@MASTERSTHESIS{ 2026:1517205121,
 	title = {IDENTIFICAÇÃO DE ÁREAS DE EMISSÃO DE MATERIAL PARTICULADO A PARTIR DE MODELOS FENOMENOLÓGICOS DE DISPERSÃO ATMOSFÉRICA E ALGORITMOS DE APRENDIZADO PROFUNDO},
 	year = {2026},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/7028",
 	abstract = "A operação combinada de múltiplas fontes de emissão de material particulado (PM) em áreas
 industriais e portuárias gera grandes ameaças ambientais e sérios riscos à saúde pública. Os
 métodos atuais de monitoramento e os modelos preditivos não possuem capacidade suficiente
 para detectar fontes de emissão de MP em tempo real. Este estudo desenvolveu uma estrutura
 integrada que utiliza Redes Neurais Artificiais (ANNs) e Fluidodinâmica Computacional (CFD)
 para localizar com precisão as fontes de emissão de PM em terrenos planos. O modelo de CFD
 foi validado por meio da análise de dados experimentais e da teoria de similaridade de MoninObukhov, a fim de representar com precisão o transporte de material particulado e os perfis
 atmosféricos. Um conjunto de dados de simulação foi gerado contendo 243 execuções que
 testaram diferentes combinações de velocidade e direção do vento, com variações na altura e
 no intervalo de emissão. Esse conjunto de dados serviu como material de treinamento para dois
 modelos de aprendizado profundo, uma rede LSTM (Memória de Longo e Curto Prazo) e uma
 CNN1D (Rede Neural Convolucional Unidimensional), para realizar a classificação da
 localização das emissões de MP. Ambos os modelos alcançaram altos níveis de acurácia, com
 valores de F1-score acima de 0,95. O tempo necessário para a otimização dos hiperparâmetros
 evidenciou a diferença entre os modelos, uma vez que a LSTM demandou 4 h e 15 min,
 enquanto a CNN1D necessitou de 4 h e 43 min. O estudo demonstra que a utilização de dados
 gerados por CFD em conjunto com modelos de ANN permite uma localização confiável de fontes
 de emissão, mostrando potencial para a regulação ambiental, a responsabilização industrial e a
 proteção da saúde pública. A estrutura proposta representa um avanço significativo na
 localização em tempo real de fontes de MP em ambientes industriais e portuários.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E TECNOLOGIA AMBIENTAL},
 	note = {COORDENAÇÃO DO CURSO DE ENGENHARIA QUÍMICA/CCET}
}