Aplicação de redes neuronais computacionais à modelação de escoamentos mensais

Detalhes bibliográficos
Autor(a) principal: Santos, João Filipe
Data de Publicação: 2008
Outros Autores: Portela, Maria Manuela
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://comum.rcaap.pt/handle/123456789/1305
http://hdl.handle.net/20.500.12207/247
Resumo: Apresentam-se os resultados da modelação baseada em redes neuronais computacionais, RNCs, dos escoamentos mensais em quatro bacias hidrográficas portuguesas. Incluiu-se a comparação dos escoamentos mensais assim estimados com os fornecidos por um modelo do tipo conceptual, designadamente, pelo modelo de Temez. A identificação das variáveis de entrada a considerar nas RNCs baseou-se na análise da dependência temporal, a nível mensal, entre escoamentos e outras variáveis hidrológicas de que se admitiu poderem depender aqueles escoamentos. Foram, assim, adoptadas como variáveis de entrada a precipitação e a evapotranspiração em cada mês objecto de modelação e em meses antecedentes, bem como o escoamento, neste caso, somente em meses antecedentes O treino das redes neuronais recorreu a uma variante do algoritmo de retro-propagação, conhecida por algoritmo de optimização linear de segunda ordem de Levenberg Marquardt, e que assegura uma rápida convergência para a solução. Para apreciar o ajustamento dos modelos utilizaram-se como medidas de ajustamento ou de erro entre escoamentos observados e escoamentos estimados o coeficiente de correlação, a raiz quadrada do desvio quadrático médio e o erro absoluto médio. Os resultados obtidos tendo por base quatro casos de estudo permitem concluir pela adequação das RNCs à modelação de escoamentos mensais o que deixa antever a possibilidade de aplicação desses modelos à previsão de escoamentos mensais ou de escoamentos em menores intervalos de tempo, para o que fundamentalmente, as variáveis de entrada não poderão incluir valores no intervalo de tempo objecto de previsão de escoamentos.
id RCAP_762bf85c9db36f44335fc9d3e51a08fc
oai_identifier_str oai:repositorio.ipbeja.pt:20.500.12207/247
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Aplicação de redes neuronais computacionais à modelação de escoamentos mensaisRedes neuronais computacionaisModelação de escoamentos mensaisApresentam-se os resultados da modelação baseada em redes neuronais computacionais, RNCs, dos escoamentos mensais em quatro bacias hidrográficas portuguesas. Incluiu-se a comparação dos escoamentos mensais assim estimados com os fornecidos por um modelo do tipo conceptual, designadamente, pelo modelo de Temez. A identificação das variáveis de entrada a considerar nas RNCs baseou-se na análise da dependência temporal, a nível mensal, entre escoamentos e outras variáveis hidrológicas de que se admitiu poderem depender aqueles escoamentos. Foram, assim, adoptadas como variáveis de entrada a precipitação e a evapotranspiração em cada mês objecto de modelação e em meses antecedentes, bem como o escoamento, neste caso, somente em meses antecedentes O treino das redes neuronais recorreu a uma variante do algoritmo de retro-propagação, conhecida por algoritmo de optimização linear de segunda ordem de Levenberg Marquardt, e que assegura uma rápida convergência para a solução. Para apreciar o ajustamento dos modelos utilizaram-se como medidas de ajustamento ou de erro entre escoamentos observados e escoamentos estimados o coeficiente de correlação, a raiz quadrada do desvio quadrático médio e o erro absoluto médio. Os resultados obtidos tendo por base quatro casos de estudo permitem concluir pela adequação das RNCs à modelação de escoamentos mensais o que deixa antever a possibilidade de aplicação desses modelos à previsão de escoamentos mensais ou de escoamentos em menores intervalos de tempo, para o que fundamentalmente, as variáveis de entrada não poderão incluir valores no intervalo de tempo objecto de previsão de escoamentos.2011-09-26T13:48:09Z2008-01-01T00:00:00Z2008conference objectinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://comum.rcaap.pt/handle/123456789/1305http://hdl.handle.net/20.500.12207/247porSantos, João FilipePortela, Maria Manuelainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-06-20T09:31:11Zoai:repositorio.ipbeja.pt:20.500.12207/247Portal AgregadorONGhttps://www.rcaap.pt/oai/openairemluisa.alvim@gmail.comopendoar:71602024-06-20T09:31:11Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Aplicação de redes neuronais computacionais à modelação de escoamentos mensais
title Aplicação de redes neuronais computacionais à modelação de escoamentos mensais
spellingShingle Aplicação de redes neuronais computacionais à modelação de escoamentos mensais
Santos, João Filipe
Redes neuronais computacionais
Modelação de escoamentos mensais
title_short Aplicação de redes neuronais computacionais à modelação de escoamentos mensais
title_full Aplicação de redes neuronais computacionais à modelação de escoamentos mensais
title_fullStr Aplicação de redes neuronais computacionais à modelação de escoamentos mensais
title_full_unstemmed Aplicação de redes neuronais computacionais à modelação de escoamentos mensais
title_sort Aplicação de redes neuronais computacionais à modelação de escoamentos mensais
author Santos, João Filipe
author_facet Santos, João Filipe
Portela, Maria Manuela
author_role author
author2 Portela, Maria Manuela
author2_role author
dc.contributor.author.fl_str_mv Santos, João Filipe
Portela, Maria Manuela
dc.subject.por.fl_str_mv Redes neuronais computacionais
Modelação de escoamentos mensais
topic Redes neuronais computacionais
Modelação de escoamentos mensais
description Apresentam-se os resultados da modelação baseada em redes neuronais computacionais, RNCs, dos escoamentos mensais em quatro bacias hidrográficas portuguesas. Incluiu-se a comparação dos escoamentos mensais assim estimados com os fornecidos por um modelo do tipo conceptual, designadamente, pelo modelo de Temez. A identificação das variáveis de entrada a considerar nas RNCs baseou-se na análise da dependência temporal, a nível mensal, entre escoamentos e outras variáveis hidrológicas de que se admitiu poderem depender aqueles escoamentos. Foram, assim, adoptadas como variáveis de entrada a precipitação e a evapotranspiração em cada mês objecto de modelação e em meses antecedentes, bem como o escoamento, neste caso, somente em meses antecedentes O treino das redes neuronais recorreu a uma variante do algoritmo de retro-propagação, conhecida por algoritmo de optimização linear de segunda ordem de Levenberg Marquardt, e que assegura uma rápida convergência para a solução. Para apreciar o ajustamento dos modelos utilizaram-se como medidas de ajustamento ou de erro entre escoamentos observados e escoamentos estimados o coeficiente de correlação, a raiz quadrada do desvio quadrático médio e o erro absoluto médio. Os resultados obtidos tendo por base quatro casos de estudo permitem concluir pela adequação das RNCs à modelação de escoamentos mensais o que deixa antever a possibilidade de aplicação desses modelos à previsão de escoamentos mensais ou de escoamentos em menores intervalos de tempo, para o que fundamentalmente, as variáveis de entrada não poderão incluir valores no intervalo de tempo objecto de previsão de escoamentos.
publishDate 2008
dc.date.none.fl_str_mv 2008-01-01T00:00:00Z
2008
2011-09-26T13:48:09Z
dc.type.driver.fl_str_mv conference object
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://comum.rcaap.pt/handle/123456789/1305
http://hdl.handle.net/20.500.12207/247
url http://comum.rcaap.pt/handle/123456789/1305
http://hdl.handle.net/20.500.12207/247
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv mluisa.alvim@gmail.com
_version_ 1817542873838518272