Modelagem chuva-vazão utilizando redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Scheidt, Felippe Alex
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UEL
Texto Completo: https://repositorio.uel.br/handle/123456789/12496
Resumo: Resumo: Este trabalho apresenta uma metodologia para modelagem da relação ao da transformação chuva-vazão de uma bacia hidrográfica utilizando redes neurais artificiais (RNA) acoplada a um algoritmo genético (AG) num intervalo de discretização diário e mensal Esta modelagem foi aplicada na bacia hidrográfica do rio Piquiri, localizada no estado do Paraná, Brasil Os resultados dessa modelagem foram comparados a um modelo autorregressivo de média móvel e demonstraram que as RNAs são mais adequadas para a modelagem da relação chuva-vazão do que os modelos autorregressivos Além disso, comparou-se o desempenho e características das redes neurais artificiais com um modelo híbrido utilizando RNA e AG, onde foi observado que o modelo híbrido obteve melhor representação do processo de transformação chuva-vazão
id UEL_2b11142ce8147b45e1aea0a56c94c44e
oai_identifier_str oai:repositorio.uel.br:123456789/12496
network_acronym_str UEL
network_name_str Repositório Institucional da UEL
repository_id_str
spelling Modelagem chuva-vazão utilizando redes neurais artificiaisRedes neurais (Computação)Recursos hídricosDesenvolvimentoModelagem de processosBacias hidrográficasNeural networks (Computer science)Water resources developmentWatershedsGenetic algorithmsResumo: Este trabalho apresenta uma metodologia para modelagem da relação ao da transformação chuva-vazão de uma bacia hidrográfica utilizando redes neurais artificiais (RNA) acoplada a um algoritmo genético (AG) num intervalo de discretização diário e mensal Esta modelagem foi aplicada na bacia hidrográfica do rio Piquiri, localizada no estado do Paraná, Brasil Os resultados dessa modelagem foram comparados a um modelo autorregressivo de média móvel e demonstraram que as RNAs são mais adequadas para a modelagem da relação chuva-vazão do que os modelos autorregressivos Além disso, comparou-se o desempenho e características das redes neurais artificiais com um modelo híbrido utilizando RNA e AG, onde foi observado que o modelo híbrido obteve melhor representação do processo de transformação chuva-vazãoDissertação (Mestrado em Ciência da Computação)- Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da ComputaçãoAbstract: In this work it is proposed a methodology for modeling the rainfall-runo_ relantionshipof a speci_c watershed, throught articial neural networks (ANN) and geneticalgorithm This model was developed on events based on daily and monthly observationsThe study case is a watershed of the state of Parana, Brasil, named Piquiri river Basin The results are compared with an autorregressive and movingaverage model, and showed that neural networks has superior capacity to representthe rainfall-runo relationship Besides, the ANN methodology was compared witha hybrid model, which coupling ANN with genetic algorithm, and the results showedthat the hybrid model tted better than ANN, when representing the rainfall-runo transformationCamargo-Brunetto, Maria Angelica de Oliveira [Orientador]Carvalho, André Carlos Ponce de Leon Ferreira deAyrosa, Pedro Paulo da SilvaHoto, Robinson Samuel VieiraRoloff, Gláucio [Coorientador]Scheidt, Felippe Alex2024-05-01T13:55:49Z2024-05-01T13:55:49Z2010.0027.08.2010info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://repositorio.uel.br/handle/123456789/12496porMestradoCiência da ComputaçãoCentro de Ciências ExatasPrograma de Pós-Graduação em Ciência da ComputaçãoLondrinareponame:Repositório Institucional da UELinstname:Universidade Estadual de Londrina (UEL)instacron:UELinfo:eu-repo/semantics/openAccess2024-07-12T04:19:39Zoai:repositorio.uel.br:123456789/12496Biblioteca Digital de Teses e Dissertaçõeshttp://www.bibliotecadigital.uel.br/PUBhttp://www.bibliotecadigital.uel.br/OAI/oai2.phpbcuel@uel.br||opendoar:2024-07-12T04:19:39Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)false
dc.title.none.fl_str_mv Modelagem chuva-vazão utilizando redes neurais artificiais
title Modelagem chuva-vazão utilizando redes neurais artificiais
spellingShingle Modelagem chuva-vazão utilizando redes neurais artificiais
Scheidt, Felippe Alex
Redes neurais (Computação)
Recursos hídricos
Desenvolvimento
Modelagem de processos
Bacias hidrográficas
Neural networks (Computer science)
Water resources development
Watersheds
Genetic algorithms
title_short Modelagem chuva-vazão utilizando redes neurais artificiais
title_full Modelagem chuva-vazão utilizando redes neurais artificiais
title_fullStr Modelagem chuva-vazão utilizando redes neurais artificiais
title_full_unstemmed Modelagem chuva-vazão utilizando redes neurais artificiais
title_sort Modelagem chuva-vazão utilizando redes neurais artificiais
author Scheidt, Felippe Alex
author_facet Scheidt, Felippe Alex
author_role author
dc.contributor.none.fl_str_mv Camargo-Brunetto, Maria Angelica de Oliveira [Orientador]
Carvalho, André Carlos Ponce de Leon Ferreira de
Ayrosa, Pedro Paulo da Silva
Hoto, Robinson Samuel Vieira
Roloff, Gláucio [Coorientador]
dc.contributor.author.fl_str_mv Scheidt, Felippe Alex
dc.subject.por.fl_str_mv Redes neurais (Computação)
Recursos hídricos
Desenvolvimento
Modelagem de processos
Bacias hidrográficas
Neural networks (Computer science)
Water resources development
Watersheds
Genetic algorithms
topic Redes neurais (Computação)
Recursos hídricos
Desenvolvimento
Modelagem de processos
Bacias hidrográficas
Neural networks (Computer science)
Water resources development
Watersheds
Genetic algorithms
description Resumo: Este trabalho apresenta uma metodologia para modelagem da relação ao da transformação chuva-vazão de uma bacia hidrográfica utilizando redes neurais artificiais (RNA) acoplada a um algoritmo genético (AG) num intervalo de discretização diário e mensal Esta modelagem foi aplicada na bacia hidrográfica do rio Piquiri, localizada no estado do Paraná, Brasil Os resultados dessa modelagem foram comparados a um modelo autorregressivo de média móvel e demonstraram que as RNAs são mais adequadas para a modelagem da relação chuva-vazão do que os modelos autorregressivos Além disso, comparou-se o desempenho e características das redes neurais artificiais com um modelo híbrido utilizando RNA e AG, onde foi observado que o modelo híbrido obteve melhor representação do processo de transformação chuva-vazão
publishDate 2024
dc.date.none.fl_str_mv 2010.00
2024-05-01T13:55:49Z
2024-05-01T13:55:49Z
27.08.2010
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.uel.br/handle/123456789/12496
url https://repositorio.uel.br/handle/123456789/12496
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Mestrado
Ciência da Computação
Centro de Ciências Exatas
Programa de Pós-Graduação em Ciência da Computação
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.coverage.none.fl_str_mv Londrina
dc.source.none.fl_str_mv reponame:Repositório Institucional da UEL
instname:Universidade Estadual de Londrina (UEL)
instacron:UEL
instname_str Universidade Estadual de Londrina (UEL)
instacron_str UEL
institution UEL
reponame_str Repositório Institucional da UEL
collection Repositório Institucional da UEL
repository.name.fl_str_mv Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)
repository.mail.fl_str_mv bcuel@uel.br||
_version_ 1809823244443713536

Registros relacionados