Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2011 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFCG |
Texto Completo: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/6640 |
Resumo: | A seca afeta o ambiente natural de uma área quando persiste por um período mais longo. Desse modo, a previsão de seca desempenha um importante papel no planejamento e na gestão dos recursos naturais e sistemas de recursos hídricos de uma bacia hidrográfica. Na última década, a metodologia com base em Redes Neurais Artificiais (RNAs) tem mostrado grande habilidade na modelagem e previsão de séries temporais não-lineares e nãoestacionárias. Este trabalho aplica a metodologia das RNAs para previsão das séries temporais do índice padronizado de precipitação (SPI - Standardized Precipitation Index) na bacia hidrográfica do açude Epitácio Pessoa - PB e avalia sua eficiência. A área de estudo (bacia hidrográfica do açude Epitácio Pessoa) é localizada no município de Boqueirão, uma região semi-árida do Estado da Paraíba. No processo e modelagem foram efetuadas mudanças sucessivas na configuração da rede a fim de se obter um modelo com o menor erro possível. A rede feed-forward backpropagation teve um dos melhores desempenhos, com uma estrutura de duas camadas e algoritmo de aprendizado de Levenberg - Marqualdt. Dos 26 postos estudados no âmbito da bacia, o modelo proposto para previsão apresentou valores médios de regressão acima de 88 % e erro médio quadrático abaixo de 0,223. As previsões mostraram-se mais eficientes para escalas temporais de SPI maiores, no curto prazo. Verificou-se que à medida que se aumenta o horizonte temporal reduz-se a precisão da previsão. Os resultados indicam que previsões abaixo de três meses são consideradas satisfatórias, para prazos maiores é necessário melhorar o processo de aprendizagem da rede. |
id |
UFCG_08efefd5cc11b90ed7124caa4df717b7 |
---|---|
oai_identifier_str |
oai:localhost:riufcg/6640 |
network_acronym_str |
UFCG |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository_id_str |
4851 |
spelling |
Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais.Drought forecast in the Epitácio dam basin Person based on artificial neural networks.Previsão HidrológicaÍndice de ChuvaModelagemInteligência ArtificialHydrological ForecastRainfall IndexModelingArtificial IntelligenceMeteorologiaA seca afeta o ambiente natural de uma área quando persiste por um período mais longo. Desse modo, a previsão de seca desempenha um importante papel no planejamento e na gestão dos recursos naturais e sistemas de recursos hídricos de uma bacia hidrográfica. Na última década, a metodologia com base em Redes Neurais Artificiais (RNAs) tem mostrado grande habilidade na modelagem e previsão de séries temporais não-lineares e nãoestacionárias. Este trabalho aplica a metodologia das RNAs para previsão das séries temporais do índice padronizado de precipitação (SPI - Standardized Precipitation Index) na bacia hidrográfica do açude Epitácio Pessoa - PB e avalia sua eficiência. A área de estudo (bacia hidrográfica do açude Epitácio Pessoa) é localizada no município de Boqueirão, uma região semi-árida do Estado da Paraíba. No processo e modelagem foram efetuadas mudanças sucessivas na configuração da rede a fim de se obter um modelo com o menor erro possível. A rede feed-forward backpropagation teve um dos melhores desempenhos, com uma estrutura de duas camadas e algoritmo de aprendizado de Levenberg - Marqualdt. Dos 26 postos estudados no âmbito da bacia, o modelo proposto para previsão apresentou valores médios de regressão acima de 88 % e erro médio quadrático abaixo de 0,223. As previsões mostraram-se mais eficientes para escalas temporais de SPI maiores, no curto prazo. Verificou-se que à medida que se aumenta o horizonte temporal reduz-se a precisão da previsão. Os resultados indicam que previsões abaixo de três meses são consideradas satisfatórias, para prazos maiores é necessário melhorar o processo de aprendizagem da rede.Drought affects the natural environment of an area when it persists for a longer period. Thus, the prediction of drought plays a major role in planning and resource management systems and water resources in a river basin. In the last decade, the methodology based on Artificial Neural Networks (ANN) has shown great skill in modeling and forecasting time series nonlinear and nonstationary. This work applies the methodology of ANNs for forecasting time series of Standardized Precipitation Index (SPI) in the Epitácio Pessoa river basin dam - PB and evaluates their effectiveness. The study area (Epitácio Pessoa river basin dam) is located in the semiarid region of Paraíba State. In the modeling process, subsequent changes were made to the Neural Network configuration in order to obtain a model with the smallest possible error. The feed-forward back propagation Neural Network had one of the best performances, with a two-layer structure and learning algorithm of Levenberg-Marqualdt. Of the 26 gauge stations studied within the basin, the proposed model for prediction of regression showed values above 88% and mean square error below 0.223. The forecasts are more efficient for larger time scales of SPI, in the short term. It was found that as an increase the time horizon reduces the accuracy of the forecast. The results indicate that forecast less than three months is considered satisfactory. For longer terms is necessary to improve the learning process of the Neural Network.CNPqUniversidade Federal de Campina GrandeBrasilCentro de Tecnologia e Recursos Naturais - CTRNPÓS-GRADUAÇÃO EM METEOROLOGIAUFCGSOUSA, Francisco de Assis Salviano de.SOUSA, F. A. S.http://lattes.cnpq.br/5392432872592612CAVALCANTI , Enilson Palmeira.NÓBREGA, Ranyére Silva.GUEDES, Roni Valter de Souza.2011-02-252019-09-04T10:15:28Z2019-09-042019-09-04T10:15:28Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/6640GUEDES, R. V. de S. Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais. 2011. 72 f. Dissertação (Mestrado em Meteorologia) – Pós-Graduação em Meteorologia, Centro de Tecnologia e Recursos Naturais, Universidade Federal de Campina Grande, Paraíba, Brasil, 2011. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/6640porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2022-09-29T22:47:30Zoai:localhost:riufcg/6640Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512022-09-29T22:47:30Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false |
dc.title.none.fl_str_mv |
Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais. Drought forecast in the Epitácio dam basin Person based on artificial neural networks. |
title |
Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais. |
spellingShingle |
Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais. GUEDES, Roni Valter de Souza. Previsão Hidrológica Índice de Chuva Modelagem Inteligência Artificial Hydrological Forecast Rainfall Index Modeling Artificial Intelligence Meteorologia |
title_short |
Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais. |
title_full |
Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais. |
title_fullStr |
Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais. |
title_full_unstemmed |
Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais. |
title_sort |
Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais. |
author |
GUEDES, Roni Valter de Souza. |
author_facet |
GUEDES, Roni Valter de Souza. |
author_role |
author |
dc.contributor.none.fl_str_mv |
SOUSA, Francisco de Assis Salviano de. SOUSA, F. A. S. http://lattes.cnpq.br/5392432872592612 CAVALCANTI , Enilson Palmeira. NÓBREGA, Ranyére Silva. |
dc.contributor.author.fl_str_mv |
GUEDES, Roni Valter de Souza. |
dc.subject.por.fl_str_mv |
Previsão Hidrológica Índice de Chuva Modelagem Inteligência Artificial Hydrological Forecast Rainfall Index Modeling Artificial Intelligence Meteorologia |
topic |
Previsão Hidrológica Índice de Chuva Modelagem Inteligência Artificial Hydrological Forecast Rainfall Index Modeling Artificial Intelligence Meteorologia |
description |
A seca afeta o ambiente natural de uma área quando persiste por um período mais longo. Desse modo, a previsão de seca desempenha um importante papel no planejamento e na gestão dos recursos naturais e sistemas de recursos hídricos de uma bacia hidrográfica. Na última década, a metodologia com base em Redes Neurais Artificiais (RNAs) tem mostrado grande habilidade na modelagem e previsão de séries temporais não-lineares e nãoestacionárias. Este trabalho aplica a metodologia das RNAs para previsão das séries temporais do índice padronizado de precipitação (SPI - Standardized Precipitation Index) na bacia hidrográfica do açude Epitácio Pessoa - PB e avalia sua eficiência. A área de estudo (bacia hidrográfica do açude Epitácio Pessoa) é localizada no município de Boqueirão, uma região semi-árida do Estado da Paraíba. No processo e modelagem foram efetuadas mudanças sucessivas na configuração da rede a fim de se obter um modelo com o menor erro possível. A rede feed-forward backpropagation teve um dos melhores desempenhos, com uma estrutura de duas camadas e algoritmo de aprendizado de Levenberg - Marqualdt. Dos 26 postos estudados no âmbito da bacia, o modelo proposto para previsão apresentou valores médios de regressão acima de 88 % e erro médio quadrático abaixo de 0,223. As previsões mostraram-se mais eficientes para escalas temporais de SPI maiores, no curto prazo. Verificou-se que à medida que se aumenta o horizonte temporal reduz-se a precisão da previsão. Os resultados indicam que previsões abaixo de três meses são consideradas satisfatórias, para prazos maiores é necessário melhorar o processo de aprendizagem da rede. |
publishDate |
2011 |
dc.date.none.fl_str_mv |
2011-02-25 2019-09-04T10:15:28Z 2019-09-04 2019-09-04T10:15:28Z |
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 |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/6640 GUEDES, R. V. de S. Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais. 2011. 72 f. Dissertação (Mestrado em Meteorologia) – Pós-Graduação em Meteorologia, Centro de Tecnologia e Recursos Naturais, Universidade Federal de Campina Grande, Paraíba, Brasil, 2011. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/6640 |
url |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/6640 |
identifier_str_mv |
GUEDES, R. V. de S. Previsão de seca na bacia hidrográfica do açude Epitácio Pessoa com base em redes neurais artificiais. 2011. 72 f. Dissertação (Mestrado em Meteorologia) – Pós-Graduação em Meteorologia, Centro de Tecnologia e Recursos Naturais, Universidade Federal de Campina Grande, Paraíba, Brasil, 2011. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/6640 |
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.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Tecnologia e Recursos Naturais - CTRN PÓS-GRADUAÇÃO EM METEOROLOGIA UFCG |
publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Tecnologia e Recursos Naturais - CTRN PÓS-GRADUAÇÃO EM METEOROLOGIA UFCG |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFCG instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
collection |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br |
_version_ |
1809744391785414656 |