Logo do repositório
Tudo no RIUFPA
Documentos
Contato
Sobre
Ajuda
  • Português do Brasil
  • English
  • Español
  • Français
Entrar
Novo usuário? Clique aqui para cadastrar. Esqueceu sua senha?
  1. Início
  2. Pesquisar por Assunto

Navegando por Assunto "Computational forecast model"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
  • Resultados por página
  • Opções de Ordenação
  • Carregando...
    Imagem de Miniatura
    DissertaçãoAcesso 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/5273686389382860
    O 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.
Logo do RepositórioLogo do Repositório
Nossas Redes:

DSpace software copyright © 2002-2025 LYRASIS

  • Configurações de Cookies
  • Política de Privacidade
  • Termos de Uso
  • Entre em Contato
Brasão UFPA