Previsão mensal do volume útil do Descoberto utilizando como técnica de inteligência artificial as redes neurais artificiais

• Autor(a) principal: Moraes, Catheriny Soares Andrade
• Data de Publicação: 2018
• Outros Autores: Gravina, Rogério Machado
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UCB
• Texto Completo: https://repositorio.ucb.br:9443/jspui/handle/123456789/11655
• topic: CNPQ::ENGENHARIAS::ENGENHARIA CIVIL; Redes Neurais Artificiais com Backpropagation; Reservatório do Descoberto; Modelo de previsão; Volume útil

A previsão precisa e confiável das variações do volume útil de um lago é importante para o processo de tomada de decisão para o gerenciamento de recursos hídricos. Uma gestão eficiente garante à sociedade resiliência contra extremos hidrológicos, sustentabilidade no abastecimento entre outras vantagens. No presente trabalho foi empregada a abordagem de Inteligência Artificial, conhecida como Redes Neurais Artificiais, mais especificamente, uma multilayer perceptron com algoritmo de aprendizagem backpropagation e o método de otimização Descida do Gradiente Estocástico. O emprego dessas metodologias teve como propósito prever as variações mensais do volume útil do principal reservatório do Distrito Federal. As medições no reservatório fornecidas pela ADASA, para o período de janeiro de 1986 a dezembro de 2015, foram usadas para treinar, testar e validar a rede neural. Os parâmetros dados de entrada da rede foram selecionados a partir de um levantamento na literatura e para validação e priorização destes parâmetros, um questionário foi aplicado a profissionais acadêmicos e dos principais órgãos de controle e regulamentação hidrológica. Além disso, foram geradas matrizes de correlação para analisar o comportamento dos inputs em relação aos outros e também em relação ao output. Os resultados obtidos mostraram que o modelo final tem capacidade de aprendizagem do comportamento não linear das variações do volume útil.