Please use this identifier to cite or link to this item: http://repositorio.ufpa.br:8080/jspui/handle/2011/12190
Full metadata record
DC FieldValueLanguage
dc.creatorSILVA, Arilson Galdino da-
dc.date.accessioned2020-01-22T12:11:17Z-
dc.date.available2020-01-22T12:11:17Z-
dc.date.issued2019-10-10-
dc.identifier.citationSILVA, Arilson Galdino da. Modelo de previsão hidrológica utilizando redes neurais artificiais: um estudo de caso na bacia do Rio Xingu- Altamira-Pa. Orientadora: Adriana Rosa Garcez Castro 2019. 69 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, ,Belém, 2019. Disponível em:http://repositorio.ufpa.br:8080/jspui/handle/2011/12190 . Acesso em:.pt_BR
dc.identifier.urihttp://repositorio.ufpa.br:8080/jspui/handle/2011/12190-
dc.description.abstractKnowledge about the extent of riverbed overflow is extremely necessary for the determination of areas at risk. The City of Altamira-PA, located on the banks of the Xingu River, historically suffers from extreme events of floods that provoke floods, causing great damages to the population. Considering the problem, this paper presents a monthly level prediction system of the Xingu River based on neural networks perceptron of multiple layers. For the development of the system, rainfall data were used in the basin and sub-basins of the Xingu River, and SST information (Sea Surface Temperature) from 1979 to 2016. The Satisfactory results demonstrate the great applicability of Artificial Neural Networks to the flood prediction problem, as compared to other methodologies have greater precision in finding solutions for nonlinear problems. For the treatment and selection of the input variables, the correlation approach was used, with the objective of improving the accuracy of the results, thus selecting the best information with their respective lags, in which they are inserted in three prediction scenarios: model with rainfall data, model with sea surface temperature information and application using the SST junction with rainfall. To measure the prediction capacity of the proposed methods, the Mean Squared Error (MSE) and coefficient of determination (R²) values were obtained for the best strategy, using only oceanic variables, SST, being the values 2,99x104 and 0,9991 considering, mainly, the treatment of input values of the Neural Network.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Parápt_BR
dc.rightsAcesso Abertopt_BR
dc.source1 CD-ROMpt_BR
dc.subjectRedes neurais artificiaispt_BR
dc.subjectModelagem hidrológicapt_BR
dc.subjectPrevisão de níveis do Rio Xingupt_BR
dc.subjectBacia Xingu.pt_BR
dc.subjectSéries temporaispt_BR
dc.subjectModelo previsão computacional.pt_BR
dc.titleModelo de previsão hidrológica utilizando redes neurais artificiais: um estudo de caso na bacia do Rio Xingu- Altamira-Papt_BR
dc.title.alternativeHydrological forecasting model using artificial neural networks: a case study in the Xingu-Altamira-Pa basinpt_BR
dc.typeDissertaçãopt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Tecnologiapt_BR
dc.publisher.initialsUFPApt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.contributor.advisor1CASTRO, Adriana Rosa Garcez-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5273686389382860pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/8012738075287965pt_BR
dc.description.resumoO conhecimento acerca da amplitude do transbordamento dos leitos fluviais é extremamente necessário para determinação das áreas de risco. A cidade de Altamira-PA, localizada às margens do rio Xingu, vem sofrendo com casos extremos de cheias que tendem a provocar inundações, resultando em severos prejuízos para a sua população. Considerando o problema, este trabalho apresenta a proposta de um sistema de previsão de nível mensal do Rio Xingu baseado em Redes Neurais Artificiais Perceptron de Múltiplas Camadas. Para o desenvolvimento do sistema foram utilizados dados de precipitação na bacia e sub-bacias do Rio Xingu, e informações de Temperatura da Superfície do Mar (TSM) do período de 1979 a 2016. Os resultados satisfatórios obtidos demonstram a grande aplicabilidade das Redes Neurais Artificiais para o problema de previsão de cheias, visto que comparada a outras metodologias possuem maior precisão na busca de soluções para problemas não lineares. Para o tratamento e seleção das variáveis de entrada foi utilizada a abordagem de correlação, com o objetivo de melhorar a acurácia dos resultados, selecionando, assim, as melhores informações com suas respectivas defasagens, na qual são inseridas em três cenários de predição: modelo com dados de precipitação, modelo com informações de temperatura da superfície do mar e aplicação utilizando a junção de TSM com precipitação. Para mensurar a capacidade de predição dos métodos propostos, foram obtidos os valores Mean Square Error (MSE) e coeficiente de determinação (R²), para a melhor estratégia, empregando somente variáveis oceânicas, TSM, sendo respectivamente os valores 2,99x104 e 0,9991 considerando, principalmente, o tratamento dos valores de entrada da Rede Neural.pt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.subject.linhadepesquisaINTELIGÊNCIA COMPUTACIONALpt_BR
dc.subject.areadeconcentracaoCOMPUTAÇÃO APLICADApt_BR
dc.description.affiliationCentro Gestor e Operacional do Sistema de Proteção da Amazônia, Centro Regional de Belém.pt_BR
Appears in Collections:Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
Dissertacao_ModeloPrevisaoHidrologica.pdf2,58 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons