Oliveira, José Maria Souza deKonzen, Pedro Henrique de AlmeidaGarrido Arrate, Juan de Diós2017-02-132017-02-132013-07-03https://dspace.unila.edu.br/handle/123456789/867Anais do II Encontro de Iniciação Científica e de Extensão da Unila - Sessão de Física, Matemática e Ciência da Computação - 03/07/13 – 13h30 às 18h30 - Unila-PTI - Bloco 03 – Espaço 03 – Sala 01Neste trabalho, apresenta-se os u ́ ltimos avan ̧cos no desenvolvimento do pacote computacional Yapy, bem como sua aplica ̧c ̃ao na modelagem de problemas de estimativa e previs ̃ ao de vaz ̃ao em rios. O Yapy ́e um pacote de Redes Neurais Artificiais (RNAs), escrito em linguagem com- putacional C++ e mantido pelos autores. Sua estrutura o torna especialmente apropriado para problemas de mapeamento, os quais incluem problemas de modelagem chuva-vaz ̃ao. Buscando a otimiza ̧c ̃ ao do pacote, uma s ́erie de reestrutura ̧c ̃oes na implementa ̧c ̃ao de suas classes foram realizadas, permitindo que o pacote lide de forma robusta com a grande quantidade de dados que s ̃ ao, normalmente, utilizados em modelos chuva-vaz ̃ao. Ainda, o pacote foi consideravelmente expandido atrav ́es da incorpora ̧c ̃ao de novas rotinas para a an ́alise de resultados, como novas medidas de erro e arquivos para gera ̧c ̃ao de gr ́a ficos em Gnuplot. Certamente, o desenvolvimento recente mais importante foi a incorpora ̧c ̃ao ao pacote das Redes Neurais de Fun ̧c ̃oes de Base Radial (RBFs), as quais foram implementadas dentro da estrutura do c ́ odigo que j ́ a continha as redes Hebb e Perceptron Multicamadas (MLPs). Foram implementados, tamb ́em, os algo- ritmos de treinamento para as RBFs: k-means clustering (ajuste dos centros), pseudo-inversa (ajuste dos pesos) e gradiente descendente (ajuste dos pesos). Como aplica ̧c ̃ ao e valida ̧c ̃ao das recentes implementa ̧c ̃oes, apresentam-se a modelagem chuva-vaz ̃ao em dois rios distintos e a compara ̧c ̃ ao dos resultados na obten ̧c ̃ao dos modelos com MLPs frente ` as RBFs. No primeiro caso, objetivou-se construir modelos para estimar a vaz ̃ao m ́edia di ́aria do Rio Piquiri, medida na esta ̧c ̃ ao fluviom ́etrica Porto Carriel (c ́od. 64767000), no munic ́ ıpio de Laranjal, Paran ́a, Bra- sil. Como base deste modelo, utilizou-se dados hist ́ oricos fluviom ́etricos e pluviom ́etricos entre os anos de 2000 a 2008. No segundo caso, investigou-se o desempenho das MLPs e das RBFs na obten ̧c ̃ ao de modelos para a previs ̃ao da vaz ̃ao m ́edia di ́aria do Rio Ibicu ́ ı, medida na esta ̧c ̃ ao fluviom ́etrica Passo Mariano Pinto (c ́od. 76800000), munic ́ ıpio de Itaqui, Rio Grande do Sul, Brasil. Neste caso, empregou-se uma s ́erie hist ́ orica de dados compreendidos entre os anos de 1986 at ́e 2005. Em ambas aplica ̧c ̃oes, observou-se a generalidade e robustez na aplica ̧c ̃ ao deRNAs para a constru ̧c ̃ao de modelos de chuva-vaz ̃ ao. Agora, na compara ̧c ̃ ao dos resultados, verificou-se que os modelos constru ́ ıdos com as RBFs apresentam melhores resultados que os obtidos com as MLPs. Ainda, o baixo tempo computacional demandado para o treinamento dessas redes, via a t ́ecnica da pseudo-inversa, ressalta a vantagem das RBFs. Com o exposto, o Yapy passa a contar com uma s ́olida gama de ferramentas para tratar de problemas de ma- peamento. Nos pr ́oximos desenvolvimentos, espera-se adicionar ao pacote ferramentas para a an ́alise de sensibilidade de modelo, de forma a aumentar a obten ̧c ̃ ao de informa ̧c ̃oes qualitativas dos modelos constru ́ ıdos com as RNAs.poropenAccessRedes neurais artificiaisEstimativaPrevisão de Vazão em RiosComparação de modelosconferenceObject