Acoplamento de técnicas lineares e não-lineares a redes neurais artificiais para modelagem chuva-vazão
| dc.contributor.advisor | Konzen, Pedro Henrique de Almeida | |
| dc.contributor.author | Schons, Fátima Franciella | |
| dc.contributor.author | Garrido Arrate, Juan de Diós | |
| dc.contributor.author | Roloff, Glaucio | |
| dc.date.accessioned | 2017-02-10T13:34:30Z | |
| dc.date.available | 2017-02-10T13:34:30Z | |
| dc.date.issued | 2012-06-05 | |
| dc.description | 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 | pt_BR |
| dc.description.abstract | 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. | pt_BR |
| dc.description.sponsorship | Universidade Federal da Integração Latino-Americana (UNILA) | pt_BR |
| dc.identifier.uri | https://dspace.unila.edu.br/handle/123456789/758 | |
| dc.language.iso | por | pt_BR |
| dc.rights | openAccess | |
| dc.subject | Hidrologia | pt_BR |
| dc.subject | Modelagem computacional | pt_BR |
| dc.subject | Modelo linear | pt_BR |
| dc.subject | Redes neurais artificiais | pt_BR |
| dc.subject | Matemática | |
| dc.title | Acoplamento de técnicas lineares e não-lineares a redes neurais artificiais para modelagem chuva-vazão | pt_BR |
| dc.type | conferenceObject | pt_BR |
Arquivos
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 1019 B
- Formato:
- Item-specific license agreed upon to submission
- Descrição: