Modelagem chuva-vazão mensal utilizando redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Machado, Fernando Weigert
Data de Publicação: 2005
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/2345
Resumo: Orientadora: Miriam Rita Moro Mine
id UFPR_5b4bf2069993e4307883666787144e50
oai_identifier_str oai:acervodigital.ufpr.br:1884/2345
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Kaviski, Eloy, 1952-Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia de Recursos Hídricos e AmbientalMine, Miriam Rita Moro, 1952-Machado, Fernando Weigert2024-07-23T16:07:26Z2024-07-23T16:07:26Z2005https://hdl.handle.net/1884/2345Orientadora: Miriam Rita Moro MineCoorientador: Eloy KaviskiInclui apêndicesDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Recursos Hídricos e Ambientais. Defesa: Curitiba, 2005Inclui bibliografiaÁrea de concentração: Engenharia hidrológicaResumo: Avaliar de maneira precisa o processo de transformação de chuva em vazão é importante para um melhor gerenciamento dos recursos hídricos. Para tal podem ser utilizados modelos chuva-vazão. Modelos que simulam o ciclo hidrológico descrevendo matematicamente suas diversas fases são ditos modelos conceituais. Estes modelos apresentam bons resultados, no entanto, a calibragem dos parâmetros é demorada e subjetiva e em certos casos são dependentes de levantamento de dados em campo. Uma alternativa aos modelos conceituais são modelos empíricos que relacionam entrada e saída através de uma função matemática sem relação com as características físicas do processo chuva-vazão. O objetivo desta pesquisa foi modelar a relação entre chuva e vazão através de uma técnica conhecida por redes neurais artificiais (RNA). As RNA são modelos empíricos com funcionamento semelhante ao funcionamento do cérebro humano. Nesta pesquisa foi avaliada a capacidade das RNA modelarem o processo chuva-vazão em base mensal. Foi considerado durante o treinamento das RNA as influências da arquitetura da rede, do número de epochs (épocas), da inicialização dos pesos e da extensão das séries de dados. Foi desenvolvido um algoritmo computacional que ao final do processo de treinamento gerou 1296 resultados. As três RNA que produziram os melhores resultados foram confrontados com os resultados do modelo conceitual IPHMEN. Os resultados foram muito satisfatórios.Abstract: The precise evaluation of the rainfall-runoff process is an important aspect to improve the water resoures management. To perform this task usually rainfall-runoff models are used. One class of this models, called conceptual models, simulate the hydrological cycle using a mathematical description of the main hydrologic processes. These models usually present good result, however often the adjustment of paramenters is time consuming and depending on personal judgment. They also depend, in certain cases on additional field data surveys. An alternative to conceptual models are empirical or black-box models which relate input and output by an mathematical fuction without any relationship with the characterisitics of the real rainfall-runoff process. The objetive of this research is to establish a rainfall-ruonff relationship by means of the artificial neural network (ANN) technique. The ANN are empirical models operating similar to the human brain. In this research the ability of ANN to model the rainfall-ruonff process has been analysed on a monthly time step basis. During the training of the ANN the influence of network architecture, the number of epochs, weight incialization and data series length were considered. A computational algorithm which generated 1296 results has been developed. The three ANN that generated the best results were confronted with the results of a conceptual model called IPHMEN. The results were very satisfactory.xiv, 156f. : il. color., grafs., tabs.application/pdfDisponível em formato digitalRedes neurais (Computação)Ciclo hidrologico - Modelos matemáticosHidrologia - ModelosRecursos HídricosModelagem chuva-vazão mensal utilizando redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - FERNANDO WEIGERT MACHADO.pdfapplication/pdf45331089https://acervodigital.ufpr.br/bitstream/1884/2345/1/R%20-%20D%20-%20FERNANDO%20WEIGERT%20MACHADO.pdfba3805ee79f06d0e61e7d4fb72d51d7bMD51open access1884/23452024-07-23 13:07:26.198open accessoai:acervodigital.ufpr.br:1884/2345Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-07-23T16:07:26Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Modelagem chuva-vazão mensal utilizando redes neurais artificiais
title Modelagem chuva-vazão mensal utilizando redes neurais artificiais
spellingShingle Modelagem chuva-vazão mensal utilizando redes neurais artificiais
Machado, Fernando Weigert
Redes neurais (Computação)
Ciclo hidrologico - Modelos matemáticos
Hidrologia - Modelos
Recursos Hídricos
title_short Modelagem chuva-vazão mensal utilizando redes neurais artificiais
title_full Modelagem chuva-vazão mensal utilizando redes neurais artificiais
title_fullStr Modelagem chuva-vazão mensal utilizando redes neurais artificiais
title_full_unstemmed Modelagem chuva-vazão mensal utilizando redes neurais artificiais
title_sort Modelagem chuva-vazão mensal utilizando redes neurais artificiais
author Machado, Fernando Weigert
author_facet Machado, Fernando Weigert
author_role author
dc.contributor.other.pt_BR.fl_str_mv Kaviski, Eloy, 1952-
Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia de Recursos Hídricos e Ambiental
dc.contributor.advisor1.fl_str_mv Mine, Miriam Rita Moro, 1952-
dc.contributor.author.fl_str_mv Machado, Fernando Weigert
contributor_str_mv Mine, Miriam Rita Moro, 1952-
dc.subject.por.fl_str_mv Redes neurais (Computação)
Ciclo hidrologico - Modelos matemáticos
Hidrologia - Modelos
Recursos Hídricos
topic Redes neurais (Computação)
Ciclo hidrologico - Modelos matemáticos
Hidrologia - Modelos
Recursos Hídricos
description Orientadora: Miriam Rita Moro Mine
publishDate 2005
dc.date.issued.fl_str_mv 2005
dc.date.accessioned.fl_str_mv 2024-07-23T16:07:26Z
dc.date.available.fl_str_mv 2024-07-23T16:07:26Z
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/1884/2345
url https://hdl.handle.net/1884/2345
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 xiv, 156f. : il. 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/1884/2345/1/R%20-%20D%20-%20FERNANDO%20WEIGERT%20MACHADO.pdf
bitstream.checksum.fl_str_mv ba3805ee79f06d0e61e7d4fb72d51d7b
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1813898895273492480

Registros relacionados