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

Registro completo de metadados

Campo DC	Valor	Idioma
dc.creator	Sousa, Shara Sonally Oliveira de	-
dc.date.accessioned	2022-09-05T18:17:17Z	-
dc.date.available	2022-09-05	-
dc.date.available	2022-09-05T18:17:17Z	-
dc.date.issued	2018-12-12	-
dc.identifier.uri	https://repositorio.ufpb.br/jspui/handle/123456789/24405	-
dc.description.abstract	Não consta no trabalho	pt_BR
dc.description.provenance	Submitted by Germana Laura (germanalaura@hotmail.com) on 2022-09-05T18:17:17Z No. of bitstreams: 1 TCC_SHARA_VERSAO_FINAL.pdf: 1869776 bytes, checksum: 84325568e895fbc6c449d045f62a6e6d (MD5)	en
dc.description.provenance	Made available in DSpace on 2022-09-05T18:17:17Z (GMT). No. of bitstreams: 1 TCC_SHARA_VERSAO_FINAL.pdf: 1869776 bytes, checksum: 84325568e895fbc6c449d045f62a6e6d (MD5) Previous issue date: 2018-12-12	en
dc.language	por	pt_BR
dc.publisher	Universidade Federal da Paraíba	pt_BR
dc.rights	Acesso aberto	pt_BR
dc.subject	Previsão de Vazão	pt_BR
dc.subject	Bacia Hidrográfica	pt_BR
dc.subject	Redes Neurais Artificiais	pt_BR
dc.title	Previsão de vazões médias diárias em rios com diferentes áreas de drenagem utilizando redes neurais artificiais	pt_BR
dc.type	TCC	pt_BR
dc.contributor.advisor1	Silva, Gustavo Barbosa Lima da	-
dc.description.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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Engenharia Civil e Ambiental	pt_BR
dc.publisher.initials	UFPB	pt_BR
dc.subject.cnpq	CNPQ::ENGENHARIAS	pt_BR
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 simples do item Visualizar estatísticas

Repositório Institucional da UFPB