Rede neural artificial aplicada à previsão de vazão da Bacia Hidrográfica do Rio Piancó
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista Brasileira de Engenharia Agrícola e Ambiental (Online) |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662010000200008 |
Resumo: | A previsão de vazão em um sistema hídrico não é apenas uma das técnicas utilizadas para minimizar o impacto das incertezas do clima sobre o gerenciamento dos recursos hídricos mas, também, um dos principais desafios relacionados ao conhecimento integrado da climatologia e da hidrologia de uma bacia hidrográfica. O objetivo deste trabalho foi modelar a relação não-linear entre chuva e vazão na bacia hidrográfica do rio Piancó, no semiárido paraibano, através da técnica de Redes Neurais Artificiais (RNA). Aqui se avaliou a capacidade da RNA modelar o processo chuva-vazão em base mensal e se considerou, durante o seu treinamento, a influência da arquitetura da rede e da inicialização dos pesos. No final do treinamento foi escolhida a melhor arquitetura para modelar vazões médias mensais na bacia estudada, com base no desempenho do modelo. A arquitetura de RNA que produziu melhor resultado foi a RC315L, com valores para o coeficiente de determinação, de eficiência e erro padrão da estimativa de 92,0, 77,0% e 8,29, respectivamente. |
id |
UFCG-1_5b590bf4695f6fba8d2a328d09091ed1 |
---|---|
oai_identifier_str |
oai:scielo:S1415-43662010000200008 |
network_acronym_str |
UFCG-1 |
network_name_str |
Revista Brasileira de Engenharia Agrícola e Ambiental (Online) |
repository_id_str |
|
spelling |
Rede neural artificial aplicada à previsão de vazão da Bacia Hidrográfica do Rio Piancóhidrometeorologiaprocesso estocásticoprocesso chuva-vazãoA previsão de vazão em um sistema hídrico não é apenas uma das técnicas utilizadas para minimizar o impacto das incertezas do clima sobre o gerenciamento dos recursos hídricos mas, também, um dos principais desafios relacionados ao conhecimento integrado da climatologia e da hidrologia de uma bacia hidrográfica. O objetivo deste trabalho foi modelar a relação não-linear entre chuva e vazão na bacia hidrográfica do rio Piancó, no semiárido paraibano, através da técnica de Redes Neurais Artificiais (RNA). Aqui se avaliou a capacidade da RNA modelar o processo chuva-vazão em base mensal e se considerou, durante o seu treinamento, a influência da arquitetura da rede e da inicialização dos pesos. No final do treinamento foi escolhida a melhor arquitetura para modelar vazões médias mensais na bacia estudada, com base no desempenho do modelo. A arquitetura de RNA que produziu melhor resultado foi a RC315L, com valores para o coeficiente de determinação, de eficiência e erro padrão da estimativa de 92,0, 77,0% e 8,29, respectivamente.Departamento de Engenharia Agrícola - UFCG2010-02-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662010000200008Revista Brasileira de Engenharia Agrícola e Ambiental v.14 n.2 2010reponame:Revista Brasileira de Engenharia Agrícola e Ambiental (Online)instname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG10.1590/S1415-43662010000200008info:eu-repo/semantics/openAccessSousa,Wanderson dos S.Sousa,Francisco de A. S. depor2010-01-15T00:00:00Zoai:scielo:S1415-43662010000200008Revistahttp://www.scielo.br/rbeaaPUBhttps://old.scielo.br/oai/scielo-oai.php||agriambi@agriambi.com.br1807-19291415-4366opendoar:2010-01-15T00:00Revista Brasileira de Engenharia Agrícola e Ambiental (Online) - Universidade Federal de Campina Grande (UFCG)false |
dc.title.none.fl_str_mv |
Rede neural artificial aplicada à previsão de vazão da Bacia Hidrográfica do Rio Piancó |
title |
Rede neural artificial aplicada à previsão de vazão da Bacia Hidrográfica do Rio Piancó |
spellingShingle |
Rede neural artificial aplicada à previsão de vazão da Bacia Hidrográfica do Rio Piancó Sousa,Wanderson dos S. hidrometeorologia processo estocástico processo chuva-vazão |
title_short |
Rede neural artificial aplicada à previsão de vazão da Bacia Hidrográfica do Rio Piancó |
title_full |
Rede neural artificial aplicada à previsão de vazão da Bacia Hidrográfica do Rio Piancó |
title_fullStr |
Rede neural artificial aplicada à previsão de vazão da Bacia Hidrográfica do Rio Piancó |
title_full_unstemmed |
Rede neural artificial aplicada à previsão de vazão da Bacia Hidrográfica do Rio Piancó |
title_sort |
Rede neural artificial aplicada à previsão de vazão da Bacia Hidrográfica do Rio Piancó |
author |
Sousa,Wanderson dos S. |
author_facet |
Sousa,Wanderson dos S. Sousa,Francisco de A. S. de |
author_role |
author |
author2 |
Sousa,Francisco de A. S. de |
author2_role |
author |
dc.contributor.author.fl_str_mv |
Sousa,Wanderson dos S. Sousa,Francisco de A. S. de |
dc.subject.por.fl_str_mv |
hidrometeorologia processo estocástico processo chuva-vazão |
topic |
hidrometeorologia processo estocástico processo chuva-vazão |
description |
A previsão de vazão em um sistema hídrico não é apenas uma das técnicas utilizadas para minimizar o impacto das incertezas do clima sobre o gerenciamento dos recursos hídricos mas, também, um dos principais desafios relacionados ao conhecimento integrado da climatologia e da hidrologia de uma bacia hidrográfica. O objetivo deste trabalho foi modelar a relação não-linear entre chuva e vazão na bacia hidrográfica do rio Piancó, no semiárido paraibano, através da técnica de Redes Neurais Artificiais (RNA). Aqui se avaliou a capacidade da RNA modelar o processo chuva-vazão em base mensal e se considerou, durante o seu treinamento, a influência da arquitetura da rede e da inicialização dos pesos. No final do treinamento foi escolhida a melhor arquitetura para modelar vazões médias mensais na bacia estudada, com base no desempenho do modelo. A arquitetura de RNA que produziu melhor resultado foi a RC315L, com valores para o coeficiente de determinação, de eficiência e erro padrão da estimativa de 92,0, 77,0% e 8,29, respectivamente. |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010-02-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662010000200008 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662010000200008 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S1415-43662010000200008 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Departamento de Engenharia Agrícola - UFCG |
publisher.none.fl_str_mv |
Departamento de Engenharia Agrícola - UFCG |
dc.source.none.fl_str_mv |
Revista Brasileira de Engenharia Agrícola e Ambiental v.14 n.2 2010 reponame:Revista Brasileira de Engenharia Agrícola e Ambiental (Online) instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Revista Brasileira de Engenharia Agrícola e Ambiental (Online) |
collection |
Revista Brasileira de Engenharia Agrícola e Ambiental (Online) |
repository.name.fl_str_mv |
Revista Brasileira de Engenharia Agrícola e Ambiental (Online) - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
||agriambi@agriambi.com.br |
_version_ |
1750297679567519744 |