Previsão de vazões médias diárias em rios com diferentes áreas de drenagem utilizando redes neurais artificiais

Sousa, Shara Sonally Oliveira de

Use este identificador para citar ou linkar para este item: https://repositorio.ufpb.br/jspui/handle/123456789/24405

Tipo:	TCC
Título:	Previsão de vazões médias diárias em rios com diferentes áreas de drenagem utilizando redes neurais artificiais
Autor(es):	Sousa, Shara Sonally Oliveira de
Primeiro Orientador:	Silva, Gustavo Barbosa Lima da
Resumo:	Devido à necessidade da previsão de vazões para melhor gestão dos recursos hídricos, utiliza-se a modelagem hidrológica como ferramenta para geração de vazões afluentes a reservatórios. Um dos modelos que vem se destacando com bom grau de precisão na previsão de vazões são as Redes Neurais Artificiais (RNA), sendo este considerado um modelo empírico com memória e não linear desenvolvido, composto de elementos computacionais chamados neurônios, os quais são arranjados em padrões semelhantes a redes neurais biológicas. Para identificar as relações lineares e não lineares entre as variáveis de entrada e saída, utilizam-se funções de ativação. A maneira pela qual os neurônios de uma rede neural são estruturados está ligada com o algoritmo de aprendizagem utilizado para treinar a rede, ou seja, sua arquitetura. Para o treinamento da rede tem-se o “backpropagation” como algoritmo mais utilizado. Este trabalho foi realizado com o objetivo de analisar a eficiência das RNAs em bacias com diferentes áreas de drenagem, desde muito pequenas a grandes áreas, onde analisou-se o comportamento do processo chuva-vazão a partir das vazões regularizadas dos reservatórios de Sobradinho e Três Marias, e da estação 73015 do rio Keer, situada no noroeste da Inglaterra. Foram realizadas previsões para vazões diárias com horizonte de 1, 3 e 5 dias. Para avaliar a performance do modelo, além da análise dos gráficos, foram utilizados 3 parâmetros estatísticos, sendo eles: o erro quadrático médio (RSME), o erro absoluto relativo (MARE) e o coeficiente de eficiência (CE). Quanto aos resultados, observou-se melhores resultados na previsão de 1 dia, ou seja, o modelo apresenta-se mais eficiente em horizontes de previsões menores. O reservatório de Sobradinho apresentou o melhor desempenho nas previsões, com um erro quadrático médio , de 125,65, maior que o reservatório de Três Marias, com 63,62. Já para o Rio Keer, o RSME apresentado foi o menor entre os três casos, com 0,58. Tratando-se da eficiência do modelo, Sobradinho apresentou resultados mais próximos de 1, com 0,99, enquanto Três Marias e o Rio Keer, 0,93 e 0,40, respectivamente. Tratando-se do MARE, Sobradinho apresentou os menores resultados, com 0,012. Já Três Marias e o rio Keer, obtiveram 0,34 e 0,48, respectivamente. Conclui-se assim, que o reservatório de sobradinho apresenta o melhor desempenho ao utilizar o RNA como modelo previsão, devido ao comportamento das vazões em bacias com grandes áreas de drenagem apresentar uma resposta mais lenta ao decorrer do fluxo, o que não ocorre em bacias com área de drenagem pequena, como no caso do rio Keer, que responde com rapidez ás precipitações e gera vazões de pico rapidamente, sendo difícil simular tal comportamento sem apresentar grandes erros.
Abstract:	Não consta no trabalho
Palavras-chave:	Previsão de Vazão Bacia Hidrográfica Redes Neurais Artificiais
CNPq:	CNPQ::ENGENHARIAS
Idioma:	por
País:	Brasil
Editor:	Universidade Federal da Paraíba
Sigla da Instituição:	UFPB
Departamento:	Engenharia Civil e Ambiental
Tipo de Acesso:	Acesso aberto
URI:	https://repositorio.ufpb.br/jspui/handle/123456789/24405
Data do documento:	12-Dez-2018
Aparece nas coleções:	CT - TCC - Engenharia Civil e Ambiental

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
TCC_SHARA_VERSAO_FINAL.pdf		1,83 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro completo do item Visualizar estatísticas

Repositório Institucional da UFPB