Métodos numéricos aplicados à detecção de anomalias em dados de vazão

Detalhes bibliográficos
Autor(a) principal: Ribeiro, Alana Renata
Data de Publicação: 2014
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/35946
Resumo: Orientadora: Profª. Drª. Deise Maria Bertholdi Costa
id UFPR_34ff58f1ed303fa96c360ed6e224dd43
oai_identifier_str oai:acervodigital.ufpr.br:1884/35946
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Leite, Eduardo AlvimUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaCosta, Deise Maria Bertholdi, 1969-Ribeiro, Alana Renata2024-05-16T14:40:42Z2024-05-16T14:40:42Z2014https://hdl.handle.net/1884/35946Orientadora: Profª. Drª. Deise Maria Bertholdi CostaCoorientador: Dr. Eduardo Alvim LeiteDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 07/02/2014Inclui referênciasResumo: Este trabalho tem como objetivo principal detectar possíveis anomalias em séries de dados de vazão. A análise da qualidade de dados hidrológicos é extremamente importante, pois todos os dados observados (monitorados) necessitam de tratamentos e processamentos básicos para que possam ser utilizados com confiabilidade. Por meio de técnicas utilizadas para a resolução de problemas de previsão e classificação, baseadas em redes neurais Self-Organizing Maps (SOM), Radial Basis Functions (RBF), e métodos de interpolações (smooth spline) de dados, busca-se apontar possíveis anomalias nas séries oriundas dos postos hidrológicos das sub-bacias de Porto Amazonas e União da Vitória do estado do Paraná, fornecidos pelo Sistema Meteorológico do Paraná (SIMEPAR). Os três métodos propostos retornaram resultados satisfatórios, cumprindo o objetivo da pesquisa, entretanto, o projeto utilizado para a aplicação da rede neural RBF demonstrou capacidade superior de detecção de anomalias nas séries de vazão, em especial para a sub-bacia de Porto Amazonas que é considerada uma sub-bacia de resposta rápida a ocorrência de precipitação.Abstract: This work aims to detect possible anomalies in data flow series. Quality analysis of hydrological data is extremely important, because all the observed (monitored) data require basic treatments and processing so they can be used reliably. Through techniques used for solving prediction and classification problems, based on neural networks Self-Organizing Maps (SOM), Radial Basis Functions (RBF), and methods of interpolation (smooth spline) data, it was seeked to identify possible anomalies in the series from the hydrological stations of the sub-basins of Porto Amazonas and União da Vitória in Paraná state, provided by the Sistema Meteorológico do Paraná (SIMEPAR). The three proposed methods returned satisfactory results, fulfilling the purpose of the research, however, the project used for the application of RBF neural network demonstrated superior ability to detect anomalies in flow series, especially for the sub-basin of Porto Amazonas which is considered a rapid response sub-basin to precipitation events.95f. : il. algumas color., grafs., tabs.application/pdfDisponível em formato digitalAnálise numéricaVazanteHidrologiaInterpolaçãoRedes neurais (Computação)Métodos numéricos aplicados à detecção de anomalias em dados de vazãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - ALANA RENATA RIBEIRO.pdfapplication/pdf2028615https://acervodigital.ufpr.br/bitstream/1884/35946/1/R%20-%20D%20-%20ALANA%20RENATA%20RIBEIRO.pdf5138793c1c8b5f355a0fa1f22a8ad79bMD51open accessTEXTR - D - ALANA RENATA RIBEIRO.pdf.txtExtracted Texttext/plain156836https://acervodigital.ufpr.br/bitstream/1884/35946/2/R%20-%20D%20-%20ALANA%20RENATA%20RIBEIRO.pdf.txt35bbc395496ce6150d884f449e17b3daMD52open accessTHUMBNAILR - D - ALANA RENATA RIBEIRO.pdf.jpgGenerated Thumbnailimage/jpeg1128https://acervodigital.ufpr.br/bitstream/1884/35946/3/R%20-%20D%20-%20ALANA%20RENATA%20RIBEIRO.pdf.jpg84e8e24c71ee3c217c7e61fa9e3def89MD53open access1884/359462024-05-16 11:40:42.726open accessoai:acervodigital.ufpr.br:1884/35946Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-05-16T14:40:42Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Métodos numéricos aplicados à detecção de anomalias em dados de vazão
title Métodos numéricos aplicados à detecção de anomalias em dados de vazão
spellingShingle Métodos numéricos aplicados à detecção de anomalias em dados de vazão
Ribeiro, Alana Renata
Análise numérica
Vazante
Hidrologia
Interpolação
Redes neurais (Computação)
title_short Métodos numéricos aplicados à detecção de anomalias em dados de vazão
title_full Métodos numéricos aplicados à detecção de anomalias em dados de vazão
title_fullStr Métodos numéricos aplicados à detecção de anomalias em dados de vazão
title_full_unstemmed Métodos numéricos aplicados à detecção de anomalias em dados de vazão
title_sort Métodos numéricos aplicados à detecção de anomalias em dados de vazão
author Ribeiro, Alana Renata
author_facet Ribeiro, Alana Renata
author_role author
dc.contributor.other.pt_BR.fl_str_mv Leite, Eduardo Alvim
Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
dc.contributor.advisor1.fl_str_mv Costa, Deise Maria Bertholdi, 1969-
dc.contributor.author.fl_str_mv Ribeiro, Alana Renata
contributor_str_mv Costa, Deise Maria Bertholdi, 1969-
dc.subject.por.fl_str_mv Análise numérica
Vazante
Hidrologia
Interpolação
Redes neurais (Computação)
topic Análise numérica
Vazante
Hidrologia
Interpolação
Redes neurais (Computação)
description Orientadora: Profª. Drª. Deise Maria Bertholdi Costa
publishDate 2014
dc.date.issued.fl_str_mv 2014
dc.date.accessioned.fl_str_mv 2024-05-16T14:40:42Z
dc.date.available.fl_str_mv 2024-05-16T14:40:42Z
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://hdl.handle.net/1884/35946
url https://hdl.handle.net/1884/35946
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 95f. : il. algumas color., grafs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/35946/1/R%20-%20D%20-%20ALANA%20RENATA%20RIBEIRO.pdf
https://acervodigital.ufpr.br/bitstream/1884/35946/2/R%20-%20D%20-%20ALANA%20RENATA%20RIBEIRO.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/35946/3/R%20-%20D%20-%20ALANA%20RENATA%20RIBEIRO.pdf.jpg
bitstream.checksum.fl_str_mv 5138793c1c8b5f355a0fa1f22a8ad79b
35bbc395496ce6150d884f449e17b3da
84e8e24c71ee3c217c7e61fa9e3def89
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860174566129664

Registros relacionados