REDES NEURAIS ARTIFICIAIS PARA PREVISAO CHUVA/VAZAO.

Detalhes bibliográficos
Autor(a) principal: Rosangela Ballini
Data de Publicação: 1996
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://doi.org/10.11606/D.55.2017.tde-24112017-103742
Resumo: Redes Neurais Artificiais vêm sendo amplamente usada em uma variedade de áreas. Uma destas áreas é a previsão de séries temporais. Neste trabalho, uma investigação sobre a adequabilidade de usar os modelos de redes neurais conhecidos como Kohonen e Multi-Camadas com algoritmo Back-Propagation, na previsão de vazão, é realizada. Além disso, estes métodos são comparados com o Método dos Vizinhos Mais Próximos que tem sido utilizado para previsão de vazão. Uma análise comparativa é feita utilizando os dados da Bacia Hidrográfica do Rio Atibaia e os resultados mostram as vantagens e desvantagens de cada uma das técnicas utilizadas.
id USP_1bdbaaa1e24e063aeb8675a678109527
oai_identifier_str oai:teses.usp.br:tde-24112017-103742
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis REDES NEURAIS ARTIFICIAIS PARA PREVISAO CHUVA/VAZAO. Artificial neural networks for rainfall / flow forecasting 1996-08-12Roseli Aparecida Francelin RomeroAlceu Gomes de Andrade FilhoHeloisa de Arruda CamargoRosangela BalliniUniversidade de São PauloCiências da Computação e Matemática ComputacionalUSPBR Não disponível Not available Redes Neurais Artificiais vêm sendo amplamente usada em uma variedade de áreas. Uma destas áreas é a previsão de séries temporais. Neste trabalho, uma investigação sobre a adequabilidade de usar os modelos de redes neurais conhecidos como Kohonen e Multi-Camadas com algoritmo Back-Propagation, na previsão de vazão, é realizada. Além disso, estes métodos são comparados com o Método dos Vizinhos Mais Próximos que tem sido utilizado para previsão de vazão. Uma análise comparativa é feita utilizando os dados da Bacia Hidrográfica do Rio Atibaia e os resultados mostram as vantagens e desvantagens de cada uma das técnicas utilizadas. Artificial Neural Networks have been widely used in a variety of arcas. One of these arcas is time forecasting. In this work, neural network models known as Kohonen and Multi-layer perceptron with algorithm back-propagation are utilized in inflow forecasting. Moreover, these methods are compared with the nearest-neighbor method which have been utilized in inflow forecasting. A comparative analyze is made using the data of the Atibaia River basin and the results show the advantages and disadvantages of the techniques used. https://doi.org/10.11606/D.55.2017.tde-24112017-103742info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T20:05:49Zoai:teses.usp.br:tde-24112017-103742Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-12-22T13:16:00.924221Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv REDES NEURAIS ARTIFICIAIS PARA PREVISAO CHUVA/VAZAO.
dc.title.alternative.en.fl_str_mv Artificial neural networks for rainfall / flow forecasting
title REDES NEURAIS ARTIFICIAIS PARA PREVISAO CHUVA/VAZAO.
spellingShingle REDES NEURAIS ARTIFICIAIS PARA PREVISAO CHUVA/VAZAO.
Rosangela Ballini
title_short REDES NEURAIS ARTIFICIAIS PARA PREVISAO CHUVA/VAZAO.
title_full REDES NEURAIS ARTIFICIAIS PARA PREVISAO CHUVA/VAZAO.
title_fullStr REDES NEURAIS ARTIFICIAIS PARA PREVISAO CHUVA/VAZAO.
title_full_unstemmed REDES NEURAIS ARTIFICIAIS PARA PREVISAO CHUVA/VAZAO.
title_sort REDES NEURAIS ARTIFICIAIS PARA PREVISAO CHUVA/VAZAO.
author Rosangela Ballini
author_facet Rosangela Ballini
author_role author
dc.contributor.advisor1.fl_str_mv Roseli Aparecida Francelin Romero
dc.contributor.referee1.fl_str_mv Alceu Gomes de Andrade Filho
dc.contributor.referee2.fl_str_mv Heloisa de Arruda Camargo
dc.contributor.author.fl_str_mv Rosangela Ballini
contributor_str_mv Roseli Aparecida Francelin Romero
Alceu Gomes de Andrade Filho
Heloisa de Arruda Camargo
description Redes Neurais Artificiais vêm sendo amplamente usada em uma variedade de áreas. Uma destas áreas é a previsão de séries temporais. Neste trabalho, uma investigação sobre a adequabilidade de usar os modelos de redes neurais conhecidos como Kohonen e Multi-Camadas com algoritmo Back-Propagation, na previsão de vazão, é realizada. Além disso, estes métodos são comparados com o Método dos Vizinhos Mais Próximos que tem sido utilizado para previsão de vazão. Uma análise comparativa é feita utilizando os dados da Bacia Hidrográfica do Rio Atibaia e os resultados mostram as vantagens e desvantagens de cada uma das técnicas utilizadas.
publishDate 1996
dc.date.issued.fl_str_mv 1996-08-12
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://doi.org/10.11606/D.55.2017.tde-24112017-103742
url https://doi.org/10.11606/D.55.2017.tde-24112017-103742
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.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Ciências da Computação e Matemática Computacional
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1794503031423762432

Registros relacionados