Acoplamento de técnicas lineares e não-lineares a redes neurais artificiais para modelagem chuva-vazão
Carregando...
Data
2012-06-05
Autores
Schons, Fátima Franciella
Garrido Arrate, Juan de Diós
Roloff, Glaucio
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Avaliar o processo chuva-vazão de forma precisa permite gerenciar melhor diversos recursos de água.
Para modelar o processo chuva-vazão utiliza-se tanto modelos conceituais, que consideram os processos
físicos envolvidos, como modelos empíricos obtidos de técnicas de análises lineares e não lineares multi -
variadas. O objetivo geral deste trabalho é avaliar o desempenho de modelos empíricos lineares multivari -
ados para descrever a correlação chuva-vazão. Ainda, espera-se avaliar o acoplamento de tal modelo com
Redes Neurais Artificiais (RNAs) buscando o desenvolvimento de uma metodologia robusta e acurada
para a modelagem chuva-vazão em rios. Mais especificamente, buscamos estabelecer a relação:
Q=PU (1)
Onde, Q é o vetor n-dimensional das vazões observadas, P é a matriz (n x m)-dimensional das n medidas
dos m parâmetros climáticos observados (por exemplo, precipitações) e, U é o vetor incógnita m-dimensi -
onal que relaciona os parâmetros climáticos observados e as precipitações medidas. Note que a existência
de U não é garantida, pois a relação entre Q e P pode ser não linear. Ainda, P não é, em geral, uma matriz
quadrada invertível. Assim, empregamos o método dos mínimos quadrados para determinar U. Como es-
tudo de caso, estudamos a correlação chuva-vazão diária (entre os anos 2000-2011) no Rio Ibicuí, locali -
zado do Rio Grande do Sul, com extensão de 385 km, que corre na direção leste/oeste, nascendo no en -
contro do Rio Toropi com o Rio Ibicuí-Mirim e desembocando (com foz) no Rio Uruguai. Os dados flu -
viométricos e pluviométricos foram organizados em dois conjuntos. O primeiro conjunto (com cerca de
2/3 do total de dados) foi utilizado para calcular U resolvendo (1) via mínimos quadrados. O segundo
conjunto foi utilizado para validar o modelo obtido. Ainda, o modelo linear (1) foi comparado com resul -
tados obtidos da modelagem com RNAs do tipo perceptron multicamadas. Observou-se que ambas as téc -
nicas produziram modelos com correlação de 97\% entre os dados observados e os calculados. Entretanto,
utilizando RNAs foi possível obter um modelo mais preciso. Isto reforça a ideia de acoplar o modelo (1)
as RNAs, que propomos como sequência deste trabalho.
Abstract
Descrição
Anais do I Encontro de Iniciação Científica e de Extensão da Unila - Sessão de Ciência da Computação e Matemática - 05/06/12 - 08h00 às 12h00 - Unila-Centro - Sala 15 - 3o Piso
Palavras-chave
Hidrologia, Modelagem computacional, Modelo linear, Redes neurais artificiais, Matemática