mensal (m3/s) dos postos fluviomtricos do rio Atibaia

Vazo mdia mensal de longo termo, m3/s


Posto Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
62670000 25,76 27,08 24,75 18,27 15,07 14,73 12,47 11,29 12,05 14,01 15,62 19,81
62676000 42,54 45,14 40,41 29,01 23,56 22,94 19,15 16,73 17,89 20,83 23,19 33,48
62680000 51,79 52,26 47,27 32,03 25,56 24,28 21,90 18,58 19,76 23,13 26,60 37,88
62690000 55,69 59,51 52,09 35,40 28,09 27,45 22,88 20,05 20,77 24,62 29,88 43,20
125

Posto 62670000 - Atibaia

30,00

25,00
Vazo mdia mensal (m3/s)

20,00

15,00

10,00

5,00

-
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

Figura 20 - Vazo mdia mensal (m3/s) do posto Atibaia (62670000)

Posto 62676000 - Bairro da Ponte

50,00

45,00

40,00

35,00
Vazo mdia mensal (m3/s)

30,00

25,00

20,00

15,00

10,00

5,00

-
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

Figura 21 - Vazo mdia mensal (m3/s) do posto Bairro da Ponte (62676000)


126

Posto 62680000 - Desembargador Furtado

60,00

50,00
Vazo mdia mensal (m3/s)

40,00

30,00

20,00

10,00

-
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

Figura 22 - Vazo mdia mensal (m3/s) do posto Desembargador Furtado (62680000)

Posto 62690000 - Acima de Paulnea

70,00

60,00

50,00
Vazo mdia mensal (m3/s)

40,00

30,00

20,00

10,00

-
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

Figura 23 - Vazo mdia mensal (m3/s) do posto Acima de Paulnea (62690000)


127

- Demanda hdrica:

A partir dos dados do Comit das Bacias Hidrogrficas dos Rios Piracicaba,

Capivari e Jundia (2004) que teve como base o Cadastro de Usurios do Departamento

de guas e Energia Eltrica (DAEE) da Secretaria de Energia, Recursos Hdricos e

Saneamento, elaborou-se a Figura 24, que apresenta as vazes outorgadas captadas de

gua por uso da bacia do rio Atibaia. Os usos contemplados na Figura 25 so:

abastecimento urbano e industrial, irrigao, usos rurais (aqicultura e dessedentao

de animais) e demais usos (minerao, recreao e paisagismo).

Sub bacia do rio Atibaia

12

10,12
10

8
Vazes captadas (m3/s)

6 5,51

4
3,01

2
1,38

0,21
0,01
0
Abastecimento urbano Abastecimento industrial Irrigao Uso rural Demais usos Total
Usos

Figura 24 - Vazes captadas na bacia do rio Atibaia

O uso urbano predominante na bacia do rio Atibaia. Do total captado, 54,5%

para essa finalidade. A captao para uso industrial, rural e demais usos de,

respectivamente, 29,7% 15,7% 0,10% do total. Essa bacia tem a maior vazo captada

para uso urbano.


128

- Qualidade dos recursos hdricos:

O estudo da qualidade das guas do rio Atibaia foi realizado com dados da rede

de monitoramento da CETESB que possui seis pontos, destes, quatro esto localizados

no curso do rio Atibaia, antes do barramento do reservatrio de Americana, trecho

simulado nesse estudo. A Tabela 15 apresenta a descrio dos pontos de

monitoramento.

Tabela 15 - Relao dos pontos de monitoramento da CETESB

Ponto Cdigo Norte (m) Este (m) Perodo de dados


Q1 ATIB02010 7.444.203,96 341.773,46 1995 a 2004
Q2 ATIB02035 7.462.063,93 301.723,49 2000 a 2004
Q3 ATIB02065 7.465.638,97 297.543,46 1989 a 2004
Q4 ATIB02300 7.482.124,92 283.739,71 2000 a 2004

As guas superficiais do rio Atibaia esto enquadradas como Classe 3 no trecho

inicial do curso dgua, passando para Classe 2 at o rio ser barrado no reservatrio de

Americana, onde suas guas recebem o enquadramento de Classe 4.

O contnuo crescimento populacional verificado nas reas urbanas da bacia do rio

Atibaia ameaa o equilbrio dos recursos hdricos da regio. A supresso da vegetao

nativa e o aumento da gerao de efluentes domsticos confirmam a necessidade de

elaborao de uma poltica de planejamento ambiental com o objetivo de impedir que as

fontes de risco se proliferem.

A Tabela 16 apresenta os lanamentos de efluentes lquidos de diversas origens

ocorridos nos cursos dgua da bacia do rio Atibaia.


129

Tabela 16 - Lanamento de efluentes, em m3/s.

Bacia Uso urbano Uso industrial Uso rural Minerao Outros Total
Atibaia 3,327 2,937 0,278 0,005 0,001 6,549
Fonte: Comit das Bacias Hidrogrficas dos Rios Piracicaba, Capivari e Jundia (2004)

O uso urbano representa 50,8% da vazo de efluentes lquidos lanados nos rios

da bacia. A poluio do rio Atibaia basicamente decorrente do lanamento das cargas

poluidoras de origem domstica no tratadas e remanescentes de tratamento j

implantados.

A Tabela 17 apresenta a carga orgnica poluidora gerada pelos municpios da

bacia.

Tabela 17 - Carga orgnica domstica gerada nos municpios da bacia do rio Atibaia

Municpio Populao Atendimento (%) Carga poluidora Vazo de


urbana (kg DBO/dia) lanamento (m3/s)
Coleta Tratamento Potencial Remanescente
Atibaia 96.720 67 0 5.223 5.223 0,114
Bom Jesus dos 11.127 75 0 601 601 0,003
Perdes
Itatiba 65.602 94 0 3.543 3.543 0,004
Jarinu 11.623 57 100 628 341 0,632
Joanpolis 10.388 86 100 561 175 0,030
Nazar Paulista 5.821 54 100 314 179 0,017
Paulnea 50.677 83 0 2.737 2.737 0,018
Piracaia 22.986 66 30 1.241 1.045 0,016
Vinhedo 58.739 69 0 3.172 3.172 0,006
Valinhos 43.760 53 70 2.363 1.662 0,053
Campinas 344.894 84 15 18.624 16.747 0,666
Fonte: Comit das Bacias Hidrogrficas dos Rios Piracicaba, Capivari e Jundia (2004)

A densidade industrial aumenta de montante para jusante devido concentrao

dos grandes centros consumidores do seu ponto mdio at a foz, chegando ao pice no

municpio de Paulnea, onde se localiza um grande plo petroqumico. So 26 as

empresas que respondem por 90% da carga industrial remanescente da bacia. Essas

indstrias esto relacionadas na Tabela 18.


130

Tabela 18 - Principais indstrias poluidoras da bacia do rio Atibaia

Indstria Ramo Municpio Carga poluidora


remanescente
(kg DBO /dia)
Cofina Txtil Bom Jesus dos 5
Perdes
Prodome Qumica Campinas 2
Elizabeth (3 Txtil Itatiba 466
unidades)
Timavo do Brasil Txtil Itatiba 45
Fibralin Txtil Itatiba 52
Coop. Avcola de Avcola Itatiba 290
Itatiba
Suo Holands Alimentcio Itatiba 1
Linha Zita Txtil Itatiba 6
Duomo Txtil Itatiba 203
Witco do Brasil Qumica Itatiba 1
Covolan Txtil Itatiba 141
Rhodia Qumica Paulnea 1.038
Rhodiaco Qumica Paulnea 1.081
Bann Qumica Paulnea 162
Petrobrs REPLAN Petroqumica Paulnea 269
Shell Qumica Paulnea 18
J. Bresler Papel Paulnea 600
Gessy Lever Qumica Valinhos 36
Cartonifcio Papel Valinhos 1
Valinhos
CHR Hansen Alimentcio Valinhos 3
Martini Alimentcio Valinhos 1
Rigesa Papel Valinhos 186
Vinhedense Avcola Vinhedo 11
Espetinhos Mimi Alimentcio Vinhedo 1
Total 4.619
Fonte: ALVIM; FIGUEIREDO, 2004

4.3.2. Dados de entrada do modelo QUAL2K e calibrao

As variveis de estado selecionadas para simulao foram OD e DBO e o

parmetro para calibrao, a constante de desoxigenao.


131

- Segmentao do sistema:

O rio Atibaia possui, aproximadamente, 180 km de extenso. O trecho simulado

foi desde a sua formao, na confluncia dos rios Cachoeira e Atibainha, at o seu

barramento no reservatrio de Americana, totalizando um percurso de 165,81 km.

O sistema fluvial foi dividido em trechos com caractersticas hidrulicas

semelhantes, e estes trechos foram subdivididos em elementos computacionais de

comprimento de 1 km cada. Os critrios adotados para a diviso do rio em trechos

foram:

- Dados obtidos atravs do mapa topogrfico da bacia, como curvas de nvel,

declividade e visualizao espacial da disposio do percurso do rio.

- Base de dados para modelagem matemtica de qualidade da gua do rio

Atibaia (COMPANHIA DE TECNOLOGIA DE SANEAMENTO AMBIENTAL,

1999).

Este processo resultou na diviso do rio Atibaia em 18 trechos (Tabela 19). O

Trecho 1 inicia-se na confluncia dos rios Cachoeira e Atibainha e o Trecho 18 termina a

montante do reservatrio de Americana.


132

Tabela 19 Diviso em trechos do rio Atibaia

Incio (km) Fim (km) Comprimento No elementos


(km) computacionais
Trecho 1 182,05 170,00 12,05 12
Trecho 2 170,00 158,70 11,30 12
Trecho 3 158,70 153,05 5,65 5
Trecho 4 153,05 149,60 3,45 4
Trecho 5 149,60 142,10 7,50 7
Trecho 6 142,10 122,10 20,00 20
Trecho 7 122,10 108,75 13,35 14
Trecho 8 108,75 100,40 8,35 8
Trecho 9 100,40 80,55 19,85 20
Trecho 10 80,55 77,90 2,65 3
Trecho 11 77,90 74,55 3,35 3
Trecho 12 74,55 66,90 7,65 8
Trecho 13 66,90 46,90 20,00 20
Trecho 14 46,90 30,30 16,60 16
Trecho 15 30,30 26,85 3,45 4
Trecho 16 26,85 23,95 2,90 3
Trecho 17 23,95 21,25 2,70 2
Trecho 18 21,25 16,24 5,01 5

A Tabela 20 esquematiza a localizao dos pontos de captao, lanamento e

tributrios de cada trecho do rio Atibaia. As distncias, em km, foram calculadas a partir

da foz. Os dados para montagem do diagrama foram extrados de Companhia de

Tecnologia de Saneamento Ambiental (1999) e Comit das Bacias Hidrogrficas dos Rios

Piracicaba, Capivari e Jundia (2004).


133

Tabela 20 Pontos de captao, lanamento e tributrios de cada trecho

Trecho Descrio km
Incio 182,05
Trecho 1 Fim 170,00
Incio 170,00
Captao Atibaia 169,00
Lanamento Domstico Atibaia 167,00
Ribeiro Itapetinga 162,00
Ribeiro Onofre 162,00
Ribeiro Folha Larga 162,00
Trecho 2 Fim 158,70
Incio 158,70
Trecho 3 Fim 153,05
Incio 153,05
Trecho 4 Fim 149,60
Incio 149,60
Trecho 5 Fim 142,10
Incio 142,10
Ribeiro das Pedras 140,00
Ribeiro Campo Largo 140,00
Trecho 6 Fim 122,10
Incio 122,10
Captao Jundia 120,00
Lanamento Domstico Itatiba 113,00
Lanamento Industrial Malib 113,00
Captao Itatiba 110,00
Lanamento Domstico Itatiba 108,00
Ribeiro Jacarezinho 108,00
Trecho 7 Fim 108,75
Incio 108,75
Trecho 8 Fim 100,40
Incio 100,40
Captao Valinhos 84,00
Trecho 9 Fim 80,55
Incio 80,55
Ribeiro Pinheiros 80,00
Captao Campinas 78,00
Trecho 10 Fim 77,90
Incio 77,90
Trecho 11 Fim 74,55
Incio 74,55
Lanamento Domstico Campinas 74,00
Captao Industrial Prodome 73,00
Lanamento Industrial Prodome 72,00
Trecho 12 Fim 66,90
134

Tabela 20 (continuao) Pontos de captao, lanamento e tributrios de cada trecho

Trecho Descrio km
Trecho 13 Incio 66,90
Fim 46,90
Incio 46,90
Captao Industrial Rhodia 32,00
Lanamento Industrial Rhodia 31,00
Trecho 14 Fim 30,30
Incio 30,30
Ribeiro. Anhumas 30,00
Lanamento Industrial Rhodiaco 29,00
Lanamento Industrial Rhodia 29,00
Lanamento Industrial Bann 29,00
Captao Industrial Bann 28,00
Captao Industrial Hrcules 28,00
Captao Industrial Shell 28,00
Captao Industrial Ici 28,00
Trecho 15 Fim 26,85
Incio 26,85
Lanamento Industrial Replan 26,00
Lanamento Industrial Shell 26,00
Lanamento Industrial J. Bresler 26,00
Trecho 16 Fim 23,95
Incio 23,95
Trecho 17 Fim 21,25
Incio 21,25
Lanamento Domstico Paulnia 20,00
Lanamento Industrial J. Bresler 18,00
Captao Sumar 18,00
Trecho 18 Fim 16,24

Para maior simplicidade na simulao do modelo QUAL2K, foi desprezada a

capacidade de autodepurao dos afluentes. As cargas orgnicas lanadas nos afluentes

nas proximidades da margem do rio foram consideradas como sendo lanadas

diretamente no rio Atibaia.

A Tabela 21 fornece os dados de vazo e carga dos pontos de captao e

lanamento considerados no modelo. Para simplificao, um ponto de lanamento pode


135

representar uma somatria de cargas localizadas prximas, para as quais se efetuou o

respectivo balano de massa.


136

Tabela 21 Captaes e lanamentos no rio Atibaia para calibrao do modelo QUAL 2K

Vazo Carga DBO


Ponto Descrio km (m3/s) (kg DBO/dia) DBO (mg/l)
1 Captao de Atibaia 169 0,2333 - -
Lanamento Domstico de Atibaia 167 0,0035 90 297,62
Lanamento Domstico de Atibaia 167 0,0138 360 301,93
Lanamento Domstico de Atibaia 167 0,0014 37 305,89
2 Lanamento Domstico de Atibaia 167 0,079 2047 299,90
BM* 0,0977 2534 300,19
Rib. Itapetinga (Lan. Dom. Atibaia) 162 0,001 25 289,35
Rib. Onofre (Lan. Dom. Atibaia) 162 0,0108 283 303,28
3 Rib. Folha Larga (Lan. Dom. Atibaia) 162 0,0031 78 291,22
BM 0,0149 386 299,84
Rib. das Pedras 140 1,31 113 1,00
4 Rib. Campo Largo (Lan. Dom. Jarinu) 140 0,0075 727 1121,91
BM 1,3175 840 7,38
5 Captao de Jundia 120 1,1 - -
Lan. Dom. Itatiba 113 0,0114 332,3 337,37
6 Lan. Ind. Malib 113 0,0003 1,2 46,30
BM 0,0117 333,5 329,91
7 Captao de Itatiba 110 0,31
Lanamento de Itatiba 108 0,0044 127,4 335,12
Lanamento de Itatiba 108 0,0012 35,3 340,47
8 Rib. Jacarezinho 108 1,3775 3417 28,71
BM 1,3831 3579,7 29,96
Captao de Valinhos 84 0,055
9 Captao de Valinhos 84 0,13
BM 0,185
10 Rib. Pinheiros 80 1,1488 2493 25,12
11 Captao de Campinas 78 3,35
Lan. Dom. Campinas 74 0,0016 45 325,52
12 Lan. Dom. Campinas 74 0,02 558 322,92
BM 0,0216 603 323,11
13 Cap. Ind. Prodome 73 0,0167
14 Lan. Ind. Prodome 72 0,005 1,8 4,17
15 Cap. Ind. Rhodia 32 2,3292
Lan. Ind. Rhodia 31 0,0753 284,7 43,76
16 Lan. Ind. Rhodia 31 0,2883 323,8 13,00
BM 0,3636 608,5 19,37
17 Rib. Anhumas 30 2,2117 19070,55 99,80
Lan. Ind. Rhodiaco 29 0,0314 1080,6 398,31
Lan. Ind. Rhodia 29 0,9995 388,6 4,50
Lan. Ind. Rhodia 29 0,1356 41 3,50
18 Lan. Ind. Bann 29 0,0072 162 260,42
137

Tabela 22 (continuao) Captaes e lanamentos no rio Atibaia para calibrao do modelo QUAL 2K

Vazo Carga DBO


Ponto Descrio km (m3/s) (kg DBO/dia) DBO (mg/l)
BM 1,1737 1672,2 16,49
Cap. Ind. Bann 28 0,015
Cap. Ind. Hrcules 28 0,0017
Cap. Ind. Shell 28 0,0622
Cap. Ind. Ici 28 0,0018
19 BM 0,0807
Lan. Ind. Replan 26 0,133 269,2 23,43
Lan. Ind. Shell 26 0,0014 17,8 147,16
20 Lan. Ind. J. Bresler 26 0,015 600,4 463,27
BM 0,1494 887,4 68,75
21 Lan. Dom. Paulnia 20 0,103 3354 376,89
Cap. Ind. J. Bresler 18 0,0875
22 Cap. Sumar 18 0,33
BM 0,4175
* Balano de massa
Fonte: Companhia de Tecnologia de Saneamento Ambiental (1999), Companhia de Tecnologia de

Saneamento Ambiental (2007) e Comit das Bacias Hidrogrficas dos Rios Piracicaba, Capivari e Jundia

(2004)

O diagrama unifilar do trecho do rio simulado apresentado na Figura 25. Nela

esto ilustrados a segmentao do rio em trechos, a localizao dos postos

fluviomtricos, pontos de monitoramento da qualidade da gua, fontes de captao e

lanamento, de acordo com os dados das Tabelas 13, 15, 19 e 21.


138

Figura 25 Diagrama unifilar do trecho simulado do rio Atibaia

- Dados hidrulicos:

Como citado anteriormente, as estaes fluviomtricas utilizadas para anlise

foram: F1 (Atibaia), F2 (Bairro da Ponte), F3 (Desembargador Furtado) e F4 (Acima de

Paulnia).

Foram utilizados os coeficientes de descargas para a determinao dos dados

hidrulicos, sendo as constantes empricas (dados de entrada) obtidas atravs de

equaes de potncia (Eq. 47.a, 47.b e 47.c).

As sries histricas de velocidade, profundidade e vazo de cada posto foram

utilizadas para a determinao dos coeficientes de descarga.

As Figuras 26 a 29 mostram os ajustes de equaes de potncia para os dados das

sries de cada estao.


139

Figura 26 Coeficientes de descarga do Posto 62670000 (Atibaia)

Figura 27 Coeficientes de descarga do Posto 62676000 (Bairro da Ponte)

Figura 28 Coeficientes de descarga do Posto 62680000 (Desembargador Furtado)


140

Figura 29 Coeficientes de descarga do Posto 62690000 (Acima de Paulnea)

As constantes empricas obtidas para cada posto foram utilizadas para

determinados trechos, de acordo com a Tabela 22.

Tabela 22 Relao das estaes fluviomtricas utilizadas para cada trecho e determinao das
constantes empricas
Ponto Cdigo Nome Trecho Equaes de potncia
F1 62670000 Atibaia 1a6 U = 0,109Q0,387
H = 0,495Q0,449
F2 62676000 Bairro da Ponte 7 a 12 U = 0,124Q0,411
H = 0,466Q0,429
F3 62680000 Desembargador 13 e 14 U = 0,050Q0,606
Furtado H = 0,686Q0,303
F4 62690000 Acima de Paulnia 15 a 18 U = 0,043Q0,720
H = 0,811Q0,230

- Calibrao:

O processo de calibrao consiste, aps entrada dos dados hidrulicos e

qualitativos, no ajuste do parmetro considerado (parmetro de desoxigenao k1) aos

valores calculados e observados das variveis de estado selecionadas (OD e DBO).

A Tabela 23 apresenta a ordem de grandeza da taxa de degradao da matria

orgnica usualmente determinada em laboratrio.


141

Tabela 23 Ordem de grandeza da taxa de degradao da matria orgnica, a 20 oC

Tratamento k1 (20oC)
Esgoto bruto 0,35 (0,20 0,50)
Tratamento primrio 0,20 (0,10 0,30)
Tratamento secundrio 0,075 (0,05 0,10)
Fonte: Chapra (1997)

O parmetro de reaerao atmosfrica (k2) representa a taxa de difuso do

oxignio atmosfrico do ar para a gua. O valor de k2 pode ser obtido atravs de

frmulas empricas e semi-empricas vinculadas a dados hidrulicos do sistema, ou por

tcnicas de medio. A medio do coeficiente de reaerao requer exaustivos trabalhos

de campo e de laboratrio, equipamentos e corpo tcnico especializado.

A Tabela 24 apresenta algumas frmulas empricas para a previso do coeficiente

de reaerao (dia-1), a 20C.

Tabela 24 Equaes para o parmetro de reaerao k2, em dia-1

Equaes
OConnor e Dobbins Churchill Owens-Gibbs
0.5
U U
k 2 ( 20 o C ) = 5.026 1.67 U 0.67
k 2 (20 o C ) = 3.93 k 2 (20 o C ) = 5.32
H 1.5 H H 1.85
Velocidade 0,15 0,50 Velocidade 0,55 1,52 Velocidade 0,03 0,55
(m/s) (m/s) (m/s)
Profundidade 0,30 9,10 Profundidade 0,60 3,35 Profundidade 0,10 0,73
(m) (m) (m)
*U a velocidade mdia no trecho e H a profundidade mdia no trecho

Fonte: CHAPRA; PELLETIER; TAO, 2005

No presente trabalho, a calibrao do modelo QUAL2K para a bacia do rio Atibaia

foi feita em quatro perodos, sendo estes: 1 perodo, referente aos meses de janeiro,

fevereiro e maro; 2 perodo, referente aos meses de abril, maio e junho; 3 perodo,

referente aos meses de julho, agosto e setembro; 4 perodo, referente aos meses de

outubro, novembro e dezembro. Os meses do ano foram agrupados devido semelhana


142

de vazes mdias mensais entre os mesmos, resultando em vazes mdias trimestrais

(Tabela 25).

Neste sentido, cada parmetro foi ajustado para cada perodo.

Tabela 25 Vazo mdia trimestral, em m3/s, considerada para calibrao do modelo QUAL2K

Posto Vazo mdia trimestral (m3/s)


Jan/fev/mar Abr/mai/jun Jul/ago/set Out/nov/dez
62670000 25,86 16,02 11,94 16,48
62676000 42,70 25,17 17,92 25,83
62680000 50,44 27,29 20,08 29,20
62690000 55,76 30,31 21,23 32,57

A velocidade mdia, a profundidade mdia e a rea da seo transversal em cada

trecho do rio foram utilizadas para a escolha da frmula para o clculo do coeficiente de

reaerao e o clculo do tempo de deteno hidrulico. Esses dados so apresentados

nas Tabelas 26 e 27. Os dados foram obtidos a partir das sries histricas de cada

estao, fornecidas pela Agncia Nacional de guas. Pelos dados de velocidade e

profundidade, o coeficiente de reaerao foi calculado pela equao de OConnor e

Dobbins.
143

Tabela 26 Velocidade mdia, em m/s, do rio Atibaia

Posto Velocidade mdia (m/s)


Jan/fev/mar Abr/mai/jun Jul/ago/set Out/nov/dez
Trecho 1 0,337 0,379 0,294 0,298
Trecho 2 0,337 0,379 0,294 0,298
Trecho 3 0,337 0,379 0,294 0,298
Trecho 4 0,337 0,379 0,294 0,298
Trecho 5 0,337 0,379 0,294 0,298
Trecho 6 0,337 0,379 0,294 0,298
Trecho 7 0,501 0,470 0,398 0,460
Trecho 8 0,501 0,470 0,398 0,460
Trecho 9 0,501 0,470 0,398 0,460
Trecho 10 0,501 0,470 0,398 0,460
Trecho 11 0,501 0,470 0,398 0,460
Trecho 12 0,501 0,470 0,398 0,460
Trecho 13 0,563 0,369 0,293 0,413
Trecho 14 0,563 0,369 0,293 0,413
Trecho 15 0,571 0,432 0,305 0,422
Trecho 16 0,571 0,432 0,305 0,422
Trecho 17 0,571 0,432 0,305 0,422
Trecho 18 0,571 0,432 0,305 0,422

Tabela 27 Profundidade mdia, em m, do rio Atibaia

Posto Profundidade mdia (m)


Jan/fev/mar Abr/mai/jun Jul/ago/set Out/nov/dez
Trecho 1 1,937 1,985 1,402 1,489
Trecho 2 1,937 1,985 1,402 1,489
Trecho 3 1,937 1,985 1,402 1,489
Trecho 4 1,937 1,985 1,402 1,489
Trecho 5 1,937 1,985 1,402 1,489
Trecho 6 1,937 1,985 1,402 1,489
Trecho 7 2,003 1,867 1,573 1,852
Trecho 8 2,003 1,867 1,573 1,852
Trecho 9 2,003 1,867 1,573 1,852
Trecho 10 2,003 1,867 1,573 1,852
Trecho 11 2,003 1,867 1,573 1,852
Trecho 12 2,003 1,867 1,573 1,852
Trecho 13 2,130 1,781 1,701 1,850
Trecho 14 2,130 1,781 1,701 1,850
Trecho 15 1,881 1,679 1,530 1,681
Trecho 16 1,881 1,679 1,530 1,681
Trecho 17 1,881 1,679 1,530 1,681
Trecho 18 1,881 1,679 1,530 1,681
144

A comparao entre os valores observados e calculados foi realizada atravs dos

dados de monitoramento de qualidade das guas dos postos ATIB02010, ATIB02035,

ATIB02065, ATIB02300 para as variveis OD e DBO, correlacionando estes com a vazo

mdia trimestral, para cada perodo e dentro de toda a srie de monitoramento.

O modelo foi dado por calibrado para cada perodo, quando os valores calculados

das variveis OD e DBO estavam compreendidos entre os valores 50% mais freqentes

da srie observada.

Para uma melhor visualizao entre valores calculados e observados foram

construdos grficos Boxplot, que representam estatisticamente a porcentagem de

distribuio da varivel observada. A Figura 30 mostra como so construdos os

Boxplots.

Figura 30 Representao Boxplot


Fonte: Rodrigues, 2005

Para a construo dos grficos foi utilizado um pacote computacional de anlise

estatstica MINITAB (verso demonstrativa). Os grficos Boxplot so ilustraes grficas


145

que representam os valores do quartil inferior, da mediana, do quartil superior e dos

valores mximo e mnimo de uma amostra de dados.

As Figuras 31 a 34 mostram a comparao, para cada perodo de calibrao, dos

valores simulados com os valores observados para OD e DBO. Em cada grfico, as linhas

inteiras, horizontais, representam os valores simulados.


146

Figura 31 Boxplot dos dados observados de OD e DBO de cada ponto de monitoramento para os meses
de janeiro/fevereiro/maro
147

Figura 32 Boxplot dos dados observados de OD e DBO de cada ponto de monitoramento para os meses
de abril/maio/junho
148

Figura 33 Boxplot dos dados observados de OD e DBO de cada ponto de monitoramento para os meses
de julho/agosto/setembro
149

Figura 34 Boxplot dos dados observados de OD e DBO de cada ponto de monitoramento para os meses
de outubro/novembro/dezembro
150

A Tabela 28 apresenta os valores obtidos no processo de calibrao para o


coeficiente de degradao da matria orgnica (k1).

Tabela 28 Valores de k1 a 20oC, dia-1

Trecho Jan/fev/mar Abr/mai/jun Jul/ago/set Out/nov/dez


1 0,35 0,15 0,15 0,35
2 0,30 0,15 0,50 0,35
3 0,23 0,51 0,55 0,23
4 0,23 0,53 0,57 0,23
5 0,30 0,55 0,57 0,23
6 0,35 0,57 0,60 0,23
7 0,35 0,57 0,60 0,15
8 0,35 0,57 0,60 0,10
9 0,23 0,10 0,01 0,25
10 0,23 0,23 0,52 0,28
11 0,25 0,30 0,54 0,43
12 0,25 0,35 0,55 0,48
13 0,27 0,35 0,56 0,50
14 0,23 0,23 0,23 0,23
15 0,23 0,23 0,23 0,23
16 0,23 0,23 0,23 0,23
17 0,23 0,23 0,23 0,23
18 0,23 0,23 0,23 0,23

- Simulao:

Os resultados da simulao da qualidade da gua do rio Atibaia, para o perodo

janeiro/fevereiro/maro, so mostrados nas Figuras 35 e 36, para OD e DBO,

respectivamente. Observa-se pelas figuras que no houve violao no padro

estabelecido pela resoluo CONAMA 357 para o oxignio dissolvido, porm, para a

DBO, a violao ocorreu a partir de 29,87 km da foz do rio, justamente aps os

lanamentos dos usurios 16 e 17.

Modelos de otimizao foram aplicados nesse trecho final do rio, onde, atravs da

simulao, verificou-se as violaes.


151

Figura 35 Simulao do OD ao longo do rio Atibaia

Figura 36 Simulao da DBO ao longo do rio Atibaia


152

5. RESULTADOS

Duas etapas foram seguidas para resolver o problema de otimizao atravs de

AGs: formulao da funo objetivo do problema em estudo e escolha dos parmetros de

entrada dos operadores genticos (probabilidades de recombinao e de mutao).

5.1. Funes objetivo

5.1.1. Modelo 1

O primeiro modelo de otimizao proposto tem por objetivo maximizar a

concentrao de DBO emitida por cada fonte pontual de poluio e maximizar a

concentrao de OD do corpo receptor para garantir a melhora qualitativa do rio.

O modelo formulado de acordo com as eq. (102) e (103) que sero reescritas

aqui.

F Wj
Z1 = (1 x j )
j=1 Q j
Maximizar (102)

M
Maximizar Z 2 = ODi (103)
i =1

Sujeito a:

ODi > OD padro i (104)

0 xj 1 j (105)

Z1 e Z2 representam as funes objetivo que se pretende maximizar. Wj a carga

de DBO lanada pela fonte j e Qj a respectiva vazo de lanamento. xj a eficincia do

tratamento e neste caso, a varivel de deciso. O nmero de fontes de poluio F.


153

ODpadro a concentrao mnima permissvel de OD estipulada pela legislao

para uma determinada classe. ODi a concentrao de oxignio dissolvido encontrada

no ponto de monitoramento i (i = 1,2, ... , M).

ODi determinado atravs de um balano de massa, de acordo com a modelagem

matemtica apresentada no Item 2.1, mais especificamente, na eq. 45 para x > 0. Esta

equao modificada para o clculo de ODi para o presente estudo (eq. 118).

kd Wj 1 Ux (1 mc ) 1 2 E (1 ma )
Ux

ODi = ODS (1 x j ) e 2E
e (118)
ka kd Q j mc ma

ODS a concentrao de saturao de oxignio na gua (mg/l), em funo da

temperatura e presso. mc e ma esto definidos na eq. (20), sendo k=k1 (constante de

desoxigenao) e k=k2 (constante de reaerao), respectivamente.

xj o vetor de variveis de deciso, ou melhor, o vetor de solues que se deseja

encontrar, que corresponde aos nveis de remoo da matria orgnica.

Percebe-se pela eq. 102, que quanto menor o valor de xj, maior ser o valor de Z1.

De forma oposta, substituindo a eq. 118 na eq. 103, quanto menor o valor de xj, menor

ser o valor de Z2, situao no desejvel. Matematicamente, esta relao mostra o

conflito para se atingir simultaneamente os dois objetivos, caracterstica dos problemas

de otimizao multiobetivo.
154

5.1.2. Modelo 2

O segundo modelo de otimizao proposto tem por objetivo maximizar a

concentrao de DBO emitida por cada fonte de lanamento e minimizar a magnitude

das violaes dos padres de DBO do corpo receptor, de acordo com a legislao vigente.

O modelo formulado de acordo com as eq. (106) e (107).

F Wj
Z1 = (1 x j )
j=1 Q j
Maximizar (106)

M
Minimizar Z 3 = DBOi DBO padro (107)
i =1

Sujeito a:

0 xj 1 j (108)

Z1 e Z3 representam as funes objetivo que se pretende maximizar e minimizar,

respectivamente.

DBOpadro a concentrao mxima permissvel de DBO estipulada pela legislao

para uma determinada classe. DBOi a concentrao de DBO encontrada no ponto de

monitoramento i (i = 1,2, ... , M) e determinada atravs de um balano de massa, de

acordo com a modelagem matemtica apresentada no Item 2.1, mais especificamente, na

eq. 31 para x > 0. Esta equao modificada para o clculo de DBOi para o presente

estudo (eq. 119), na qual m est definido na eq. (20), sendo k=k1.

U
1 Wj (1 m ) x
C ( x) = (1 x j ) e 2 E
(119)
m Qj

Novamente, xj o vetor de variveis de deciso que representa o nvel de

remoo da matria orgnica.


155

Quanto menor o valor de xj na eq. (106), maior ser o valor de Z1. De forma

oposta, substituindo a eq. 119 na eq. 108, quanto menor o valor de xj, maior ser o valor

de Z3. Na ocorrncia de violaes, maior ser a magnitude.

5.1.3. Modelo 3

O terceiro modelo de otimizao proposto tem por objetivo maximizar a

concentrao de DBO emitida por cada fonte de lanamento e minimizar a magnitude

das violaes dos padres de DBO do corpo receptor, porm, de forma diferente do

modelo anterior, o terceiro modelo possuiu uma restrio.

Esta restrio a principal contribuio desse trabalho e representa um ndice

para se medir a justia com relao eficincia de tratamento entre as fontes de

poluio.

O terceiro modelo formulado de acordo com as eq. (109) e (110), aqui

reescritas.

F Wj
Z1 = (1 x j )
j=1 Q j
Maximizar (109)

M
Minimizar Z 3 = DBOi DBO padro (110)
i =1

Sujeito a:

1
x
k =1
j x j'
F
=1 x j x j ' , k = 1,..., F (111)
F
x
j =1
j

0 xj 1 j (112)
156

Z1 e Z3 tm por objetivo, respectivamente, maximizar a concentrao de DBO

emitida por cada fonte de lanamento e minimizar as violaes nos padres de

concentrao de DBO do corpo receptor.

A restrio (eq. 111) prope que, na ocorrncia de violaes, as eficincias do

tratamento dos efluentes necessrias para minimizar a violao do padro de qualidade

da gua sejam distribudas de forma eqitativa entre os usurios.

Na eq. 111, xj representa a eficincia do tratamento necessria para cada fonte de

poluio, sendo o nmero de fontes igual a F. O numerador a somatria do valor

absoluto da diferena entre as eficincias de cada fonte, no incluindo ela mesma. J o

denominador a somatria das eficincias de todas as fontes de poluio. Quando o

ndice assume o valor igual a 1, h distribuio uniforme, ou seja, uma melhor eqidade.

Como h dificuldade em se trabalhar com restries nos AGs, a restrio em

considerao foi introduzida na funo objetivo na forma de funo penalidade. Funes

penalidades so aproximaes que auxiliam a obteno de solues timas dentro da

regio factvel do espao de busca. O valor da funo penalidade somado ao valor total

da funo objetivo. Com isso, solues boas tendem apresentar o valor da funo

penalidade prximo de zero e solues ruins tendem a manter esse valor elevado,

provavelmente sendo descartadas pelos AGs no processo iterativo.

5.2. Parmetros do AG

Os parmetros de entrada dos AGs so: dimenso da populao, nmero de

geraes, probabilidade de recombinao e probabilidade de mutao. A determinao

desses parmetros uma das principais dificuldades dos AGs.


157

As caractersticas estocsticas dos AGs esto presentes no processo de busca por

regies inexploradas do espao que dependem dos operadores genticos. No existe

expresso analtica ou um modelo terico que descreva o desempenho dos AGs em

termos dos seus parmetros (CHEUNG, 2004).

O principal objetivo dos operadores genticos gerar novas solues dentro do

espao de busca, com intuito de explorar novas regies desse espao. O operador de

recombinao tem a funo de criar novas solues (filhos) atravs da recombinao de

solues correntes (pais). Para imitar a natureza estocstica da evoluo natural, uma

probabilidade de recombinao associada com esse operador. Ao contrrio, o operador

de mutao desempenha um papel importante no processo de evoluo dos AGs, pois

atravs desse operador que novo material gentico introduzido a uma populao

durante o processo iterativo. O operador de mutao modifica as solues correntes

atravs de uma mudana gradual nas variveis de deciso (genes) do vetor associado

(cromossomo) obedecendo a um critrio probabilstico (probabilidade de mutao).

Foram selecionados na literatura os intervalos dos parmetros (dimenso da

populao, nmero de geraes, probabilidade de recombinao e probabilidade de

mutao) usualmente utilizados em aplicaes de AGs nos problemas de gerenciamento

de qualidade da gua (YANDAMURI; SRINIVASAN; BHALLAMUDI, 2003). Os intervalos

numricos esto relacionados na Tabela 29.

Tabela 29 Intervalos numricos dos parmetros dos AGs

Parmetro de entrada do AG Intervalo numrico


Dimenso da populao 30 a 100
Nmero mximo de geraes 200
Probabilidade de recombinao 0,5 a 1
Probabilidade de mutao 0,005 a 0,02
158

Diversas simulaes foram realizadas para os modelos propostos considerando

os valores mnimos, mximos e intermedirios dos intervalos de cada parmetro, de

acordo com a Tabela 30.

Tabela 30 Combinao dos parmetros dos AGs usadas nas simulaes

Simulao Dimenso da Probabilidade de Probabilidade de


populao recombinao mutao
1 30 0,5 0,005
2 30 0,8 0,005
3 30 1 0,005
4 30 0,5 0,01
5 30 0,8 0,01
6 30 1 0,01
7 30 0,5 0,02
8 30 0,8 0,02
9 30 1 0,02
10 70 0,5 0,005
11 70 0,8 0,005
12 70 1 0,005
13 70 0,5 0,01
14 70 0,8 0,01
15 70 1 0,01
16 70 0,5 0,02
17 70 0,8 0,02
18 70 1 0,02
19 100 0,5 0,005
20 100 0,8 0,005
21 100 1 0,005
22 100 0,5 0,01
23 100 0,8 0,01
24 100 1 0,01
25 100 0,5 0,02
26 100 0,8 0,02
27 100 1 0,02

Para cada combinao de parmetros foram realizadas cinco rplicas. Para cada

rplica, a simulao partiu de diferentes populaes iniciais (sementes aleatrias

distintas), geradas aleatoriamente. A varivel resposta foi definida como sendo a mdia

das cinco simulaes, para cada caso.


159

As solues finais foram comparadas trs a trs e foi selecionad


selecionada uma

combinao de parmetros.

A Figura 37 apresenta duas solues identificadas pelo NSGA no espao de

objetivos, considerando
ndo uma populao de 70 solues, um nmero de geraes igual a

200, probabilidade de mutao igual a 0,01 e diferentes probabilidade de recombinao.

Um fato evidenciado a perda de solues pertencentes simulao 15 quando

comparada com as solues referentes simulao 13. Nesse caso, a perda de solues

decorrente da aplicao dos operadores genticos (recombinao e mutao) sobre o

conjunto referente ltima gerao.

Figura 37 Diferentes populaes de solues produzidas pelo NSGA


160

Aps as diversas simulaes e comparaes, foram selecionados os seguintes

parmetros: dimenso da populao = 100; probabilidade de recombinao = 1;

probabilidade de mutao = 0,005.

Para essa combinao de parmetros do NSGA, a Figura 38 apresenta os

resultados de uma simulao, considerando a evoluo das populaes em diferentes

nmeros mximos de geraes. possvel identificar uma convergncia prematura caso

o nmero de geraes adotadas fosse 10 e a perda de diversidade de solues caso o

nmero de geraes fosse 100. Atravs das simulaes realizadas, observou-se que a

gerao da frente Pareto se estabilizava com o nmero de 200 geraes.

Figura 38 Comparao de frentes Pareto obtidas pelo NSGA


161

5.4. Simulaes

5.4.1. Simulao do Primeiro Modelo

A Figura 39 ilustra a relao de compromisso existente entre a maximizao do

lanamento de efluentes e a maximizao da concentrao de OD no corpo hdrico.

Foram considerados cinco pontos de lanamento localizados no trecho final do rio

Atibaia, devido ao fato de que, a partir desses lanamentos, foram verificadas violaes

nos padres de qualidade da gua para a varivel DBO. So eles: pontos de lanamento

16, 17, 18, 20 e 21, relacionados na Tabela 21.

Figura 39 Relao de compromisso entre as duas funes objetivo Modelo 1


162

Cada soluo apresentada na Figura 39 corresponde a uma soluo para ser

escolhida pelo tomador de deciso. medida que a qualidade da gua melhora (Z2

aumenta), uma menor quantidade de efluente deve ser lanada no rio. Foram

selecionadas 5 solues. A soluo 1 corresponde maximizao da concentrao de OD

na gua em detrimento da eficincia do lanamento de efluente (maior eficincia, menor

quantidade lanada). A soluo 5 representa uma situao oposta. Permite-se lanar

mais efluente, porm, a qualidade da gua, em relao ao OD, ser pior. As solues 2, 3 e

4 so situaes intermedirias. Os resultados para cada soluo so mostrados na

Tabela 31. Nesta tabela, x16, x17, x18, x20 e x21 correspondem s variveis de deciso para

cada soluo e representam a remoo da carga orgnica necessria para atingir os

objetivos de cada funo (Z1 e Z2) e esto relacionadas s fontes de lanamento 16, 17,

18, 20 e 21, respectivamente (Tabela 21).

Tabela 31 Solues de compromisso e variveis de deciso Modelo 1

Soluo Z1 Z2 x16 x17 x18 x20 x21


1 13,164 41,253 0,975 0,988 1 0,935 0,981
2 160,33 41,182 0,988 0,988 0,541 0,632 0,666
3 304,18 41,112 0,977 0,988 0,516 0,797 0,255
4 444,76 41,044 0,996 0,988 0,416 0,038 0,024
5 560,54 40,933 0,323 0,012 0,041 0,038 0,027

Pode ser observado pela Figura 39 e Tabela 31 que medida que a eficincia do

tratamento diminui (menor custo), ou melhor, mais efluente lanado, pior a qualidade

da gua.

O resultado da otimizao multiobjetivo foi verificado no estudo de caso do rio

Atibaia, para se analisar a resposta do sistema perante as modificaes da eficincia do

tratamento. Calibrado o modelo QUAL2K, de acordo com o Item 4.3.2, as novas


163

concentraes dos efluentes lanados foram inseridas no modelo para o cenrio de

janeiro/fevereiro/maro.

Os resultados apresentados nas Figuras 40 e 41 referem-se aos resultados das

simulaes realizadas no QUAL2K do rio Atibaia, considerando as eficincias de remoo

da matria orgnica descritas na Tabela 31 (variveis de deciso).

Da mesma forma que na simulao original, no houve violao na concentrao

de OD.

Com relao DBO, para a soluo nmero 5 da otimizao multiobjetivo (Figura

39), que corresponde permisso de se lanar mais efluente em detrimento da

qualidade da gua, percebe-se que ainda h violao a partir do ponto de lanamento 16.

Porm, com uma pequena variao na eficincia do tratamento, h uma melhora

significativa da qualidade da gua (soluo 4).

Figura 40 Simulao do OD, considerando o aumento da eficincia do tratamento de efluentes


164

Figura 41 - Simulao da DBO, considerando o aumento da eficincia do tratamento Modelo 1

5.4.2. Simulao do Segundo Modelo

Verificadas as violaes nos padres de DBO no trecho final do rio Atibaia, foi

aplicado o segundo modelo proposto, com o intuito de encontrar solues que

maximizem a carga lanada pelos usurios, porm, minimizem a magnitude das

violaes.

Da mesma forma que na simulao realizada do primeiro modelo, foram

considerados cinco pontos de lanamento localizados no trecho final do rio Atibaia

(pontos de lanamento 16, 17, 18, 20 e 21, relacionados na Tabela 21).

De acordo com o Item 5.3, para cada combinao de parmetros apresentados na

Tabela 30, foram realizadas cinco rplicas. Para cada rplica, a simulao partiu de

diferentes sementes aleatrias. A varivel resposta foi definida como sendo a mdia das
165

cinco simulaes, para cada caso. As solues finais foram comparadas e foi selecionada

uma combinao de parmetros.

A Figura 42 apresenta os resultados de uma simulao do NSGA considerando

uma populao de 100 solues, um nmero de geraes igual a 200, probabilidade de

recombinao igual a 1 e probabilidade de mutao igual a 0,02.

Figura 42 Relao de compromisso entre as duas funes objetivo Modelo 2

Selecionaram-se cinco solues da frente Pareto (Figura 42). medida que a

eficincia do tratamento diminui (Z1 aumenta), maior a magnitude da violao da

qualidade da gua. A soluo 1 corresponde minimizao da magnitude da violao da

concentrao de DBO na gua em detrimento de se lanar mais efluente (maior

eficincia do tratamento). A soluo 5 representa uma situao oposta. Permite-se

lanar mais efluente, porm, h violaes da qualidade da gua, com maior magnitude.
166

As solues 2, 3 e 4 so situaes intermedirias. As duas primeiras requerem um

compromisso maior com a melhora da qualidade da gua.

Os resultados para cada soluo so mostrados na Tabela 32.

Tabela 32 Solues de compromisso e variveis de deciso Modelo 2

Soluo Z1 Z2 x16 x17 x18 x20 x21


1 38,88 36,64 0,94 0,82 0,89 0,95 0,96
2 130,41 120,01 0,32 0,43 0,59 0,68 0,92
3 202,41 188,85 0,18 0,33 0,50 0,52 0,79
4 446,51 432,52 0,69 0,52 0,46 0,50 0,07
5 540,94 521,72 0,04 0,07 0,93 0,16 0,02

Os resultados das simulaes realizadas no QUAL2K, considerando as eficincias

de remoo da matria orgnica apresentadas na Tabela 32, so mostrados na Figura 43.

Figura 43 - Simulao da DBO, considerando o aumento da eficincia do tratamento Modelo 2


167

Pela Figura 43 possvel verificar que se a soluo 5 for escolhida, haver ainda

violaes no padro de qualidade da gua para o ndice DBO, mas com uma menor

magnitude.

De acordo com as simulaes realizadas no QUAL2K, as violaes (DBO > 5 mg/l)

iniciam-se a partir da distncia de 29,87 km da foz do rio Atibaia. As magnitudes das

violaes so apresentadas na Tabela 33. Os resultados indicam o quanto esto as

concentraes de DBO acima do limite estabelecido pela resoluo CONAMA 357 para

determinadas distncias a partir da foz do rio.

Tabela 33 Magnitude das violaes no padro de DBO, em mg/l

Distncia da foz (km) Original Reduo 5


29,87 0,79 0,53
29,01 0,99 0,42
28,14 0,97 0,41
27,28 0,95 0,39
26,37 1,09 0,51
25,40 1,07 0,49
24,43 1,05 0,47
23,28 1,02 0,44
21,93 1,00 0,42
20,75 0,97 0,40
19,75 1,60 1,02
18,75 1,58 1,00
17,74 1,56 0,98
16,74 1,53 0,96
16,24 1,53 0,96

5.4.3. Simulao do Terceiro Modelo

Pelos resultados apresentados na Tabela 32, percebe-se que medida que se

caminha pela frente no-dominada em direo soluo 5, xj, a varivel de deciso,

diminui. A fonte que lana maior quantidade (concentrao) de matria orgnica a de

nmero 21, sendo seguida pelas de nmero 17, 20, 16 e 18 (Tabela 21).
168

A Figura 44 mostra as 5 solues apontadas na Figura 42. medida que se

permite que ocorra desvio da concentrao de DBO padro (maior magnitude da

violao), a correspondente eficincia do tratamento diminui, porm, possvel

perceber, pela Figura 44, que as fontes localizadas mais a montante possuem maior folga

na eficincia do tratamento, enquanto que as localizadas mais a jusante devem tratar

mais, para evitar que no ocorram violaes no padro de qualidade da gua (soluo 2

e 3). Outro caso que possvel observar que, na soluo 4, por exemplo, exige-se que as

fontes mais a montante tratem mais seus efluentes, enquanto que a fonte de nmero 21,

responsvel pela maior carga de DBO lanada no rio, tem maior folga no tratamento.

Figura 44 Solues selecionadas na frente Pareto Modelo 2

O objetivo ento do terceiro modelo maximizar a concentrao de DBO emitida

por cada fonte de lanamento e minimizar a magnitude das violaes dos padres de
169

DBO do corpo receptor, porm, de forma que as fraes de remoo estejam bem

distribudas entre as fontes.

Essa distribuio eqitativa foi alcanada com a incorporao no modelo da

restrio apresentada na eq. 111. A restrio em considerao foi introduzida na funo

objetivo na forma de funo penalidade.

Um problema de otimizao multiobjetivo restrito pode ser escrito da seguinte

maneira:

Minimizar/Maximizar fm (x) m = 1, 2, ... , M

Sujeito a gj (x) 0 j = 1, 2, ... , J (120)

hk (x) = 0 k = 1, 2, ... , K

xiL xi xiU i = 1, 2, ... , n

As restries dividem o espao de busca em duas regies: factvel e infactvel.

Todavia, as solues pertencentes frente Pareto devem estar contidas no espao de

deciso factvel. As solues pertencentes regio infactvel violam as restries

impostas. Na eq. 120, h J restries de inegualdades e K restries de igualdades. De

acordo com Deb (2001), difcil satisfazer s restries de igualdade, ainda mais se elas

forem no lineares. Para solucion-las, deve-se convert-las em uma restrio de

desigualdade com pequena perda da acurcia (DEB, 2001).

Todas as restries devem ento ser normalizadas para a forma gj(xi) 0 para j =

1, 2, ... , J. Para cada soluo xi, a violao de cada uma das restries impostas no

problema (j = 1, 2, ... , J) calculada de acordo com a eq. (121).

de)` #( d FG e)` #(  f 0


b) #(   c \
0 UVFW UWXYY[W
(121)
170

A violao de cada restrio somada, para formar o ndice global de violaes

(eq. 122).

#(   h)^ b) #(  (122)

A soluo da eq. (122) ento multiplicada por um fator penalidade Rm e o

produto adicionado para cada valor da funo objetivo (eq. 123).

_L #(   "L #(  iL #(  (123)

Fm leva em considerao violaes nas restries. Para solues na regio factvel,

zero e o valor Fm se torna igual ao valor da funo objetivo original (fm). Para

solues pertencentes regio no factvel, Fm > fm. O valor maior e corresponde ao

valor da penalidade devido s violaes nas restries. O fator penalidade Rm usado

para que ambos os termos do lado direito da eq. (123) possuem magnitude de mesma

ordem. Se as funes objetivo originais possurem diferentes magnitudes, Rm deve variar

de uma funo para outra.

O fator penalidade age diretamente no processo, no deixando que a melhor

soluo infactvel seja superior a alguma soluo factvel da populao.

A restrio do terceiro modelo (eq. 118) foi transformada para uma desigualdade

da seguinte maneira:
F

' 1
x
k =1
j x j'
g (x j ) =
1 F
1 0 . (124)
F
x
j =1
j

Inserindo a restrio (eq. 124) no segundo modelo, a Tabela 34 e Figura 45

mostram as solues que violaram a restrio. Pela Figura 44, as solues acima do eixo

x=0 pertencem regio factvel.


171

Tabela 34 Avaliao da funo objetivo utilizando a funo penalidade

Soluo x16 x17 x18 x20 x21 Z1 Z3 g1(xj)


1 0,32 0,06 0,32 0,70 0,07 460,24 442,30 -0,17 0,17
2 0,22 0,92 0,57 0,32 0,48 244,56 231,97 -0,47 0,47
3 0,50 0,79 0,64 0,84 0,95 184,27 170,62 -0,76 0,76
4 0,98 0,05 0,49 0,04 0,61 287,69 273,33 -0,10 0,10
5 0,77 0,31 0,22 0,04 0,87 172,76 158,66 -0,19 0,19
6 0,50 0,96 0,94 0,98 0,46 190,74 184,85 -0,69 0,69
7 0,04 0,87 0,48 0,57 0,21 339,67 325,29 -0,25 0,25
8 0,80 0,16 0,20 0,18 0,87 178,03 163,89 -0,26 0,26
9 0,58 0,32 0,44 0,20 0,88 192,72 181,58 -0,46 0,46
10 0,39 0,44 0,62 0,08 0,81 181,19 167,72 -0,42 0,42
11 0,06 0,46 0,61 0,26 0,56 264,90 249,49 -0,43 0,43
12 0,25 0,87 0,87 0,39 0,90 407,27 396,49 -0,57 0,57
13 0,26 0,86 0,30 0,27 0,99 67,11 55,37 -0,38 0,38
14 0,91 0,34 0,31 0,53 0,12 229,83 218,16 -0,35 0,35
15 0,78 0,56 0,87 0,74 0,72 144,67 137,91 -0,85 0,85
16 0,17 0,60 0,82 0,44 0,43 237,84 225,67 -0,53 0,53
17 0,23 0,16 0,41 0,56 0,08 270,13 253,57 -0,32 0,32
18 0,04 0,45 0,71 0,07 0,41 335,85 319,06 -0,18 0,18
19 0,07 0,25 0,25 0,67 0,42 318,51 301,59 -0,33 0,33
20 0,63 0,24 0,00 0,64 0,25 250,65 238,88 -0,24 0,24
21 0,17 0,61 0,44 0,20 0,43 306,51 290,55 -0,52 0,52
22 0,53 0,32 0,44 0,20 0,87 213,91 199,94 -0,48 0,48
23 0,45 0,17 0,02 0,54 0,21 407,65 389,42 -0,24 0,24
24 0,59 0,93 0,42 0,82 0,99 10,41 41,32 -0,68 0,68
25 0,24 0,48 0,42 0,24 0,58 404,65 390,30 -0,62 0,62
26 0,98 0,48 0,06 0,45 0,74 175,77 164,18 -0,37 0,37
27 0,48 0,05 0,37 0,05 0,61 113,43 102,10 -0,20 0,20
28 0,26 0,77 0,67 0,64 0,01 411,73 398,27 -0,35 0,35
29 0,15 0,50 0,65 0,04 0,52 68,99 58,33 -0,32 0,32
30 0,17 0,59 0,15 0,32 0,15 292,33 277,11 -0,40 0,40
31 0,47 0,57 0,45 0,19 0,28 362,03 346,54 -0,61 0,61
32 0,99 0,46 0,87 0,26 0,57 238,93 229,57 -0,53 0,53
33 0,85 0,42 0,08 0,38 0,44 299,21 284,92 -0,41 0,41
34 0,45 0,22 0,24 0,52 0,45 451,96 437,73 -0,66 0,66
35 0,30 0,18 0,26 0,67 0,45 308,91 292,97 -0,49 0,49
36 0,84 0,24 0,00 0,95 0,07 418,62 403,92 0,01 0,00
37 0,78 0,05 0,24 0,54 0,45 321,85 306,97 -0,32 0,32
38 0,05 0,63 0,41 0,50 0,71 178,90 165,29 -0,46 0,46
39 0,95 0,87 0,86 0,95 0,74 89,12 85,89 -0,91 0,91
40 0,14 0,38 0,47 0,40 0,69 214,43 199,72 -0,54 0,54
41 0,20 0,19 0,16 0,54 0,15 431,34 412,31 -0,48 0,48
42 0,90 0,34 0,43 0,82 0,68 179,70 170,40 -0,62 0,62
43 0,91 0,38 0,70 0,66 0,16 380,93 369,72 -0,48 0,48
44 0,32 0,25 0,59 0,76 0,48 276,40 263,25 -0,57 0,57
172

Tabela 34 (continuao) Avaliao da funo objetivo utilizando a funo penalidade

Soluo x16 x17 x18 x20 x21 Z1 Z3 g1(xj)


45 0,30 0,05 0,11 0,05 0,93 329,30 318,86 0,12 0,00
46 0,22 0,87 0,87 0,77 0,08 363,26 352,17 -0,37 0,37
47 0,60 0,92 0,57 0,36 0,47 237,71 227,17 -0,66 0,66
48 0,55 0,52 0,28 0,72 0,97 71,70 61,76 -0,58 0,58
49 0,63 0,24 0,00 0,64 0,25 377,11 360,71 -0,24 0,24
50 0,27 0,05 0,12 0,05 0,62 387,05 373,31 -0,01 0,01
51 0,19 0,97 0,59 0,95 0,93 24,72 17,85 -0,58 0,58
52 0,45 0,17 0,02 0,54 0,21 406,19 386,74 -0,24 0,24
53 0,73 1,00 0,24 0,14 0,88 205,51 195,02 -0,37 0,37
54 0,97 0,04 0,50 0,54 0,31 383,96 367,86 -0,29 0,29
55 0,53 0,32 0,49 0,20 0,60 261,23 246,74 -0,62 0,62
56 0,52 0,66 0,74 0,85 0,28 300,85 290,88 -0,64 0,64
57 0,24 0,33 0,92 0,42 0,94 156,45 143,44 -0,44 0,44
58 0,49 1,00 0,24 0,02 0,88 106,11 94,18 -0,21 0,21
59 0,95 0,16 0,67 0,87 0,11 405,40 393,93 -0,31 0,31
60 0,04 0,89 0,94 0,30 0,10 390,11 376,24 -0,09 0,09
61 0,51 0,86 0,68 0,96 0,33 254,28 245,84 -0,61 0,61
62 0,90 0,82 0,72 0,77 0,73 113,03 107,63 -0,91 0,91
63 0,53 0,32 0,44 0,20 0,87 114,55 108,55 -0,48 0,48
64 0,43 0,41 0,20 0,61 0,86 415,55 400,63 -0,52 0,52
65 0,45 0,22 0,25 0,19 0,46 102,97 91,87 -0,60 0,60
66 0,25 0,87 0,98 0,40 0,83 102,84 94,42 -0,53 0,53
67 0,24 0,01 0,97 0,17 0,06 407,18 388,88 0,15 0,00
68 0,23 0,23 0,10 0,19 0,26 413,03 392,79 -0,71 0,71
69 0,15 0,65 0,14 0,52 0,33 321,05 304,79 -0,37 0,37
70 0,59 0,11 0,86 0,95 0,27 349,60 338,23 -0,35 0,35
71 0,36 0,05 0,22 0,19 0,06 501,45 480,56 -0,29 0,29
72 0,47 0,85 0,47 0,02 0,94 95,74 84,41 -0,35 0,35
73 0,62 0,23 0,36 0,72 0,97 97,75 87,12 -0,49 0,49
74 0,44 0,79 0,38 0,99 0,63 152,54 143,60 -0,61 0,61
75 0,63 0,89 0,67 0,84 0,17 316,85 307,69 -0,59 0,59
76 0,66 0,48 0,73 0,35 0,84 139,09 129,27 -0,67 0,67
77 0,03 0,48 0,37 0,52 0,04 446,35 428,31 -0,21 0,21
78 0,28 0,32 0,86 0,97 0,07 407,66 394,93 -0,24 0,24
79 0,51 1,00 0,87 0,77 0,08 345,61 336,61 -0,46 0,46
80 0,98 0,57 0,91 0,89 0,84 84,95 80,78 -0,83 0,83
81 0,68 0,92 0,56 0,77 0,24 294,15 284,86 -0,60 0,60
82 0,83 0,98 0,16 0,04 0,50 243,52 231,00 -0,19 0,19
83 0,14 0,81 0,08 0,23 0,94 362,07 349,94 -0,13 0,13
84 0,60 0,02 0,49 0,45 0,89 163,39 150,46 -0,38 0,38
85 0,89 0,44 0,41 0,38 0,48 278,16 266,01 -0,67 0,67
86 0,76 0,49 0,16 0,51 0,08 421,23 405,98 -0,31 0,31
87 0,48 0,22 0,84 0,94 0,82 133,68 125,02 -0,56 0,56
88 0,92 0,46 0,62 0,30 0,56 213,49 204,28 -0,61 0,61
173

Tabela 34 (continuao) Avaliao da funo objetivo utilizando a funo penalidade

Soluo x16 x17 x18 x20 x21 Z1 Z3 g1(xj)


89 0,73 0,29 0,61 0,96 0,19 361,45 350,11 -0,43 0,43
90 0,75 0,47 0,35 0,52 0,08 419,22 404,79 -0,45 0,45
91 0,88 0,87 0,91 0,38 0,27 302,87 294,35 -0,57 0,57
92 0,12 0,67 0,42 0,13 0,03 157,12 147,17 -0,07 0,07
93 0,96 0,99 0,95 0,50 0,26 286,99 280,11 -0,58 0,58
94 0,72 0,25 0,97 0,02 0,51 303,27 290,43 -0,23 0,23
95 0,50 0,87 0,74 0,32 0,69 160,66 151,20 -0,66 0,66
96 0,79 0,66 0,12 0,13 0,06 437,39 420,97 -0,09 0,09
97 0,99 0,81 0,45 0,60 0,39 258,13 249,17 -0,61 0,61
98 0,24 0,33 0,92 0,42 0,94 166,50 161,09 -0,44 0,44
99 0,34 0,07 0,95 0,86 0,31 347,44 334,82 -0,27 0,27
100 0,22 0,17 0,25 0,40 0,81 408,87 396,67 -0,37 0,37
101 0,49 0,86 0,30 0,10 0,80 144,15 131,81 -0,37 0,37
102 0,18 0,41 0,20 0,60 0,76 179,59 165,21 -0,43 0,43
103 0,20 0,16 0,27 0,90 0,08 438,39 421,16 -0,13 0,13
104 0,24 0,48 0,42 0,24 0,58 259,93 244,56 -0,62 0,62
105 0,05 0,41 0,04 0,34 0,83 174,92 158,08 -0,06 0,06
106 0,02 0,59 0,26 1,00 0,21 343,76 328,93 -0,09 0,09
107 0,27 0,44 0,87 0,05 0,62 254,77 240,79 -0,29 0,29
108 0,41 0,64 0,01 0,51 0,12 400,15 383,37 -0,22 0,22
109 0,71 0,32 0,44 0,19 0,96 126,84 114,80 -0,41 0,41
110 0,23 0,27 0,50 0,39 0,90 150,61 136,88 -0,45 0,45
111 0,04 0,85 0,26 0,24 0,81 141,76 127,67 -0,20 0,20
112 0,41 0,30 0,12 0,71 0,57 250,24 235,60 -0,45 0,45
113 0,17 0,77 0,18 0,65 0,81 119,77 107,62 -0,42 0,42
114 0,97 0,04 0,50 0,54 0,31 369,77 356,33 -0,29 0,29
115 0,73 0,78 0,04 0,36 0,57 221,59 208,84 -0,40 0,40
116 0,74 0,38 0,27 0,21 0,59 258,46 244,29 -0,50 0,50
117 0,23 0,20 0,46 0,38 0,47 316,76 300,27 -0,65 0,65
118 0,62 0,41 0,45 0,63 0,96 90,19 80,46 -0,67 0,67
119 0,42 0,38 0,33 0,34 0,14 426,42 409,23 -0,69 0,69
120 0,24 0,01 0,97 0,17 0,06 496,80 478,76 0,15 0,00
121 0,11 0,76 0,14 0,96 0,27 306,73 292,71 -0,17 0,17
122 0,14 0,81 0,08 0,23 0,94 98,81 84,73 -0,13 0,13
123 0,55 0,65 0,31 0,37 0,57 234,31 221,40 -0,71 0,71
124 0,18 0,30 0,14 0,53 0,33 357,86 340,03 -0,50 0,50
125 0,63 0,24 0,00 0,90 0,33 332,11 317,39 -0,17 0,17
126 0,46 0,69 0,58 0,27 0,43 284,84 271,82 -0,67 0,67
127 0,59 0,11 0,27 0,48 0,40 343,26 327,28 -0,50 0,50
128 0,50 0,79 0,64 0,84 0,95 40,55 34,08 -0,76 0,76
129 0,76 0,80 0,68 0,60 0,85 85,99 79,37 -0,86 0,86
130 0,38 0,39 0,10 0,86 0,88 115,26 103,21 -0,37 0,37
131 0,05 0,50 0,27 0,39 0,52 275,25 258,75 -0,46 0,46
132 0,91 0,38 0,68 0,43 0,93 106,96 98,47 -0,62 0,62
174

Tabela 34 (continuao) Avaliao da funo objetivo utilizando a funo penalidade

Soluo x16 x17 x18 x20 x21 Z1 Z3 g1(xj)


133 0,91 0,72 0,26 0,28 0,57 225,67 214,22 -0,49 0,49
134 0,30 0,05 0,11 0,05 0,93 186,62 168,68 0,12 0,00
135 0,08 0,15 0,01 0,49 0,41 350,47 330,91 -0,10 0,10
136 0,12 0,55 0,17 0,13 0,03 473,97 453,69 -0,13 0,13
137 0,06 0,18 0,67 0,20 0,02 502,99 483,36 0,02 0,00
138 0,86 0,01 0,16 0,40 0,64 264,27 249,45 -0,15 0,15
139 0,33 0,26 0,10 0,85 0,56 251,93 237,24 -0,32 0,32
140 0,14 0,59 0,94 0,44 0,90 106,14 96,15 -0,45 0,45
141 0,01 0,17 0,03 0,69 0,18 422,73 402,85 0,12 0,00
142 0,20 0,35 0,31 0,05 0,56 296,53 278,70 -0,37 0,37
143 0,23 0,16 0,41 0,57 0,08 456,71 438,65 -0,32 0,32
144 0,24 0,48 0,07 0,12 0,58 272,38 254,66 -0,27 0,27
145 0,06 0,16 0,14 0,96 0,83 153,31 138,92 -0,07 0,07
146 0,27 0,05 0,12 0,05 0,62 303,96 284,26 -0,01 0,01
147 0,69 0,86 0,89 0,67 0,96 31,84 27,12 -0,85 0,85
148 0,25 0,87 0,87 0,39 0,90 82,09 73,41 -0,57 0,57
149 0,04 0,85 0,48 0,32 0,56 224,95 211,09 -0,34 0,34
150 0,39 0,19 0,41 0,50 0,55 276,22 261,25 -0,67 0,67
151 0,17 0,59 0,26 0,68 0,81 133,13 120,59 -0,46 0,46
152 0,38 0,73 0,06 0,57 0,61 201,06 187,69 -0,47 0,47
153 0,22 0,17 0,25 0,40 0,81 195,59 179,65 -0,37 0,37
154 0,06 0,38 0,27 0,63 0,96 105,31 91,68 -0,25 0,25
155 0,91 0,34 0,31 0,53 0,12 414,07 399,83 -0,35 0,35
156 0,24 0,33 0,92 0,42 0,06 447,21 431,78 -0,23 0,23
157 0,11 0,76 0,14 0,95 0,72 134,41 122,73 -0,31 0,31
158 0,14 0,42 0,50 0,23 0,94 129,95 115,95 -0,33 0,33
159 0,23 0,23 0,14 0,53 0,33 361,88 343,96 -0,52 0,52
160 0,59 0,11 0,03 0,70 0,27 380,91 364,09 -0,14 0,14
161 0,63 0,97 0,64 0,84 0,95 17,79 12,90 -0,80 0,80
162 0,40 0,15 0,01 0,49 0,95 140,02 124,84 -0,11 0,11
163 0,78 0,87 0,86 0,14 0,97 59,82 52,91 -0,61 0,61
164 0,76 0,77 0,21 0,52 0,86 99,06 89,55 -0,60 0,60
165 0,54 0,55 0,13 0,33 0,49 278,60 263,63 -0,59 0,59
166 0,15 0,50 0,65 0,04 0,52 289,13 273,30 -0,32 0,32
167 0,30 0,05 0,11 0,05 0,93 184,85 166,92 0,12 0,00
168 0,08 0,73 0,66 0,49 0,41 279,78 266,45 -0,47 0,47
169 0,12 0,67 0,42 0,13 0,03 456,48 438,09 -0,07 0,07
170 0,06 0,18 0,12 0,20 0,02 510,53 488,14 -0,35 0,35
171 0,86 0,01 0,16 0,54 0,14 441,39 424,68 -0,02 0,02
172 0,14 0,60 0,94 0,44 0,07 416,93 402,67 -0,20 0,20
173 0,01 0,17 0,01 0,85 0,18 410,71 391,52 0,21 0,00
174 0,45 0,22 0,24 0,52 0,45 312,81 297,01 -0,66 0,66
175 0,20 0,85 0,32 0,18 0,56 233,94 219,39 -0,35 0,35
176 0,30 0,70 0,07 0,97 0,07 381,57 366,94 -0,08 0,08
175

Tabela 34 (continuao) Avaliao da funo objetivo utilizando a funo penalidade

Soluo x16 x17 x18 x20 x21 Z1 Z3 g1(xj)


177 0,41 0,30 0,92 0,71 0,57 235,27 224,68 -0,58 0,58
178 0,28 0,01 0,97 0,17 0,34 391,28 374,89 -0,06 0,06
179 0,92 0,46 0,62 0,30 0,56 245,19 234,39 -0,61 0,61
180 0,98 0,01 0,10 0,45 0,50 311,84 296,86 -0,09 0,09
181 0,43 0,41 0,20 0,61 0,86 134,14 121,62 -0,52 0,52
182 0,63 0,66 0,02 0,30 0,81 148,33 135,30 -0,36 0,36
183 0,01 0,92 0,08 0,23 0,33 320,24 302,88 0,06 0,00
184 0,23 0,16 0,41 0,56 0,08 457,32 439,26 -0,32 0,32
185 0,24 0,48 0,08 0,88 0,84 121,60 109,08 -0,30 0,30
186 0,06 0,16 0,14 0,15 0,83 209,71 191,21 -0,06 0,06
187 0,48 0,05 0,37 0,05 0,61 299,19 281,76 -0,20 0,20
188 0,95 0,86 0,39 0,67 0,96 35,54 29,61 -0,70 0,70
189 0,25 0,90 0,49 0,39 0,90 85,93 75,46 -0,50 0,50
190 0,10 0,85 0,48 0,53 0,56 210,08 197,57 -0,50 0,50
191 0,39 0,19 0,41 0,50 0,71 217,83 203,67 -0,58 0,58
192 0,17 0,59 0,16 0,54 0,19 380,53 363,55 -0,41 0,41
193 0,38 0,73 0,26 0,57 0,61 197,40 185,06 -0,63 0,63
194 0,17 0,44 0,47 0,40 0,81 165,80 152,14 -0,53 0,53
195 0,24 0,33 0,92 0,42 0,94 117,95 107,04 -0,44 0,44
196 0,11 0,76 0,14 0,43 0,72 170,88 156,56 -0,30 0,30
197 0,14 0,43 0,50 0,48 0,94 112,25 99,56 -0,46 0,46
198 0,23 0,23 0,10 0,45 0,50 305,37 287,71 -0,47 0,47
199 0,59 0,11 0,06 0,32 0,27 406,68 388,12 -0,24 0,24
200 0,76 0,94 0,74 0,77 0,86 56,46 51,75 -0,90 0,90
201 0,55 0,15 0,01 0,32 0,49 321,91 304,29 -0,25 0,25
202 0,38 0,40 0,60 0,02 0,60 267,03 251,86 -0,44 0,44
203 0,15 0,50 0,65 0,04 0,52 289,61 273,78 -0,32 0,32
204 0,04 0,45 0,54 0,85 0,56 230,21 217,24 -0,44 0,44
205 0,07 0,18 0,12 0,20 0,06 496,06 473,92 -0,51 0,51
206 0,35 0,00 0,21 0,59 0,58 283,12 266,55 -0,28 0,28
207 0,17 0,60 0,82 0,44 0,43 284,87 271,98 -0,53 0,53
208 0,00 0,17 0,01 0,85 0,18 411,38 392,15 0,23 0,00
209 0,20 0,16 0,14 0,77 0,33 352,72 335,45 -0,27 0,27
210 0,45 0,22 0,25 0,19 0,46 329,90 312,57 -0,60 0,60
211 0,30 0,70 0,01 0,97 0,07 384,56 369,60 0,00 0,00
212 0,41 0,30 0,61 0,71 0,57 241,10 228,94 -0,69 0,69
213 0,92 0,45 0,31 0,53 0,56 236,01 224,73 -0,61 0,61
214 0,53 0,32 0,44 0,20 0,87 162,78 149,41 -0,48 0,48
215 0,85 0,46 0,01 0,04 0,79 189,66 175,31 -0,10 0,10
216 0,48 0,06 0,44 0,61 0,86 165,04 152,14 -0,42 0,42
217 0,26 0,24 0,45 0,23 0,33 378,46 360,73 -0,71 0,71
218 0,20 0,42 0,50 0,95 0,26 336,82 323,25 -0,40 0,40
219 0,47 0,59 0,44 0,29 0,66 210,68 197,76 -0,71 0,71
220 0,73 0,22 0,84 0,94 0,19 366,36 355,73 -0,42 0,42
176

Tabela 34 (continuao) Avaliao da funo objetivo utilizando a funo penalidade

Soluo x16 x17 x18 x20 x21 Z1 Z3 g1(xj)


221 0,32 0,86 0,11 0,82 0,42 243,05 230,60 -0,37 0,37
222 0,60 0,82 0,77 0,66 0,96 40,61 34,59 -0,82 0,82
223 0,36 0,05 0,12 0,05 0,93 184,01 166,40 0,10 0,00
224 0,79 0,19 0,15 0,33 0,45 325,20 309,46 -0,35 0,35
225 0,37 0,21 0,46 0,69 0,07 442,82 426,48 -0,34 0,34
226 0,17 0,46 0,31 0,63 0,84 137,80 124,71 -0,45 0,45
227 0,78 0,32 0,44 0,19 0,86 160,03 147,86 -0,45 0,45
228 0,25 0,90 0,49 0,45 0,90 80,49 70,34 -0,53 0,53
229 0,17 0,59 0,15 0,33 0,19 394,48 376,33 -0,41 0,41
230 0,38 0,73 0,26 0,57 0,61 196,28 183,93 -0,63 0,63
231 0,39 0,44 0,47 0,40 0,81 161,03 148,44 -0,71 0,71
232 0,06 0,44 0,48 0,64 0,78 159,93 146,83 -0,45 0,45
233 0,11 0,76 0,21 0,43 0,72 168,56 154,60 -0,34 0,34
234 0,38 0,86 0,30 0,27 0,13 385,23 369,70 -0,36 0,36
235 0,23 0,23 0,10 0,69 0,39 329,08 312,05 -0,35 0,35
236 0,90 0,14 0,78 0,32 0,88 153,44 143,37 -0,45 0,45
237 0,55 0,02 0,01 0,97 0,49 288,04 273,09 -0,04 0,04
238 0,38 0,40 0,60 0,02 0,60 265,90 250,73 -0,44 0,44
239 0,12 0,67 0,45 0,23 0,34 330,88 314,72 -0,41 0,41
240 0,07 0,18 0,25 0,67 0,42 324,45 307,20 -0,28 0,28
241 0,35 0,00 0,68 0,90 0,58 253,10 240,45 -0,32 0,32
242 0,06 0,59 0,18 0,84 0,71 164,92 151,70 -0,30 0,30
243 0,20 0,21 0,14 0,52 0,33 363,32 345,08 -0,48 0,48
244 0,45 0,22 0,12 0,05 0,21 435,07 415,05 -0,30 0,30
245 0,59 0,93 0,14 0,83 0,99 14,47 67,92 -0,53 0,53
246 0,98 0,11 0,06 0,35 0,33 372,57 356,48 -0,08 0,08
247 0,73 1,00 0,24 0,14 0,88 92,61 82,48 -0,37 0,37
248 0,26 0,24 0,67 0,64 0,01 462,83 446,69 -0,24 0,24
249 0,28 0,72 0,26 0,67 0,92 76,59 65,78 -0,51 0,51
250 0,61 0,48 0,37 0,02 0,04 468,51 450,87 -0,15 0,15
251 0,47 0,56 0,44 0,29 0,66 211,89 198,85 -0,72 0,72
252 0,45 0,63 0,75 0,24 0,02 442,89 428,12 -0,29 0,29
253 0,36 0,05 0,25 0,19 0,18 453,57 433,46 -0,47 0,47
254 0,79 0,44 0,16 0,54 0,45 284,11 270,82 -0,55 0,55
255 0,95 0,86 0,36 0,72 0,97 28,68 22,89 -0,70 0,70
256 0,24 0,86 0,96 0,42 0,94 63,28 55,28 -0,54 0,54
257 0,14 0,38 0,62 0,07 0,69 233,94 218,32 -0,28 0,28
258 0,15 0,63 0,16 0,54 0,15 388,13 371,09 -0,34 0,34
259 0,32 0,86 0,09 0,76 0,48 222,92 210,40 -0,37 0,37
260 0,59 0,11 0,05 0,27 0,27 409,02 390,18 -0,23 0,23
261 0,63 0,24 0,00 0,94 0,33 326,51 312,03 -0,15 0,15
262 0,19 0,97 0,68 0,96 0,93 22,29 15,93 -0,61 0,61
263 0,53 0,32 0,44 0,20 0,60 261,62 246,87 -0,61 0,61
264 0,52 0,03 0,74 0,85 0,27 365,70 352,51 -0,30 0,30
177

Figura 45 Espao deciso: solues pertencentes s regies factvel e infactvel

Incorporando a restrio da forma como foi apresentada na eq. (124), e de acordo

com a eq. (123), nas funes objetivo, o terceiro modelo de otimizao torna-se:

F

F W

1 j =1
x j x j'

Maximizar F1 = (1 x j ) R1
j
F
1 (125)
j =1 Q j F
xj
j =1

F

M

1 j =1
x j x j'

Minimizar F3 = DBOi DBO padro + R3 F
1 (126)
F
i =1
xj
j =1

Sujeito a:

0 xj 1 j (127)

Pela eq. (125) se tratar de uma maximizao, foi subtrado o valor da funo

penalidade. O contrrio ocorreu na eq. (126) que, por ser um caso de minimizao, foi
178

adicionado o valor da funo penalidade. Como Z1 e Z3 possuem a mesma ordem de

grandeza, os fatores penalidades (R1 e R3) devem possuir tambm a mesma ordem de

grandeza das funes objetivo.

A incorporao de funes penalidade nas funes objetivo tem alguns

inconvenientes, como a determinao adequada do valor do fator penalidade.

A Figura 46 apresenta os resultados de uma simulao do NSGA considerando

uma populao de 100 solues, um nmero de geraes igual a 200, probabilidade de

recombinao igual a 1, probabilidade de mutao igual a 0,02, fator penalidade (R1 e

R3) igual a 100.

Figura 46 Relao de compromisso entre as duas funes objetivo Modelo 3

A frente no dominada apresentada na Figura 46 ilustra que a media que a

magnitude das violaes dos padres de concentrao de DBO diminui (F3 diminui),
179

menor quantidade de poluente deve ser lanado na gua (F1 diminui),

conseqentemente, maior a eficincia de remoo desejvel para cada fonte.

A Tabela 35 mostra os valores das funes objetivo e variveis de deciso

apontadas na Figura 46. A Figura 47 as solues selecionadas.

Tabela 35 Solues de compromisso e variveis de deciso Modelo 3

Soluo F1 F3 x16 x17 x18 x20 x21


1 17,79 12,90 0,64 0,97 0,63 0,84 0,95
2 76,59 65,78 0,28 0,72 0,26 0,67 0,92
3 144,15 131,81 0,30 0,86 0,10 0,49 0,80
4 451,96 437,73 0,45 0,24 0,22 0,52 0,45
5 510,53 488,14 0,06 0,18 0,12 0,20 0,02

Figura 47 - Solues selecionadas na frente Pareto Modelo 3

Pela anlise da Figura 47 e da Tabela 35, a distribuio eqitativa das fraes de

remoo entre as fontes evidenciada nas solues 1, 2 e 3. Nelas, as fontes que poluem
180

mais necessitam ter maior eficincia no tratamento de seus poluentes. Os usurios que

emitem maior quantidade, em termos de concentrao, de DBO so os de nmero 21 e

17, sendo seguidos pelos de nmero 20, 16 e 18.

A soluo de nmero 2 do segundo modelo (Figura 44) e a de nmero 3 do

terceiro modelo (Figura 47) possuem aproximadamente a mesma relao de

compromisso entre suas funes objetivo. As variveis de deciso encontradas para a

primeira refletem o que j foi discutido com relao ao segundo modelo, ou melhor, os

usurios localizados mais a montante do rio possuem maior folga na quantidade de

efluentes que eles podem lanar. Os usurios localizados mais a jusante devem tratar

mais seus efluentes, uma vez que outros usurios j prejudicaram a qualidade da gua.

Com relao soluo de nmero 3 (Modelo 3), considerando a distribuio

eqitativa e a localizao das fontes poluidoras, so os usurios que emitem maior

concentrao de DBO que devem ter melhor eficincia de remoo.

Comparando agora a soluo de nmero 1 de ambos os modelos, percebe-se que,

para o Modelo 2, no ocorre explicitamente a situao de que os usurios mais

montante possuem maior folga em relao a suas fraes de remoo, mas deve ser

lembrado que esta soluo reflete a situao de melhor compromisso com relao

qualidade da gua, portanto, todas as fontes devem tratar o mximo possvel para que

menos efluente seja lanado na gua. J para o Modelo 3, ainda prevalece a situao de

que os usurios que poluem mais devem tratar mais, alm do fato de que as fraes de

remoo para as fontes que emitem menor quantidade de DBO so menores dos que se

comparadas com o segundo modelo.

A soluo de nmero 4 de ambos os modelos tambm possuem

aproximadamente o mesmo compromisso com relao s suas funes objetivo (valores

prximos de Z1 e F1 e Z3 e F3). No segundo modelo, exige-se que as fontes mais a


181

montante tratem mais seus efluentes, dando uma folga para a fonte de nmero 21,

responsvel pela maior carga de DBO lanada no rio. No terceiro modelo, considerando a

medida de eqidade, os valores das variveis de deciso variam de 22% a 52%, j no

segundo, esses valores variam de 7% a 69%

medida que se caminha para a melhor soluo de compromisso com relao

funo objetivo F1, ou seja, permite-se que mais efluente seja lanado em detrimento das

violaes no padro de qualidade da gua, h maior folga para todos os usurios e a

distribuio eqitativa no evidenciada. Como descrito no Captulo 3.2, Burn e Yulianti

(2001) propuseram um ndice de medida de eqidade entre fontes poluidoras. Eles e

outros autores que aplicaram o ndice proposto por Burn e Yulianti (2001) tambm

observaram esse fato (YANDAMURI; SRINIVASAN; BHALLAMUDI, 2006, MURTY;

BHALLAMUDI; SRINIVASAN, 2006).

Finalmente, a Figura 48 apresenta os resultados das simulaes realizadas no

QUAL2K caso as solues escolhidas pelo tomador de deciso sejam as apresentadas na

Figura 46 e Tabela 35. Se a soluo de nmero 5 for escolhida, haver ainda violaes

nas concentraes de DBO quando comparadas ao valor estabelecido pela resoluo

CONAMA no 357. Considerando a medida eqitativa, os valores das variveis de deciso

esto melhores distribudos para a soluo de nmero 5 do terceiro modelo do que

quando comparados com as do segundo modelo. Conseqentemente, ocorrem menos

violaes e menores magnitudes quando considerada a distribuio eqitativa entre as

fontes poluidoras (comparao dos resultados do QUAL2K apresentados nas Figuras 43

e 48).
182

Figura 48 - Simulao da DBO, considerando o aumento da eficincia do tratamento Modelo 3


183

6. CONCLUSES

Trs modelos de otimizao multiobjetivo foram propostos com o intuito de se

efetuar a gesto da qualidade hdrica superficial de uma bacia hidrogrfica. Em todos

eles, a varivel de deciso foi a eficincia do tratamento de efluentes necessria para

cada fonte, expressa em termos de frao de remoo.

Os problemas de gerenciamento da qualidade da gua envolvem diversas

aspiraes dos usurios envolvidos, quer sejam eles os que usam o recurso hdrico para

diluio de seus efluentes ou para seu consumo. Portanto, raro que os modelos

matemticos usados para auxlio nas tomadas de decises possam ser expressos em

termos de um nico objetivo, como por exemplo, a maximizao da eficincia econmica.

Para o aproveitamento de um determinado sistema hdrico, deve ser considerada

a distribuio eqitativa, o uso racional, a maximizao do desenvolvimento econmico

e social, a minimizao dos impactos ambientais, entre outros.

Nesse sentido, uma das contribuies desse trabalho foi a adoo da anlise

multiobjetivo para gerenciamento da qualidade da gua, ainda pouco presente na

literatura.

O mtodo utilizado para solucionar os problemas de otimizao multiobjetivo foi

o Non-dominated Sorting Genetic Algorithm e o estudo foi aplicado na bacia do rio

Atibaia.

O primeiro modelo de otimizao proposto teve por objetivo maximizar a

concentrao de DBO emitida por cada fonte de lanamento e maximizar a melhora na

qualidade da gua, em termos de OD.


184

O segundo modelo de otimizao proposto teve por objetivo maximizar a

concentrao de DBO emitida por cada fonte de lanamento e minimizar a magnitude

das violaes dos padres de DBO do corpo receptor, de acordo com a legislao vigente.

O objetivo do terceiro modelo de otimizao foi maximizar a concentrao de

DBO emitida por cada fonte de lanamento e minimizar a magnitude das violaes dos

padres de DBO do corpo receptor, porm, este modelo foi restrito a uma medida que

representa a distribuio eqitativa das fraes de remoo de poluentes necessria

entre as fontes de poluio. Esta restrio a principal contribuio desse trabalho.

A restrio desse modelo foi incorporada atravs de um termo penalidade na

funo objetivo associado a um peso. A dificuldade da incorporao de funes

penalidades justamente a identificao adequada dos pesos. Foram realizadas vrias

simulaes considerando diferentes combinaes de pesos. Porm, no existem

problemas reais semelhantes na literatura em que fossem conhecidas as solues

timas, para que fosse feita uma comparao das solues obtidas.

Para cada simulao desenvolvida, considerando os diferentes pesos do fator

penalidade, foi produzida uma resposta distinta e foi necessrio realizar uma otimizao

para cada valor adotado.

Sem a considerao de uma medida de eqidade, a tentativa de maximizar a

quantidade de efluentes lanados resultaria numa alocao de grandes quantidades de

efluentes passveis de serem lanados pelos usurios localizados mais a montante do rio,

enquanto que os usurios jusante deveriam tratar seus efluentes com um nvel

mximo de eficincia

O modelo restrito apresentou solues diferentes no espao deciso das que

foram encontradas para o segundo modelo. A distribuio eqitativa foi demonstrada no


185

fato de que fontes que poluem mais devem tratar mais seus efluentes, independente de

sua localizao ao longo do curso dgua.

A considerao da eqidade na alocao da carga poluente resulta num aumento

do custo para controle da poluio. medida que se permite que mais efluente seja

lanado em detrimento das violaes no padro de qualidade da gua, h maior folga

para todos os usurios e a distribuio eqitativa no evidenciada. Este fato foi

tambm observado por outros autores (BURN; YULIANTI, 2001, YANDAMURI;

SRINIVASAN; BHALLAMUDI, 2006, MURTY; BHALLAMUDI; SRINIVASAN, 2006,

KHADAM; KALUARACHCHI, 2006). Esta observao importante no processo poltico

de distribuio de responsabilidades para o controle da poluio. Deve haver uma

soluo de compromisso e o procedimento de escolha desta soluo deve minimizar o

custo, mas de forma que se encontre um nvel de eqidade aceitvel.

As solues apresentadas pela otimizao demonstram e comprovam os conflitos

existentes e a competio entre os critrios considerados. Depois de identificadas as

solues no dominadas, a complexidade do problema se deve escolha da melhor

soluo dentre um conjunto de boas solues.

O algoritmo gentico demonstrou ser uma tcnica efetiva para solucionar

problemas de otimizao multiobjetivo em aplicaes de gerenciamento da qualidade da

gua. O mtodo de otimizao identificou facilmente as variveis de deciso e identificou

a frente Pareto, ou seja, as melhores alternativas de soluo para o problema.

A escolha dos algoritmos genticos deveu-se s principais vantagens do mtodo,

como: no necessrio atribuir valores iniciais s variveis de deciso, so capazes de

otimizar um grande nmero de variveis, podem trabalhar com variveis de deciso

discretas e funes contnuas, utilizam informao apenas da funo objetivo, so de

fcil implementao, so adaptados ao problema de otimizao multiobjetivo por


186

realizarem a busca a partir de uma populao de pontos e no a partir de um nico

ponto, e pela habilidade de manter mltiplas solues em uma nica simulao e pela

facilidade em se explorar regies do espao atravs do princpio da recombinao e

mutao.

Uma das principais dificuldades na utilizao dos AGs determinar parmetros

de entrada adequados (dimenso da populao, nmero mximo de geraes,

probabilidade de recombinao e probabilidade de mutao) de forma a garantir a

obteno de uma frente no dominada. Nesse caso, deve ser feita uma anlise estatstica

ou de sensibilidade.

A otimizao multiobjetivo fornece maior flexibilidade ao tomador de deciso,

uma vez que uma diversidade de alternativas produzida e todas elas representam as

melhores solues para o problema em anlise. Para que a implementao da poltica

escolhida se torne vivel, necessria a aceitao dos usurios envolvidos. Desta forma,

uma medida de eqidade fundamental, pois define a distribuio eqitativa da

responsabilidade econmica para o controle da poluio.


187

7. REFERNCIAS BIBLIOGRFICAS

ALAYA, A. B. et al. Optimization of Nebhana Reservoir by Stochastic Dynamic


Programming. Water Resources Management, v. 17, n. 4, p. 259-272, August, 2003.

ALBERTIN, L. L. Avaliao da Quantidade e Qualidade dos Recursos Hdricos


Superficiais da Bacia Hidrogrfica do Rio Sapuca-Mirim (SP) Atravs do
Simulador Computacional MIKE BASIN. 2004. 160 f. Dissertao (Mestrado em
Cincias da Engenharia Ambiental) Escola de Engenharia de So Carlos, Universidade
de So Paulo, So Carlos, 2004.

ALVIM, L. A. C.; FIGUEIREDO, M. G. Quantidade e Qualidade das guas do Rio Atibaia:


Contribuio para uma Anlise Integrada. 2004. 141 f. Trabalho de monografia.
Escola Politcnica Universidade de So Paulo, So Paulo, 2004.

BARTH, F. T. (1987). Fundamentos para gesto de recursos hdricos. In: BARTH, F. T. et


al. Modelos para gerenciamento de recursos hdricos. Coleo ABRH de recursos
hdricos. So Paulo, Nobel/ABRH, pp. 1-86.

BECKER, L.; YEH, W. W-G. Optimization of real time operation of a multiple-reservoir


system. Water Resources Research, v. 10, n. 6, p. 1107-1112, 1974.

BRAGA, B. P. F. et al. Stochastic optimization of multiple-reservoir-system operation.


Journal of Water Resources Planning and Management, v. 117, n. 4, p. 471-481,
1991.

BRAGA, B.; BARBOSA, P. S. F. Multiobjective real-time reservoir operation with a


network flow algorithm. Journal of the American Water Resources Association, v. 37,
n. 4, p. 837-852, 2001.

BROWN, L. C.; BARNWELL Jr., T. O. Computer program documentation for the


enhanced stream water quality model QUAL2E and QUAL2E-UNCAS. Report
EPA/600/3-87/007, US Environmental Protection Agency, Athens, Georgia, USA, 1987.

BURN, D. H.; YULIANTI, J. S. Waste-load allocation using genetic algorithms. Journal of


Water Resources Planning and Management, v. 127, n. 2, p. 121-129, 2001.
188

CARRIJO, I. B. Extrao de Regras Operacionais timas de Sistemas de Distribuio


de gua Atravs de Algoritmos Genticos Multiobjetivo e Aprendizado de
Mquina. 2004. 216 f. Tese (Doutorado em Hidrulica e Saneamento) Escola de
Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2004

CASTRO, H. L.; PORTO, R. L. L. O uso de sistemas de suporte a deciso no gerenciamento


operacional das represas que abastecem a regio metropolitana de So Paulo. In:
SIMPSIO BRASILEIRO DE RECURSOS HDRICOS, 14., 2001, Aracaj, Sergipe, Brasil.
Anais do XIV Simpsio Brasileiro de Recursos Hdricos e V Simpsio de Hidrulica e
Recursos Hdricos dos Pases de Lngua Oficial Portuguesa.

CHADDERTON, R. A. Conflict analysis and management alternative for the Manayunk


Canal. Water Resources Bulletin, v. 25, n. 5, p. 1041-1046, 1989.

CHAPRA, S. C. Surface water-quality modeling. New York: McGraw-Hill, 1997. 844p.

CHAPRA, S. C.; PELLETIER, G.; TAO, H. QUAL2K: A Modeling Framework for


Simulating River and Stream Water Quality, Version 2.04: Documentation and Users
Manual. Civil and Environmental Engineering Dept., Tufts University, Medford, MA,
2005. 97 p.

CHEUNG, P. B. Anlise de Reabilitao de Redes de Distribuio de gua para


Abastecimento via Algoritmos Genticos Multiobjetivo. 2004. 268 f. Tese
(Doutorado em Hidrulica e Saneamento) Escola de Engenharia de So Carlos,
Universidade de So Paulo, So Carlos, 2004.

COHON, J. L. Multiobjective Programming and Planning. New York: Academic Press,


1978. 333 p.

COHON, J. L.; MARKS, D. M. Multiobjective screening models and water resources


investment. Water Resources Research, v. 9, n. 4, p. 826-836, 1973.

COMIT DAS BACIAS HIDROGRFICAS DOS RIOS PIRACICABA, CAPIVARI E JUNDIA.


Relatrio da Situao dos Recursos Hdricos das Bacias Hidrogrficas dos Rios
Piracicaba, Capivari e Jundia. Volumes I, II, III e IV, 2004.

COMPANHIA DE TECNOLOGIA DE SANEAMENTO AMBIENTAL. Base de dados para


modelagem matemtica de qualidade da gua do Rio Atibaia. Diretoria de Recursos
Hdricos e Engenharia Ambiental Departamento de Recursos Hdricos e Assistncia
Tcnica Diviso de Qualidade das guas Setor de Hidrologia. 42 p. Maro, 1999.
189

COMPANHIA DE TECNOLOGIA DE SANEAMENTO AMBIENTAL. Relatrio de qualidade


das guas interiores no Estado de So Paulo. So Paulo: CETESB, 2007. 327 p.

DAUER, J. P.; KRUEGER, R. J. A multiobjective optimization model for water resources


planning. Applied Mathematical Modelling, v. 4, p. 171-175, 1980.

DAVID, L.; DUCKSTEIN, L. Multi-criterion ranking of alternative long-range water


resource systems. Water Resources Bulletin, v. 12, n. 4, p. 731-754, 1976.

DEB, K. Multi-objective optimization using Evolutionary Algorithms. Chichester,


England: John Wiley & Sons, 2001. 515 p.
DeNEUFVILLE, R.; STAFFORD, J. Systems Analysis for Engineers and Managers. New
York: McGraw-Hill, 1971. 353 p.

DUCKSTEIN, L.; OPRICOVIC, S. Multiobjective optimization in river basin development.


Water Resources Research, v. 16, n. 1, p. 14-20, 1980.

ESCHENBACH, E. A.; MAGEE, T.; ZAGONA, E.; GORANFLO, M; SHANE, R. Goal


programming decision support system for multiobjective operation of reservoir
systems. Journal of Water Resources Planning and Management, v. 127, n. 2, p. 108-
120, 2001.

FERREIRA, C. M. L. Estudo de uma rea alagada do rio Atibaia visando a elaborao


de proposta de manejo para melhoria da qualidade da gua no reservatrio de
Salto Grande (Americana, SP). 2000. 145 f. Tese (Doutorado) Escola de Engenharia
de So Carlos, Universidade de So Paulo, So Carlos. 2000.

GOICOECHEA, A.; HANSEN, D. R.; DUCKSTEIN, L. Multiobjective Decision Analysis


with Engineering and Business Applications. New York: John Wiley & Sons, 1982. 519
p.

GOLDBERG, D. E. Genetic Algorithms in Search, Optimization, and Machine


Learning. Reading, Mass.: Addison-Wesley Pub. Co., 1989. 412 p.

GOLDBERG, D. E.; KUO, C. Genetic Algorithms in pipeline optimization. Journal of


Computing in Civil Engineering, v. 1, n. 20, p. 128-141, 1987.

GOULTER I. C.; CASTENSSON R. Multiobjective allocation of water shortage in the Svarta


river, Sweden. Water Resources Bulletin, v. 24, n. 4, p. 761-773, 1988.
190

HAIMES, Y. Y.; HALL, W. A. Multiobjectives in water resources systems analysis: the


surrogate worth trade off method. Water Resources Research, v. 10, n. 4, p. 615-636,
1974.

HATHHORN, W. E.; TUNG, Y-K. Bi-objective analysis of waste load allocation using fuzzy
linear programming. Water Resources Management, v. 3, n. 4, p. 243-257, 1989.

HSU, N-S.; CHENG, K-W. Network flow optimization model for basin-scale water supply
planning. Journal of Water Resources Planning and Management, v. 128, n. 2, p. 102-
112, 2002.

JAIRAJ, P. G.; VEDULA, S. Multireservoir system optimization using fuzzy mathematical


programming. Water Resources Management, v. 14, n. 6, p. 457-472, 2000.

JARDIM, S. B.; LANNA, A. E. L. Aplicabilidade de algumas tcnicas de anlise


multiobjetivo ao processo decisrio no mbito dos comits de gerenciamento de bacia
hidrogrfica. Revista Brasileira de Recursos Hdricos, v. 8, n. 4, p. 169-191, 2003.

KEENEY, R. L.; WOOD, E. F. An illustration example of the use of multiattribute utility


theory for water resource planning. Water Resources Research, v. 13, n. 4, p. 705-712,
1977.

KHADAM, I. M.; KALUARACHCHI, J. J. Trade-offs between cost minimization and equity in


water quality management for agricultural watersheds. Water Resources Research, v.
42, p. 1-11, 2006.

LACERDA, E. G. M.; CARVALHO, A. C. P. L. F. Introduo aos Algoritmos Genticos. In:


GALVO, C. O.; VALENA, M. J. S. (Org.). Sistemas Inteligentes: Aplicaes a Recursos
Hdricos e Cincias Ambientais. Porto Alegre: Ed. Universidade/UFRGS/ABRH, 1999,
Captulo 3, p. 97 150.

LEE, C-S.; WEN, C-G. Application of multiobjective programming to water quality


management in a river basin. Journal of Environmental Management, v. 47, p. 11-26,
1996.

LEE, C-S.; WEN, C-G. Fuzzy goal programming approach for water quality management
in a river basin. Fuzzy Sets and Systems, v. 89, p. 181-192, 1997.
191

LOUCKS, D. P.; STEDINGER, J. R.; HAITH, D. A. Water Resource Systems Planning and
Analysis. Englewood Cliffs, N.J.: Prentice-Hall, 1981. 559 p.
LYNN, W. R.; LOGAN, J. A.; CHARNES, A. System analysis for planning wastewater
treatment plants. Journal of Water Pollution Control Federation, v. 34, n. 6, p. 565-
581, 1962.

METCALF & EDDY, Inc. Wastewater Engineering: Treatment, Disposal and Reuse. 4a
edio. New York. McGraw-Hill, 2003. 1819 p.

MILLER, W. L.; BYERS, D. M. Development and display of multiple-objective impacts.


Water Resources Research, v. 9, n. 1, p. 11-20, 1973.

MURTY, Y. S. R.; BHALLAMUDI, S. M.; SRINIVASAN, K. Non-uniform flow effect on


optimal waste load allocation in rivers. Water Resources Management, v. 20, p. 509-
530, 2006.

NEELAKANTAN, T. R.; PUNDARIKANTHAN, N. V. Hedging rule optimisation for water


supply reservoirs system. Water Resources Management, v. 13, n. 6, p. 409-426, 1999.

ORLOB, G. T. (Ed.). Mathematical Modeling of Water Quality: Streams, Lakes, and


Reservoirs. New York: Wiley-Interscience, 1984. 518 p.

ORLOB, G. T. Water-Quality Modeling for Decision Making. Journal of Water Resources


Planning and Management, v. 118, n. 3, p. 295-307, May/June 1992.

PARDALOS, P. M.; SISKOS, Y.; ZOPOUNIDIS, C. Advances in Multicriteria Analysis.


Netherlandas: Kluwer Academic Publishers, 1995. 249 p.

PARK, S. S.; LEE, Y. S. A multiconstituent moving segment model for the water quality
predictions in steep and shallow streams. Ecological Modelling, v. 89, p. 121-131, 1996.

PARK, S. S.; LEE, Y. S. A water quality study of the Nakdong River, Korea. Ecological
Modelling, v. 152, p. 65-75, 2002.

PARK, S. S.; UCHRIN, C. G. Water quality modeling of the lower south branch of the
Raritan River, New Jersey. Bulletin of New Jersey Academy of Science, v. 35, n. 1, p.
17-23, 1990.
192

PARK, S. S.; UCHRIN, C. G. Waste load allocation for macrophyte growing impoundment:
a combined modeling approach. Journal of Environmental Science and Health, v. A31,
n. 2, p. 411-428, 1996.

PARK, S. S.; UCHRIN, C. G. A stoichiometric model for water quality interactions in


macrophyte dominated water bodies. Ecological Modeling, v. 96, p. 165-174, 1997.

ROGERS, P. P.; FIERING, M. B. Use of systems analysis in water management. Water


Resources Research, v. 22, n. 9, p. S146-S158, 1986.

ROMEIRO, N. M. L. Simulao Numrica de Modelos de Qualidade de gua Usando o


Mtodo de Elementos Finitos Estabilizados. 2003. 197 f. Tese (Doutorado em Cincias
em Engenharia Civil) Instituto Alberto Luiz Coimbra de Ps-graduao e Pesquisa de
Engenharia, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2003.

REIS, L. F. R.; AKUTSU, J. Estratgias operacionais para sistemas de reservatrios via


algoritmo gentico. Revista Brasileira de Recursos Hdricos, v. 7, n. 3, 2002.

REVELLE, C. S.; LOUCKS, D. P.; LYNN, W. R. Linear programming applied to water quality
management. Water Resources Research, v. 4, p. 1-9, 1968.

SASIKUMAR, K.; MUJUMDAR, P. P. Fuzzy Optimization Model for Water Quality


Management of a River System. Journal of Water resources Planning and
Management, v. 124, n. 2, p. 79-88, March/April, 1998.

SOMLYDY, L. Use of optimization models in river basin water quality planning. Water
Science and Technology, v. 36, n. 5, p. 209-218, 1997.

SRINIVAS, K.; DEB, K. Multiobjective optimization using Nondominated Sorting in


Genetic Algorithms. Evolutionary Computation, v. 2, n. 3, p. 221-248, 1995.

THIESSEN, E. M.; LOUCKS, D. P. Computer assisted negotiation of multiobjective water


resources conflicts. Water Resources Bulletin, v. 28, n. 1, p. 163-177, 1992.

THOMANN, R. V. Mathematical Model for Dissolved Oxygen. Journal of Sanitary


Engineering Division, v. 89, n. 5, p. 1-30, 1963.
193

THOMANN, R. V.; MUELLER, J. A. Principles of surface water quality modeling and


control. New York : Harper & Row, 1987. 644 p.

TUNG, Y-K.; HATHHORN, W. E. Multiple-Objective Waste Load Allocation. Water


Resources Management, v. 3, n. 2, p. 129-140, 1989.

WANG, C. G.; JAMIESON, D. G. An objective approach to regional wastewater treatment


planning. Water Resources Research, v. 38, n. 3, p. 4-1 - 4-8, 2002.

WEN, C-G.; FU, S-Y. Waste allocation models for risk assessment of water quality
management in a river basin. Water Science and Technology, v. 23, p. 75-83, 1991.

WEN, C-G.; LEE, C-S. A neural network approach to multiobjective optimization for water
quality management in a river basin. Water Resources Research, v. 34, n. 3, p. 427-436,
1998.

YANDAMURI, S. R. M.; SRINIVASAN, K.; BHALLAMUDI, S. M. Multiobjective optimal waste


load allocation models for rivers using nondominated sorting genetic algorithm-II.
Journal of Water Resources Planning and Management, v. 132, n. 3, p. 133-143, May,
2006.

YEH, W. W-G. Reservoir management and operations models: a state-of-the-art review.


Water Resources Research, v. 21, n. 12, p. 1797-1818, 1985.

YEN, J. H.; CHEN, C. Y. Allocation strategy analysis of water resources in South Taiwan.
Water Resources Management, v. 15, n. 5, p. 283-297, 2001.

ZUFFO, A. C. Seleo e Aplicao de Mtodos Multicriteriais ao Planejamento


Ambiental de Recursos Hdricos. 1998. 304 f. Tese (Doutorado em Hidrulica e
Saneamento) Escola de Engenharia de So Carlos, Universidade de So Paulo, So
Carlos, 1998.

Вам также может понравиться