Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas

Detalhes bibliográficos
Autor(a) principal: Ballini, Rosangela, 1969-
Data de Publicação: 2000
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1589515
Resumo: Orientadores: Marinho Gomes de Andrade Filho, Secundino Soares Filho
id UNICAMP-30_3eaaf32f30a8d01996d886f969a8b8ca
oai_identifier_str oai::204288
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosasPrevisão hidrologicaAnálise de séries temporaisRedes neurais (Computação)Conjuntos fuzzyOrientadores: Marinho Gomes de Andrade Filho, Secundino Soares FilhoTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de ComputaçãoResumo: Análise e previsão de vazões são de fundamental importância no planejamento da operação de sistemas de recursos hídricos. Uma das grandes dificuldades na previsão das séries de vazões é a presença da sazonalidade devido aos períodos de cheia e seca do ano. Os modelos estocásticos foram, por um longo tempo, a alternativa mais comum aos modelos determinísticos ou hidrológicos na análise e previsão de vazões, baseados principalmente na metodologia de Box & Jenkins. Esta metodologia exige algum tipo de manuseio nos dados para tratar a não-estacionariedade ou o uso de modelos periódicos, necessitando de uma laboriosa formulação teórica para os procedimentos estatísticos. Redes neurais artificiais, especialmente redes multi-camadas com algoritmo back-propagation vêm sendo sugeridas para análise de séries temporais devido a sua capacidade para tratar com relações não-lineares.de entrada-saída, destacando sua habilidade de aprendizado e capacidade de generalização, associação e busca paralela. Estas qualidades as tornam capazes de identificar e assimilar as características mais marcantes das séries, tais como sazonalidade, periodicidade, tendência, entre outras, muitas vezes camufladas por ruídos. A capacidade de mapeamentos complexos das redes neurais cresce com o número de camadas e neurônios, acarretando :illaior tempo de processamento bem como considerável soma de dados. Entretanto, na prática muitas vezes os parâmetros devem ser estimados rapidamente e somente uma pequena quantidade de dados é disponível. Freqüentemente, dados do mundo real apresentam ruídos, podendo conter contradições e imperfeições. Tolerância a imprecisão e incertezas é também exigida para considerar tratabilidade e robustez. Conjuntos nebulosos baseados em modelos de análise de dados vêm sendo empregados sob essas hipóteses. A aplicação de modelos de redes neurais nebulosas une os benefícios das redes neurais e da teoria de conjuntos nebulosos, combinando-os em um sistema integrado para previsão de vazões naturais médias mensais. São realizadas análise e previsão de vazões usando modelos de séries temporais, redes neurais e redes neurais nebulosas para previsão um passo à frente e vários passos à frente para as séries das usinas hidroelétricas brasileiras localizadas em diferentes regiões. O desempenho dos modelos foi comparado e os resultados mostraram que os modelos propostos apresentaram melhor desempenho que as outras abordagens tanto para previsão um passo à frente como para previsão com vários passos à frenteAbstract: Analysis and forecast of seasonal stream flow series are of utmost importance in the operation planning of water resources systems. One of the greatest difficulties in forecasting of those series is the seasonality nature of stream flow series due to wet and dry periods of the year. For a long time, the use of stochastic models, based on the c1assic Box & Jenkins methodology, were the most employed alternative to the deterministic or hydrologic models in the analysis and forecast of stream flow series. This methodology requires either some kind of data manipulation to deal with the nonstationarity or the use of periodic models. Therefore the statistical procedures, requires an arduous theoretical formulation. Artificial Neural Networks (ANN), especially multilayer perceptrons with a back-propagation algorithm, have recently been suggested for time series analysis. They have the ability to deal with nonlinear input-output relationships. Their major assets are the learning ability and generalization, association and parallel search capability. These qualities enable them to identify and to assimilate some of the features of the series as seasonality, periodicity, tendency sometimes difficult to detect under noise. The capability of complex mapping of the ANN increases with the number of layers and neurons. The use of ANN usually requires the investment of a long period of time in the modeling process, as well as a considerable amount of data. ln practice, however, the parameters usually must be quickly estimated and only a small quantity of data is available. Very often, real world data are noisy, and the collected data may contain contradictions and imperfections. Tolerance for imprecision and uncertainty is also required to achieve tractability and robustness. Fuzzy sets based data analysis models have been especially suitable for these purposes. This suggests the application of neurofuzzy network models to seasonal stream flow forecasting. These models combine the advantages of the ANN and fuzzy set based approaches in a single integrated decision-making system. Analysis and forecast of stream flows one-step-ahead and multi-step-ahead are accomplished, using time series models, neural networks, and neurofuzzy networks. Database of average monthly inflows from Brazilian hydroelectric plants located in different river basins were used. The performance of the models was compared and the results show that the models here proposed provide a better performance than the others ones considering one-step-ahead forecasting and multi-step-ahead forecastingDoutoradoDoutor em Engenharia Elétrica[s.n.]Andrade, Marinho Gomes de, 1955-Soares Filho, Secundino, 1949-Andrade Filho, Marinho Gomes deSilva, Alexandre Pinto Alves daSales, Paulo Roberto de HolandaVal, João Bosco Ribeiro doGomide, Fernando Antonio CamposVon Zuben, Fernando JoséUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de ComputaçãoPrograma de Pós-Graduação em Engenharia ElétricaUNIVERSIDADE ESTADUAL DE CAMPINASBallini, Rosangela, 1969-20002000-09-29T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf169p. : il.(Broch.)https://hdl.handle.net/20.500.12733/1589515BALLINI, Rosangela. Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas. 2000. 169p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1589515. Acesso em: 2 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/204288porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2017-02-18T03:17:27Zoai::204288Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2017-02-18T03:17:27Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas
title Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas
spellingShingle Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas
Ballini, Rosangela, 1969-
Previsão hidrologica
Análise de séries temporais
Redes neurais (Computação)
Conjuntos fuzzy
title_short Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas
title_full Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas
title_fullStr Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas
title_full_unstemmed Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas
title_sort Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas
author Ballini, Rosangela, 1969-
author_facet Ballini, Rosangela, 1969-
author_role author
dc.contributor.none.fl_str_mv Andrade, Marinho Gomes de, 1955-
Soares Filho, Secundino, 1949-
Andrade Filho, Marinho Gomes de
Silva, Alexandre Pinto Alves da
Sales, Paulo Roberto de Holanda
Val, João Bosco Ribeiro do
Gomide, Fernando Antonio Campos
Von Zuben, Fernando José
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação
Programa de Pós-Graduação em Engenharia Elétrica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Ballini, Rosangela, 1969-
dc.subject.por.fl_str_mv Previsão hidrologica
Análise de séries temporais
Redes neurais (Computação)
Conjuntos fuzzy
topic Previsão hidrologica
Análise de séries temporais
Redes neurais (Computação)
Conjuntos fuzzy
description Orientadores: Marinho Gomes de Andrade Filho, Secundino Soares Filho
publishDate 2000
dc.date.none.fl_str_mv 2000
2000-09-29T00:00:00Z
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 (Broch.)
https://hdl.handle.net/20.500.12733/1589515
BALLINI, Rosangela. Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas. 2000. 169p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1589515. Acesso em: 2 set. 2024.
identifier_str_mv (Broch.)
BALLINI, Rosangela. Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas. 2000. 169p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1589515. Acesso em: 2 set. 2024.
url https://hdl.handle.net/20.500.12733/1589515
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/204288
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
169p. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809188843174232064

Registros relacionados