Estudos de calibração de rede de distribuição de água real com uso de redes neurais artificiais com vistas ao controle de perdas de água

Detalhes bibliográficos
Autor(a) principal: MARCONDES, Mateus Cortez
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNIFEI (RIUNIFEI)
Texto Completo: https://repositorio.unifei.edu.br/jspui/handle/123456789/3605
Resumo: O abastecimento de água compreende uma das vertentes do saneamento básico onde os direitos fundamentais de todo cidadão devem ser garantidos em virtude das leis que regem suas diretrizes. O poder público, em âmbito municipal, é um dos principais responsáveis sobre a gestão e funcionamento dos sistemas de abastecimento de água, gerenciando a infraestrutura e instalações em todos os processos para garantir o pleno funcionamento para o cumprimento das obrigações em torno do fornecimento dos recursos. Considerando a temática de perdas de água, as abordagens de simulações de redes permitem adequações e proposições de melhorias que garantem o fornecimento de água eficiente, entretanto devido às incertezas com relação a parâmetros de entrada para previsões realistas é necessário a etapa de calibração. O trabalho tem por objetivo aplicar uma metodologia de calibração com redes neurais artificiais para uso em rede de distribuição de água. A metodologia consiste no uso de redes neurais artificiais para fazer a calibração a partir de dados de entrada na rede real, com o uso do Python como ambiente de programação utilizado. Os resultados apresentam que estas ferramentas se demonstram promissoras para analisar este tipo de problema, tendo em vista a complexidade de análise hidráulica diante de diferentes cenários e grande quantidade de informações geradas. As calibrações evidenciam que o uso de Redes Neurais Artificiais consegue bons níveis de calibração em meio ao cenário escasso de informações em redes reais e atinge melhores resultados comparado a outros métodos de calibração como o método de busca iterativa aleatória. Assim a continuidade desta pesquisa pode fortalecer melhores calibrações visando sistemas reais e o controle de perdas em seus sistemas de distribuição de água. Novos estudos e tecnologias podem contribuir para a diminuição de perdas e consequentemente a economia de água, recurso este que é escasso e determinante para a sociedade.
id UFEI_738e5c5be3deacf6d9d1616c0cf0cfc7
oai_identifier_str oai:repositorio.unifei.edu.br:123456789/3605
network_acronym_str UFEI
network_name_str Repositório Institucional da UNIFEI (RIUNIFEI)
repository_id_str 7044
spelling 2023-02-162023-04-202023-04-20T13:24:04Z2023-04-20T13:24:04Zhttps://repositorio.unifei.edu.br/jspui/handle/123456789/3605O abastecimento de água compreende uma das vertentes do saneamento básico onde os direitos fundamentais de todo cidadão devem ser garantidos em virtude das leis que regem suas diretrizes. O poder público, em âmbito municipal, é um dos principais responsáveis sobre a gestão e funcionamento dos sistemas de abastecimento de água, gerenciando a infraestrutura e instalações em todos os processos para garantir o pleno funcionamento para o cumprimento das obrigações em torno do fornecimento dos recursos. Considerando a temática de perdas de água, as abordagens de simulações de redes permitem adequações e proposições de melhorias que garantem o fornecimento de água eficiente, entretanto devido às incertezas com relação a parâmetros de entrada para previsões realistas é necessário a etapa de calibração. O trabalho tem por objetivo aplicar uma metodologia de calibração com redes neurais artificiais para uso em rede de distribuição de água. A metodologia consiste no uso de redes neurais artificiais para fazer a calibração a partir de dados de entrada na rede real, com o uso do Python como ambiente de programação utilizado. Os resultados apresentam que estas ferramentas se demonstram promissoras para analisar este tipo de problema, tendo em vista a complexidade de análise hidráulica diante de diferentes cenários e grande quantidade de informações geradas. As calibrações evidenciam que o uso de Redes Neurais Artificiais consegue bons níveis de calibração em meio ao cenário escasso de informações em redes reais e atinge melhores resultados comparado a outros métodos de calibração como o método de busca iterativa aleatória. Assim a continuidade desta pesquisa pode fortalecer melhores calibrações visando sistemas reais e o controle de perdas em seus sistemas de distribuição de água. Novos estudos e tecnologias podem contribuir para a diminuição de perdas e consequentemente a economia de água, recurso este que é escasso e determinante para a sociedade.Water supply comprises one of the aspects of basic sanitation where the fundamental rights of every citizen must be guaranteed by virtue of the laws that govern its guidelines. The public power, at the municipal level, is one of the main responsible for the management and operation of water supply systems, managing the infrastructure and facilities in all processes to ensure the full operation to fulfill the obligations surrounding the supply of resources. Considering the theme of water losses, network simulation approaches allow adjustments and propositions of improvements that ensure efficient water supply, however due to the uncertainties regarding input parameters for realistic predictions the calibration step is necessary. This paper aims to apply a calibration methodology with artificial neural networks for use in water distribution networks. The methodology consists in the use of artificial neural networks to make the calibration from input data in the real network, with the use of Python as the programming environment used. The results show that these tools prove to be promising for analyzing this type of problem, considering the complexity of the hydraulic analysis in the face of different scenarios and the large amount of information generated. The calibrations show that the use of Artificial Neural Networks achieves good levels of calibration amid the scarcity of information in real networks and achieves better results compared to other calibration methods such as the random iterative search method. Thus the continuity of this research can strengthen better calibrations targeting real systems and the control of losses in their water distribution systems. New studies and technologies can contribute to the reduction of losses and consequently the saving of water, a resource that is scarce and crucial for society.porUniversidade Federal de ItajubáPrograma de Pós-Graduação: Mestrado - Meio Ambiente e Recursos HídricosUNIFEIBrasilIRN - Instituto de Recursos NaturaisCNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOSSistema de abastecimento de águaRedes de distribuição de águaInteligência artificialCalibração de redesSimulação hidráulicaEstudos de calibração de rede de distribuição de água real com uso de redes neurais artificiais com vistas ao controle de perdas de águainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisSILVA, Fernando das Graças Braga dahttp://lattes.cnpq.br/4077250337099004http://lattes.cnpq.br/3928720558491089MARCONDES, Mateus CortezMARCONDES, Mateus Cortez. Estudos de calibração de rede de distribuição de água real com uso de redes neurais artificiais com vistas ao controle de perdas de água. 2023. 86 f. Dissertação (Mestrado em Meio Ambiente e Recursos Hídricos) – Universidade Federal de Itajubá, Itajubá, 2023.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEILICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/3605/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALDissertação_2023049.pdfDissertação_2023049.pdfapplication/pdf2631896https://repositorio.unifei.edu.br/jspui/bitstream/123456789/3605/1/Disserta%c3%a7%c3%a3o_2023049.pdfdc73e5c59a89192b639d4bb56ad2adadMD51123456789/36052023-04-20 10:26:43.437oai:repositorio.unifei.edu.br:123456789/3605Tk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442023-04-20T13:26:43Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false
dc.title.pt_BR.fl_str_mv Estudos de calibração de rede de distribuição de água real com uso de redes neurais artificiais com vistas ao controle de perdas de água
title Estudos de calibração de rede de distribuição de água real com uso de redes neurais artificiais com vistas ao controle de perdas de água
spellingShingle Estudos de calibração de rede de distribuição de água real com uso de redes neurais artificiais com vistas ao controle de perdas de água
MARCONDES, Mateus Cortez
CNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOS
Sistema de abastecimento de água
Redes de distribuição de água
Inteligência artificial
Calibração de redes
Simulação hidráulica
title_short Estudos de calibração de rede de distribuição de água real com uso de redes neurais artificiais com vistas ao controle de perdas de água
title_full Estudos de calibração de rede de distribuição de água real com uso de redes neurais artificiais com vistas ao controle de perdas de água
title_fullStr Estudos de calibração de rede de distribuição de água real com uso de redes neurais artificiais com vistas ao controle de perdas de água
title_full_unstemmed Estudos de calibração de rede de distribuição de água real com uso de redes neurais artificiais com vistas ao controle de perdas de água
title_sort Estudos de calibração de rede de distribuição de água real com uso de redes neurais artificiais com vistas ao controle de perdas de água
author MARCONDES, Mateus Cortez
author_facet MARCONDES, Mateus Cortez
author_role author
dc.contributor.advisor1.fl_str_mv SILVA, Fernando das Graças Braga da
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/4077250337099004
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/3928720558491089
dc.contributor.author.fl_str_mv MARCONDES, Mateus Cortez
contributor_str_mv SILVA, Fernando das Graças Braga da
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOS
topic CNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOS
Sistema de abastecimento de água
Redes de distribuição de água
Inteligência artificial
Calibração de redes
Simulação hidráulica
dc.subject.por.fl_str_mv Sistema de abastecimento de água
Redes de distribuição de água
Inteligência artificial
Calibração de redes
Simulação hidráulica
description O abastecimento de água compreende uma das vertentes do saneamento básico onde os direitos fundamentais de todo cidadão devem ser garantidos em virtude das leis que regem suas diretrizes. O poder público, em âmbito municipal, é um dos principais responsáveis sobre a gestão e funcionamento dos sistemas de abastecimento de água, gerenciando a infraestrutura e instalações em todos os processos para garantir o pleno funcionamento para o cumprimento das obrigações em torno do fornecimento dos recursos. Considerando a temática de perdas de água, as abordagens de simulações de redes permitem adequações e proposições de melhorias que garantem o fornecimento de água eficiente, entretanto devido às incertezas com relação a parâmetros de entrada para previsões realistas é necessário a etapa de calibração. O trabalho tem por objetivo aplicar uma metodologia de calibração com redes neurais artificiais para uso em rede de distribuição de água. A metodologia consiste no uso de redes neurais artificiais para fazer a calibração a partir de dados de entrada na rede real, com o uso do Python como ambiente de programação utilizado. Os resultados apresentam que estas ferramentas se demonstram promissoras para analisar este tipo de problema, tendo em vista a complexidade de análise hidráulica diante de diferentes cenários e grande quantidade de informações geradas. As calibrações evidenciam que o uso de Redes Neurais Artificiais consegue bons níveis de calibração em meio ao cenário escasso de informações em redes reais e atinge melhores resultados comparado a outros métodos de calibração como o método de busca iterativa aleatória. Assim a continuidade desta pesquisa pode fortalecer melhores calibrações visando sistemas reais e o controle de perdas em seus sistemas de distribuição de água. Novos estudos e tecnologias podem contribuir para a diminuição de perdas e consequentemente a economia de água, recurso este que é escasso e determinante para a sociedade.
publishDate 2023
dc.date.issued.fl_str_mv 2023-02-16
dc.date.available.fl_str_mv 2023-04-20
2023-04-20T13:24:04Z
dc.date.accessioned.fl_str_mv 2023-04-20T13:24:04Z
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.unifei.edu.br/jspui/handle/123456789/3605
url https://repositorio.unifei.edu.br/jspui/handle/123456789/3605
dc.language.iso.fl_str_mv por
language por
dc.relation.references.pt_BR.fl_str_mv MARCONDES, Mateus Cortez. Estudos de calibração de rede de distribuição de água real com uso de redes neurais artificiais com vistas ao controle de perdas de água. 2023. 86 f. Dissertação (Mestrado em Meio Ambiente e Recursos Hídricos) – Universidade Federal de Itajubá, Itajubá, 2023.
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 Itajubá
dc.publisher.program.fl_str_mv Programa de Pós-Graduação: Mestrado - Meio Ambiente e Recursos Hídricos
dc.publisher.initials.fl_str_mv UNIFEI
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv IRN - Instituto de Recursos Naturais
publisher.none.fl_str_mv Universidade Federal de Itajubá
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFEI (RIUNIFEI)
instname:Universidade Federal de Itajubá (UNIFEI)
instacron:UNIFEI
instname_str Universidade Federal de Itajubá (UNIFEI)
instacron_str UNIFEI
institution UNIFEI
reponame_str Repositório Institucional da UNIFEI (RIUNIFEI)
collection Repositório Institucional da UNIFEI (RIUNIFEI)
bitstream.url.fl_str_mv https://repositorio.unifei.edu.br/jspui/bitstream/123456789/3605/2/license.txt
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/3605/1/Disserta%c3%a7%c3%a3o_2023049.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
dc73e5c59a89192b639d4bb56ad2adad
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)
repository.mail.fl_str_mv repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br
_version_ 1801863199828475904

Registros relacionados