Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação direta

Detalhes bibliográficos
Autor(a) principal: Rodrigues, Márcio de Menezes
Data de Publicação: 2015
Outros Autores: http://lattes.cnpq.br/8745194893631914
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFAM
Texto Completo: http://tede.ufam.edu.br/handle/tede/5091
Resumo: Esse trabalho discute a aplicação de um novo método para previsão de cheias sazonais, utilizando redes neurais artificiais com as seguintes variáveis de entrada: índices climáticos e o nível do próprio rio, avaliado meses antes da ocorrência do pico da cheia. Um novo método para seleção das variáveis mais relevantes para a predição é proposto. Para o treinamento da rede neural são utilizados dois métodos para melhorar a generalização das mesmas, parada antecipada e regularização. O melhor resultado de predição obtido foi com três variáveis e resultou num índice de correlação de predição de 𝑟𝑝=0,755.
id UFAM_099f6575568a0bd93c935bf03e08fafa
oai_identifier_str oai:https://tede.ufam.edu.br/handle/:tede/5091
network_acronym_str UFAM
network_name_str Biblioteca Digital de Teses e Dissertações da UFAM
repository_id_str 6592
spelling Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação diretaRedes Neurais ArtificiaisFerramentas de PrevisãoCheias SazonaisENGENHARIAS: ENGENHARIA ELÉTRICAEsse trabalho discute a aplicação de um novo método para previsão de cheias sazonais, utilizando redes neurais artificiais com as seguintes variáveis de entrada: índices climáticos e o nível do próprio rio, avaliado meses antes da ocorrência do pico da cheia. Um novo método para seleção das variáveis mais relevantes para a predição é proposto. Para o treinamento da rede neural são utilizados dois métodos para melhorar a generalização das mesmas, parada antecipada e regularização. O melhor resultado de predição obtido foi com três variáveis e resultou num índice de correlação de predição de 𝑟𝑝=0,755.This paper proposes a new method for forecasting the maximum seasonal amplitude, using feedforward neural networks and, as input variables, climatic indices and the river amplitude measured a few months earlier before the maximum amplitude be verified. A new method for selecting the most relevant prediction variables is proposed. For neural networks training, two methods for improving its generalization are used: early stop and regularization. The best prediction result is obtained with two input variables, resulting in a correlation prediction coefficient of 𝑟𝑝=0,755.FAPEAM - Fundação de Amparo à Pesquisa do Estado do AmazonasUniversidade Federal do AmazonasFaculdade de TecnologiaBrasilUFAMPrograma de Pós-graduação em Engenharia ElétricaCosta Filho, Cícero Ferreira Fernandeshttp://lattes.cnpq.br/3029011770761387Rodrigues, Márcio de Menezeshttp://lattes.cnpq.br/87451948936319142016-07-14T12:48:29Z2015-12-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfRODRIGUES, Márcio de Menezes. Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação direta. 2015. 83 f. Dissertação (Mestrado em Engenharia Elétrica ) - Universidade Federal do Amazonas, Manaus.http://tede.ufam.edu.br/handle/tede/5091porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFAMinstname:Universidade Federal do Amazonas (UFAM)instacron:UFAM2018-08-16T18:08:33Zoai:https://tede.ufam.edu.br/handle/:tede/5091Biblioteca Digital de Teses e Dissertaçõeshttp://200.129.163.131:8080/PUBhttp://200.129.163.131:8080/oai/requestddbc@ufam.edu.br||ddbc@ufam.edu.bropendoar:65922018-08-16T18:08:33Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)false
dc.title.none.fl_str_mv Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação direta
title Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação direta
spellingShingle Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação direta
Rodrigues, Márcio de Menezes
Redes Neurais Artificiais
Ferramentas de Previsão
Cheias Sazonais
ENGENHARIAS: ENGENHARIA ELÉTRICA
title_short Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação direta
title_full Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação direta
title_fullStr Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação direta
title_full_unstemmed Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação direta
title_sort Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação direta
author Rodrigues, Márcio de Menezes
author_facet Rodrigues, Márcio de Menezes
http://lattes.cnpq.br/8745194893631914
author_role author
author2 http://lattes.cnpq.br/8745194893631914
author2_role author
dc.contributor.none.fl_str_mv Costa Filho, Cícero Ferreira Fernandes
http://lattes.cnpq.br/3029011770761387
dc.contributor.author.fl_str_mv Rodrigues, Márcio de Menezes
http://lattes.cnpq.br/8745194893631914
dc.subject.por.fl_str_mv Redes Neurais Artificiais
Ferramentas de Previsão
Cheias Sazonais
ENGENHARIAS: ENGENHARIA ELÉTRICA
topic Redes Neurais Artificiais
Ferramentas de Previsão
Cheias Sazonais
ENGENHARIAS: ENGENHARIA ELÉTRICA
description Esse trabalho discute a aplicação de um novo método para previsão de cheias sazonais, utilizando redes neurais artificiais com as seguintes variáveis de entrada: índices climáticos e o nível do próprio rio, avaliado meses antes da ocorrência do pico da cheia. Um novo método para seleção das variáveis mais relevantes para a predição é proposto. Para o treinamento da rede neural são utilizados dois métodos para melhorar a generalização das mesmas, parada antecipada e regularização. O melhor resultado de predição obtido foi com três variáveis e resultou num índice de correlação de predição de 𝑟𝑝=0,755.
publishDate 2015
dc.date.none.fl_str_mv 2015-12-22
2016-07-14T12:48:29Z
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 RODRIGUES, Márcio de Menezes. Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação direta. 2015. 83 f. Dissertação (Mestrado em Engenharia Elétrica ) - Universidade Federal do Amazonas, Manaus.
http://tede.ufam.edu.br/handle/tede/5091
identifier_str_mv RODRIGUES, Márcio de Menezes. Otimizando a previsão de cheias sazonais para o Rio Negro utilizando redes neurais de propagação direta. 2015. 83 f. Dissertação (Mestrado em Engenharia Elétrica ) - Universidade Federal do Amazonas, Manaus.
url http://tede.ufam.edu.br/handle/tede/5091
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.publisher.none.fl_str_mv Universidade Federal do Amazonas
Faculdade de Tecnologia
Brasil
UFAM
Programa de Pós-graduação em Engenharia Elétrica
publisher.none.fl_str_mv Universidade Federal do Amazonas
Faculdade de Tecnologia
Brasil
UFAM
Programa de Pós-graduação em Engenharia Elétrica
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFAM
instname:Universidade Federal do Amazonas (UFAM)
instacron:UFAM
instname_str Universidade Federal do Amazonas (UFAM)
instacron_str UFAM
institution UFAM
reponame_str Biblioteca Digital de Teses e Dissertações da UFAM
collection Biblioteca Digital de Teses e Dissertações da UFAM
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)
repository.mail.fl_str_mv ddbc@ufam.edu.br||ddbc@ufam.edu.br
_version_ 1809732016940253184

Registros relacionados