Aplicação de redes neuronais computacionais à modelação de escoamentos mensais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2008 |
Outros Autores: | |
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 |