Modelo para previsão de vazão fluvial baseado em wavelets e redes neurais

Detalhes bibliográficos
Autor(a) principal: Spaeth, Francisco
Data de Publicação: 2008
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: http://repositorio.ufsc.br/xmlui/handle/123456789/92019
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciências da Computação
id UFSC_c4a8409bf2d823e1f80ed0b155268e34
oai_identifier_str oai:repositorio.ufsc.br:123456789/92019
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaSpaeth, FranciscoDovicchi, João Cândido Lima2012-10-24T04:54:11Z2012-10-24T04:54:11Z20082008252385http://repositorio.ufsc.br/xmlui/handle/123456789/92019Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciências da ComputaçãoO presente trabalho apresenta um modelo híbrido wavelet/redes neurais, onde é empregada a análise wavelet como préprocessamento para a rede neural. Desta forma a análise desempenhará papel de extrator de características. Baseado nas características extraídas, a rede neural artificial efetua a aproximação de função com o intuito de retornar valores de previsão da série temporal desejada. Como validador para o modelo é utilizada a série temporal da vazão do Rio Itajaí Açu. Para a escolha da wavelet, a ser aplicado na quantização do modelo, são elencadas vinte candidatas (haar, db3, db5, db7, db10, db15, db20, coif1, coif2, coif3, coif4, coif5, sym3, sym5, sym7, sym10, sym15, sym20, chroma4 e chroma6). Testes repetitivos são efetuados tirando índices de erro para selecionar a melhor candidata. Baseado sob a wavelet selecionada para a resolução do problema de previsão é feito uma análise de combinações de anela/sobreposição para averiguar o comportamento do modelo utilizando diferentes parâmetros. Como resultado, obtiveramse índices de acertos relativamente parecidos utilizando uma quantidade de dados de inferência menor, devido característica de transformação das wavelets. Em outros casos é constatado um ganho computacional, o que é discutido separando o processo em quatro etapas distintas e simulando várias configurações para um mesmo exemplo. The present work presents a hybrid model wavelet/neural networks, which is employed wavelet analysis as a preprocessing work for the artificial neural network. This preprocessing activity will cast as a feature extraction. In these features extracted the neural network makes the approximation with the aim of returning values of the time series forecasting desired. To validate the model is used the Itajaí Açu river#s flow history. Regarding the avelet#s choice, twenty candidates were enrolled in order to be applied in the quantization of the model, as follows: haar, db3, db5, db7, db10, db15, db20, coif1, coif2, coif3, coif4, coif5, sym3, sym5, sym7, sym10, sym15, ym20, chroma4 and chroma6. Repetitive tests are performed to extract error rates for selecting the best candidate. Based on the selected wavelet to solve the problem of forecasting time series, an analysis is made using a combination of window size/overlap to investigate the behavior using different parameters. The results obtained are very similar using a lower amount of data due to the characteristics of the wavelet transform. In other cases a computational gain is obtained which is discussed separating the process into four distinct stages and simulating various configurations for the same arrangement.91 f.| il., grafs., tabs.porFlorianópolis, SCCiência da computaçãoWavelets (Matemática)Redes neurais (Computação)Modelo para previsão de vazão fluvial baseado em wavelets e redes neuraisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINAL252385.pdfapplication/pdf5217834https://repositorio.ufsc.br/bitstream/123456789/92019/1/252385.pdf1e4b5b42b072de961cc5882ecc5c346dMD51TEXT252385.pdf.txt252385.pdf.txtExtracted Texttext/plain173786https://repositorio.ufsc.br/bitstream/123456789/92019/2/252385.pdf.txtac6d22f1a11248807b520d422ebb0029MD52THUMBNAIL252385.pdf.jpg252385.pdf.jpgGenerated Thumbnailimage/jpeg918https://repositorio.ufsc.br/bitstream/123456789/92019/3/252385.pdf.jpg24c5a07e25c88e8d0c971cd8a1d9f911MD53123456789/920192015-02-04 17:13:44.016oai:repositorio.ufsc.br:123456789/92019Repositório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732015-02-04T19:13:44Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Modelo para previsão de vazão fluvial baseado em wavelets e redes neurais
title Modelo para previsão de vazão fluvial baseado em wavelets e redes neurais
spellingShingle Modelo para previsão de vazão fluvial baseado em wavelets e redes neurais
Spaeth, Francisco
Ciência da computação
Wavelets (Matemática)
Redes neurais (Computação)
title_short Modelo para previsão de vazão fluvial baseado em wavelets e redes neurais
title_full Modelo para previsão de vazão fluvial baseado em wavelets e redes neurais
title_fullStr Modelo para previsão de vazão fluvial baseado em wavelets e redes neurais
title_full_unstemmed Modelo para previsão de vazão fluvial baseado em wavelets e redes neurais
title_sort Modelo para previsão de vazão fluvial baseado em wavelets e redes neurais
author Spaeth, Francisco
author_facet Spaeth, Francisco
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Spaeth, Francisco
dc.contributor.advisor1.fl_str_mv Dovicchi, João Cândido Lima
contributor_str_mv Dovicchi, João Cândido Lima
dc.subject.classification.pt_BR.fl_str_mv Ciência da computação
Wavelets (Matemática)
Redes neurais (Computação)
topic Ciência da computação
Wavelets (Matemática)
Redes neurais (Computação)
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciências da Computação
publishDate 2008
dc.date.submitted.pt_BR.fl_str_mv 2008
dc.date.issued.fl_str_mv 2008
dc.date.accessioned.fl_str_mv 2012-10-24T04:54:11Z
dc.date.available.fl_str_mv 2012-10-24T04:54:11Z
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 http://repositorio.ufsc.br/xmlui/handle/123456789/92019
dc.identifier.other.pt_BR.fl_str_mv 252385
identifier_str_mv 252385
url http://repositorio.ufsc.br/xmlui/handle/123456789/92019
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 91 f.| il., grafs., tabs.
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/92019/1/252385.pdf
https://repositorio.ufsc.br/bitstream/123456789/92019/2/252385.pdf.txt
https://repositorio.ufsc.br/bitstream/123456789/92019/3/252385.pdf.jpg
bitstream.checksum.fl_str_mv 1e4b5b42b072de961cc5882ecc5c346d
ac6d22f1a11248807b520d422ebb0029
24c5a07e25c88e8d0c971cd8a1d9f911
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805437035839488

Registros relacionados