Efeito do controle de montante de sub-bacias embutidas na previsão hidrológica de curto prazo com redes neurais : aplicação à bacia de Ponte Mística
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/229576 |
Resumo: | Neste trabalho foi avaliado o efeito do controle de montante em sub-bacias embutidas na previsão hidrológica de curto prazo, com a investigação conjunta de dois aspectos: variação da área controlada e a variação da frequência de aquisição das vazões de entrada do modelo. O local escolhido para essa pesquisa foi a porção da bacia do rio Ijuí com exutório no posto fluviométrico da Ponte Mística e as suas sub-bacias embutidas de Santo Ângelo, Ponte Nova do Potiribu, Colônia Mousquer, Passo do Faxinal e Turcato. Os dados de vazão utilizados foram obtidos da Agência Nacional de Águas (ANA) e do projeto de monitoramento da bacia do Potiribu, enquanto que os dados de precipitação foram obtidos por uma série histórica de precipitações médias de uma grade de chuvas interpoladas a partir dos dados de 65 postos pluviométricos da região. Para este estudo foram utilizados dados de 22/08/1989 à 01/06/1994 (1.408 dias). Esse período foi selecionado por ser o maior período com dados concomitantes em todos os postos fluviométricos. Os modelos escolhidos para esse estudo foram as redes neurais artificiais de múltiplas camadas, com utilização do algoritmo retropropagativo. As entradas nos modelos foram os dados de precipitação média e as vazões médias diárias da bacia de Ponte Mística e de suas sub-bacias, e as saídas foram as vazões médias diárias de Ponte Mística um dia à frente. Foram apresentadas nove alternativas de controle físico de montante. Também foram aplicadas, para cada uma das alternativas, valores defasados das variáveis, com a utilização dos dados de vazão com antecedência de 24h e 48h. A utilização de vazões horárias do Turcato foi comparada com uma alternativa que contempla o mesmo posto, mas com dados diários, para investigar se a utilização de dados com um maior detalhamento temporal pode produzir melhores resultados. Para a análise do desempenho da rede foi aplicado como estatística de qualidade o coeficiente de Nash-Sutcliffe (NS). A avaliação estatística apresentou bons resultados na previsão de vazão para todas as alternativas de controle, sendo o menor NS de 0,91 e o maior de 0,97. A utilização de um maior detalhamento temporal, com aplicação de vazões horárias, provocou uma redução no desempenho do modelo, com o NS caindo de 0,91 para 0,89. Observou-se também que, quanto maior a área controlada das bacias, melhores são os resultados para a previsão de vazão. |
id |
UFRGS-2_f3437074cf96c98c6afb32e0801c2da9 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/229576 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Matos, Alex Bortolon dePedrollo, Olavo CorreaCastro, Nilza Maria dos Reis2021-09-07T04:16:14Z20141414-381Xhttp://hdl.handle.net/10183/229576000915541Neste trabalho foi avaliado o efeito do controle de montante em sub-bacias embutidas na previsão hidrológica de curto prazo, com a investigação conjunta de dois aspectos: variação da área controlada e a variação da frequência de aquisição das vazões de entrada do modelo. O local escolhido para essa pesquisa foi a porção da bacia do rio Ijuí com exutório no posto fluviométrico da Ponte Mística e as suas sub-bacias embutidas de Santo Ângelo, Ponte Nova do Potiribu, Colônia Mousquer, Passo do Faxinal e Turcato. Os dados de vazão utilizados foram obtidos da Agência Nacional de Águas (ANA) e do projeto de monitoramento da bacia do Potiribu, enquanto que os dados de precipitação foram obtidos por uma série histórica de precipitações médias de uma grade de chuvas interpoladas a partir dos dados de 65 postos pluviométricos da região. Para este estudo foram utilizados dados de 22/08/1989 à 01/06/1994 (1.408 dias). Esse período foi selecionado por ser o maior período com dados concomitantes em todos os postos fluviométricos. Os modelos escolhidos para esse estudo foram as redes neurais artificiais de múltiplas camadas, com utilização do algoritmo retropropagativo. As entradas nos modelos foram os dados de precipitação média e as vazões médias diárias da bacia de Ponte Mística e de suas sub-bacias, e as saídas foram as vazões médias diárias de Ponte Mística um dia à frente. Foram apresentadas nove alternativas de controle físico de montante. Também foram aplicadas, para cada uma das alternativas, valores defasados das variáveis, com a utilização dos dados de vazão com antecedência de 24h e 48h. A utilização de vazões horárias do Turcato foi comparada com uma alternativa que contempla o mesmo posto, mas com dados diários, para investigar se a utilização de dados com um maior detalhamento temporal pode produzir melhores resultados. Para a análise do desempenho da rede foi aplicado como estatística de qualidade o coeficiente de Nash-Sutcliffe (NS). A avaliação estatística apresentou bons resultados na previsão de vazão para todas as alternativas de controle, sendo o menor NS de 0,91 e o maior de 0,97. A utilização de um maior detalhamento temporal, com aplicação de vazões horárias, provocou uma redução no desempenho do modelo, com o NS caindo de 0,91 para 0,89. Observou-se também que, quanto maior a área controlada das bacias, melhores são os resultados para a previsão de vazão.In this study, the effect of upstream control of two entrenched sub-basins on the short-term hydrological forecast, with the joint investigation of two aspects: variation of the area controlled and variation of the frequency of acquision of model inflows. The site chosen for this study was the portion of the Ijuí river basin with its outflow at the rivergaging station of Ponte Mística, and its entrenched sub-basins in Santo Angelo, Ponte Nova do Potiribu, Colônia Mousquer, Passo do Faxinal and Turcato. The flow data used were obtained from the National Water Agency (ANA-Agencia Nacional de Águas) and from the Potiribu Basin monitoring project, while the data on precipitation were obtained through a historical series of mean precipitations from a grid of interpolated rainfalls based on the data from 65 raingaging stations in the region. For this study, data from August 22, 1989 to June 1, 1994 (1,408 days) were used. This period was selected because it is the longest period with concomitant data at all rivergaging stations. The models chosen for this study were the multiple-layer artificial neural networks, using the retropropagation algorithm.The inputs to the models were the mean precipitation data and the daily mean flows of the Ponte Mistica basin and their sub-basins, and the outflows were the daily mean flows of Ponte Mística one day ahead. Nine alternatives of upstream physical control were presented. Also, for each of the alternatives, lagged values of the variables were applied using the flow data 24h and 48h in advance. The use of hourly flows from Turcato was compared to an alternative that covers the same station, but with daily data to investigate whether the use of data with greater details regarding time can produce better results. The Nash-Sutcliffe (NS) coefficient was applied as quality statistics to analyze the network performance. Statistical evaluation presented good results in the flow forecast for all alternatives of control, and the smallest NS was 0.91 and the biggest 0.97. The use of greater time details, applying hourly flows, caused a reduction in model performance, with the NS dropping from 0.91 to 0.89. It was also observed that the larger the controlled area of the basins, the better the flow forecasting results.application/pdfporRbrh : revista brasileira de recursos hídricos. Porto Alegre, RS. Vol. 19, n. 1 (jan./mar. 2014), p. 87-99Previsão hidrológicaRedes neurais artificiaisModelos hidrológicosIjuí, Rio (RS)Hydrological forecastingNeural networksEfeito do controle de montante de sub-bacias embutidas na previsão hidrológica de curto prazo com redes neurais : aplicação à bacia de Ponte MísticaEffect of upstream control of entrenched sub-basins in short-term meteorological forecasting with neural networks : application To The Ponte Mistica Basininfo:eu-repo/semantics/articleinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT000915541.pdf.txt000915541.pdf.txtExtracted Texttext/plain51824http://www.lume.ufrgs.br/bitstream/10183/229576/2/000915541.pdf.txtd91b773d0bc6d38e1cf5b2a68a14e1b6MD52ORIGINAL000915541.pdfTexto completoapplication/pdf432915http://www.lume.ufrgs.br/bitstream/10183/229576/1/000915541.pdfe7f8f29fee294e33f1fb8acf0d19b3a7MD5110183/2295762024-03-27 06:34:57.958096oai:www.lume.ufrgs.br:10183/229576Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2024-03-27T09:34:57Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Efeito do controle de montante de sub-bacias embutidas na previsão hidrológica de curto prazo com redes neurais : aplicação à bacia de Ponte Mística |
dc.title.alternative.en.fl_str_mv |
Effect of upstream control of entrenched sub-basins in short-term meteorological forecasting with neural networks : application To The Ponte Mistica Basin |
title |
Efeito do controle de montante de sub-bacias embutidas na previsão hidrológica de curto prazo com redes neurais : aplicação à bacia de Ponte Mística |
spellingShingle |
Efeito do controle de montante de sub-bacias embutidas na previsão hidrológica de curto prazo com redes neurais : aplicação à bacia de Ponte Mística Matos, Alex Bortolon de Previsão hidrológica Redes neurais artificiais Modelos hidrológicos Ijuí, Rio (RS) Hydrological forecasting Neural networks |
title_short |
Efeito do controle de montante de sub-bacias embutidas na previsão hidrológica de curto prazo com redes neurais : aplicação à bacia de Ponte Mística |
title_full |
Efeito do controle de montante de sub-bacias embutidas na previsão hidrológica de curto prazo com redes neurais : aplicação à bacia de Ponte Mística |
title_fullStr |
Efeito do controle de montante de sub-bacias embutidas na previsão hidrológica de curto prazo com redes neurais : aplicação à bacia de Ponte Mística |
title_full_unstemmed |
Efeito do controle de montante de sub-bacias embutidas na previsão hidrológica de curto prazo com redes neurais : aplicação à bacia de Ponte Mística |
title_sort |
Efeito do controle de montante de sub-bacias embutidas na previsão hidrológica de curto prazo com redes neurais : aplicação à bacia de Ponte Mística |
author |
Matos, Alex Bortolon de |
author_facet |
Matos, Alex Bortolon de Pedrollo, Olavo Correa Castro, Nilza Maria dos Reis |
author_role |
author |
author2 |
Pedrollo, Olavo Correa Castro, Nilza Maria dos Reis |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Matos, Alex Bortolon de Pedrollo, Olavo Correa Castro, Nilza Maria dos Reis |
dc.subject.por.fl_str_mv |
Previsão hidrológica Redes neurais artificiais Modelos hidrológicos Ijuí, Rio (RS) |
topic |
Previsão hidrológica Redes neurais artificiais Modelos hidrológicos Ijuí, Rio (RS) Hydrological forecasting Neural networks |
dc.subject.eng.fl_str_mv |
Hydrological forecasting Neural networks |
description |
Neste trabalho foi avaliado o efeito do controle de montante em sub-bacias embutidas na previsão hidrológica de curto prazo, com a investigação conjunta de dois aspectos: variação da área controlada e a variação da frequência de aquisição das vazões de entrada do modelo. O local escolhido para essa pesquisa foi a porção da bacia do rio Ijuí com exutório no posto fluviométrico da Ponte Mística e as suas sub-bacias embutidas de Santo Ângelo, Ponte Nova do Potiribu, Colônia Mousquer, Passo do Faxinal e Turcato. Os dados de vazão utilizados foram obtidos da Agência Nacional de Águas (ANA) e do projeto de monitoramento da bacia do Potiribu, enquanto que os dados de precipitação foram obtidos por uma série histórica de precipitações médias de uma grade de chuvas interpoladas a partir dos dados de 65 postos pluviométricos da região. Para este estudo foram utilizados dados de 22/08/1989 à 01/06/1994 (1.408 dias). Esse período foi selecionado por ser o maior período com dados concomitantes em todos os postos fluviométricos. Os modelos escolhidos para esse estudo foram as redes neurais artificiais de múltiplas camadas, com utilização do algoritmo retropropagativo. As entradas nos modelos foram os dados de precipitação média e as vazões médias diárias da bacia de Ponte Mística e de suas sub-bacias, e as saídas foram as vazões médias diárias de Ponte Mística um dia à frente. Foram apresentadas nove alternativas de controle físico de montante. Também foram aplicadas, para cada uma das alternativas, valores defasados das variáveis, com a utilização dos dados de vazão com antecedência de 24h e 48h. A utilização de vazões horárias do Turcato foi comparada com uma alternativa que contempla o mesmo posto, mas com dados diários, para investigar se a utilização de dados com um maior detalhamento temporal pode produzir melhores resultados. Para a análise do desempenho da rede foi aplicado como estatística de qualidade o coeficiente de Nash-Sutcliffe (NS). A avaliação estatística apresentou bons resultados na previsão de vazão para todas as alternativas de controle, sendo o menor NS de 0,91 e o maior de 0,97. A utilização de um maior detalhamento temporal, com aplicação de vazões horárias, provocou uma redução no desempenho do modelo, com o NS caindo de 0,91 para 0,89. Observou-se também que, quanto maior a área controlada das bacias, melhores são os resultados para a previsão de vazão. |
publishDate |
2014 |
dc.date.issued.fl_str_mv |
2014 |
dc.date.accessioned.fl_str_mv |
2021-09-07T04:16:14Z |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/other |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/229576 |
dc.identifier.issn.pt_BR.fl_str_mv |
1414-381X |
dc.identifier.nrb.pt_BR.fl_str_mv |
000915541 |
identifier_str_mv |
1414-381X 000915541 |
url |
http://hdl.handle.net/10183/229576 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.ispartof.pt_BR.fl_str_mv |
Rbrh : revista brasileira de recursos hídricos. Porto Alegre, RS. Vol. 19, n. 1 (jan./mar. 2014), p. 87-99 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/229576/2/000915541.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/229576/1/000915541.pdf |
bitstream.checksum.fl_str_mv |
d91b773d0bc6d38e1cf5b2a68a14e1b6 e7f8f29fee294e33f1fb8acf0d19b3a7 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1815447766031138816 |