Aplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes.

Detalhes bibliográficos
Autor(a) principal: SILVA, Alex Takeo Yasumura Lima
Data de Publicação: 2023
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UNIFEI (RIUNIFEI)
Texto Completo: https://repositorio.unifei.edu.br/jspui/handle/123456789/3530
Resumo: A escassez de recursos naturais, especialmente água e energia, colocam em risco o abastecimento de água para a população. Portanto, tornam-se necessários procedimentos para garantir a operação ótima de uma rede de distribuição de água. O uso de técnicas de otimização como os algoritmos genéticos garante a operação ótima da rede, contudo, apenas encontrar os pontos ótimos não bastam, uma vez que as oscilações da demanda produzem flutuações nas pressões, exigindo também uma capacidade de aprendizado que garanta a adaptabilidade da distribuição de água conforme as demandas, indo de encontro com o conceito de cidades inteligentes. Assim, para dar a rede de distribuição de água essa capacidade de aprendizado, foram empregadas Redes Neurais Artificiais (RNA) do tipo “perceptron” de uma camada oculta, sendo uma delas simples para atuar apenas em um ponto de demanda prevendo os valores dos parâmetros operacionais (RNF, válvulas e bombas), como prova de conceito e então foi elaborada uma RNA mais avançada, com sete camadas ocultas, de modo a prever os parâmetros operacionais para as últimas 72 horas. As Redes de Distribuição de Água utilizadas foram duas redes teóricas com 13 nós, 2 Reservatórios de Nível Fixo (RNF), 2 bombas e 3 válvulas, variando apenas a posição da malha. Para ambas as redes de distribuição, as previsões chegaram a um bom resultado na maioria dos pontos baseado na Norma NBR 12218/2017. Como conclusão, as Redes Neurais Artificiais demonstraram boa capacidade de previsão de operação quando aplicados a redes de distribuição de água devido a sua complexidade inerente, possuindo potencial para melhores resultados.
id UFEI_a9d3e96ac51587cc9bb9aaf297395e11
oai_identifier_str oai:repositorio.unifei.edu.br:123456789/3530
network_acronym_str UFEI
network_name_str Repositório Institucional da UNIFEI (RIUNIFEI)
repository_id_str 7044
spelling 2023-02-152023-03-132023-03-13T11:47:08Z2023-03-13T11:47:08Zhttps://repositorio.unifei.edu.br/jspui/handle/123456789/3530A escassez de recursos naturais, especialmente água e energia, colocam em risco o abastecimento de água para a população. Portanto, tornam-se necessários procedimentos para garantir a operação ótima de uma rede de distribuição de água. O uso de técnicas de otimização como os algoritmos genéticos garante a operação ótima da rede, contudo, apenas encontrar os pontos ótimos não bastam, uma vez que as oscilações da demanda produzem flutuações nas pressões, exigindo também uma capacidade de aprendizado que garanta a adaptabilidade da distribuição de água conforme as demandas, indo de encontro com o conceito de cidades inteligentes. Assim, para dar a rede de distribuição de água essa capacidade de aprendizado, foram empregadas Redes Neurais Artificiais (RNA) do tipo “perceptron” de uma camada oculta, sendo uma delas simples para atuar apenas em um ponto de demanda prevendo os valores dos parâmetros operacionais (RNF, válvulas e bombas), como prova de conceito e então foi elaborada uma RNA mais avançada, com sete camadas ocultas, de modo a prever os parâmetros operacionais para as últimas 72 horas. As Redes de Distribuição de Água utilizadas foram duas redes teóricas com 13 nós, 2 Reservatórios de Nível Fixo (RNF), 2 bombas e 3 válvulas, variando apenas a posição da malha. Para ambas as redes de distribuição, as previsões chegaram a um bom resultado na maioria dos pontos baseado na Norma NBR 12218/2017. Como conclusão, as Redes Neurais Artificiais demonstraram boa capacidade de previsão de operação quando aplicados a redes de distribuição de água devido a sua complexidade inerente, possuindo potencial para melhores resultados.The scarcity of natural resources, especially water and energy, put the population at risk of water supply. Therefore, they become necessary procedures to guarantee the optimal operation of a water distribution network. The use of optimization techniques such as genetic algorithms guarantees the optimal operation of the network, however, just finding the optimal points is not enough, since demand oscillations affect fluctuations in those presented, also presenting a learning capacity that guarantees the adaptability of the network. distribution of water according to demand, meeting the concept of smart cities. Thus, to give the water distribution network this learning capability, Artificial Neural Networks (ANN) of the “perceptron” type of a hidden layer were used, one of which is simple to act only at a demand point, predicting the values of the operational parameters (RNF, valves and pumps), as a proof of concept and then a more advanced ANN was developed, with seven hidden classes, in order to predict the operational specifications for the last 72 hours. The Water Distribution Networks used were two theoretical networks with 13 nodes, 2 Fixed Level Reservoirs (RNF), 2 pumps and 3 valves, varying only the mesh position. For both distribution networks, the predictions reached a good result in most points based on Norma NBR 12218/2017. As a conclusion, Artificial Neural Networks are proven to have a good capacity to predict operation when applied to water distribution networks due to their inherent complexity, having the potential for better results with future adjustments.porUniversidade Federal de ItajubáPrograma de Pós-Graduação: Doutorado - Meio Ambiente e Recursos HídricosUNIFEIBrasilIRN - Instituto de Recursos NaturaisCNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOSAlgoritmos genéticosCidades inteligentesDistribuição de águaEficiência hidroenergéticaRedes neurais artificiaisAplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisSILVA, Fernando das Graças Braga dahttp://lattes.cnpq.br/4077250337099004Lattes: http://lattes.cnpq.br/8256163636370312SILVA, Alex Takeo Yasumura LimaSILVA, Alex Takeo Uasumura Lima. Aplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes. 2023. 109 f. Tese (Doutorado 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/123456789/3530/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALTese_2023009.pdfTese_2023009.pdfapplication/pdf3007160https://repositorio.unifei.edu.br/jspui/bitstream/123456789/3530/1/Tese_2023009.pdf0257d4106a2af64e13e742814e29032bMD51123456789/35302023-03-13 08:53:48.411oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442023-03-13T11:53:48Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false
dc.title.pt_BR.fl_str_mv Aplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes.
title Aplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes.
spellingShingle Aplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes.
SILVA, Alex Takeo Yasumura Lima
CNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOS
Algoritmos genéticos
Cidades inteligentes
Distribuição de água
Eficiência hidroenergética
Redes neurais artificiais
title_short Aplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes.
title_full Aplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes.
title_fullStr Aplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes.
title_full_unstemmed Aplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes.
title_sort Aplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes.
author SILVA, Alex Takeo Yasumura Lima
author_facet SILVA, Alex Takeo Yasumura Lima
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 Lattes: http://lattes.cnpq.br/8256163636370312
dc.contributor.author.fl_str_mv SILVA, Alex Takeo Yasumura Lima
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
Algoritmos genéticos
Cidades inteligentes
Distribuição de água
Eficiência hidroenergética
Redes neurais artificiais
dc.subject.por.fl_str_mv Algoritmos genéticos
Cidades inteligentes
Distribuição de água
Eficiência hidroenergética
Redes neurais artificiais
description A escassez de recursos naturais, especialmente água e energia, colocam em risco o abastecimento de água para a população. Portanto, tornam-se necessários procedimentos para garantir a operação ótima de uma rede de distribuição de água. O uso de técnicas de otimização como os algoritmos genéticos garante a operação ótima da rede, contudo, apenas encontrar os pontos ótimos não bastam, uma vez que as oscilações da demanda produzem flutuações nas pressões, exigindo também uma capacidade de aprendizado que garanta a adaptabilidade da distribuição de água conforme as demandas, indo de encontro com o conceito de cidades inteligentes. Assim, para dar a rede de distribuição de água essa capacidade de aprendizado, foram empregadas Redes Neurais Artificiais (RNA) do tipo “perceptron” de uma camada oculta, sendo uma delas simples para atuar apenas em um ponto de demanda prevendo os valores dos parâmetros operacionais (RNF, válvulas e bombas), como prova de conceito e então foi elaborada uma RNA mais avançada, com sete camadas ocultas, de modo a prever os parâmetros operacionais para as últimas 72 horas. As Redes de Distribuição de Água utilizadas foram duas redes teóricas com 13 nós, 2 Reservatórios de Nível Fixo (RNF), 2 bombas e 3 válvulas, variando apenas a posição da malha. Para ambas as redes de distribuição, as previsões chegaram a um bom resultado na maioria dos pontos baseado na Norma NBR 12218/2017. Como conclusão, as Redes Neurais Artificiais demonstraram boa capacidade de previsão de operação quando aplicados a redes de distribuição de água devido a sua complexidade inerente, possuindo potencial para melhores resultados.
publishDate 2023
dc.date.issued.fl_str_mv 2023-02-15
dc.date.available.fl_str_mv 2023-03-13
2023-03-13T11:47:08Z
dc.date.accessioned.fl_str_mv 2023-03-13T11:47:08Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.unifei.edu.br/jspui/handle/123456789/3530
url https://repositorio.unifei.edu.br/jspui/handle/123456789/3530
dc.language.iso.fl_str_mv por
language por
dc.relation.references.pt_BR.fl_str_mv SILVA, Alex Takeo Uasumura Lima. Aplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes. 2023. 109 f. Tese (Doutorado 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: Doutorado - 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/123456789/3530/2/license.txt
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/3530/1/Tese_2023009.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
0257d4106a2af64e13e742814e29032b
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_ 1801863217179262976