ESTIMATIVA DAS PERDAS DE ÁGUA EM REDES DE DISTRIBUIÇÃO

Abstract

RESUMO: A perda de água em redes de distribuição é um desafio crítico com severas implicações socioambientais e econômicas, demandando soluções tecnológicas eficientes para a gestão hídrica. Este trabalho teve um duplo objetivo: (i) desenvolver um modelo computacional para identificar a localização de perdas em redes de distribuição através da análise de dados de pressão, e (ii) avaliar a abordagem de calibração e controle de perdas nos cursos de Engenharia Civil no Brasil. A metodologia combinou a simulação hidráulica (EPANET) com a aplicação de Técnicas de Aprendizado de Máquina (Inteligência Computacional) para detecção e diagnóstico de vazamentos. Os resultados demonstraram que o modelo computacional alcançou uma capacidade satisfatória e precisa na identificação de anomalias, confirmando o potencial da integração de modelagem e IA para a otimização operacional. Paralelamente, a análise curricular revelou uma abordagem prática limitada sobre o tema nas universidades. Em resposta a essa lacuna, foi elaborada uma proposta de disciplina específica, com ementa e bibliografia, visando fortalecer a formação profissional. Conclui-se que a aplicação de modelagem avançada e inteligência artificial é crucial para a gestão eficiente, devendo ser acompanhada pela modernização da formação acadêmica para garantir a sustentabilidade e resiliência dos sistemas de abastecimento. ABSTRACT: Water loss in distribution networks constitutes a critical challenge with severe socio- environmental and economic implications, demanding efficient technological solutions

for water resource management. These losses, mainly caused by leaks, compromise water security and increase operational costs. This study had a dual objective: (i) to develop a computational model capable of identifying the location of water losses in distribution networks based on pressure data analysis, and (ii) to evaluate the approach to calibration and loss control in Civil Engineering curricula in Brazil. The methodology combined the hydraulic simulation of a fictitious network (using EPANET software) with the application of Machine Learning Techniques (Computational Intelligence) for the real-time detection and diagnosis of leaks. The results demonstrated that the computational model achieved satisfactory and precise capability in identifying anomalies, confirming the potential of integrating hydraulic modeling and ML algorithms for operational optimization. Furthermore, the curriculum analysis revealed a limited practical approach to the topic in universities. In response to this gap, a proposal for a specific course, complete with syllabus and bibliography, was developed to strengthen professional training. It is concluded that the application of advanced modeling and artificial intelligence is crucial for efficient management, and must be accompanied by the modernization of academic training to ensure the sustainability and resilience of water supply systems.