Navegando por Assunto "Computational forecast model"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
Dissertação Acesso aberto (Open Access) Modelo de previsão hidrológica utilizando redes neurais artificiais: um estudo de caso na bacia do Rio Xingu- Altamira-Pa(Universidade Federal do Pará, 2019-10-10) SILVA, Arilson Galdino da; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860O 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 2,99x104 e 0,9991 considerando, principalmente, o tratamento dos valores de entrada da Rede Neural.
