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 "Small Amazon catchments"

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)
    Redes neurais recorrentes para modelagem chuva-vazão de pequenas bacias hidrográficas amazônicas
    (Universidade Federal do Pará, 2022-04-29) MENDONÇA, Leonardo Melo de; BLANCO, Claudio José Cavalcante; http://lattes.cnpq.br/8319326553139808
    Modelos chuva-vazão podem auxiliar o gerenciamento de recursos hídricos, principalmente na Amazônia, região marcada pela baixa densidade de monitoramento hidrológico, e assim beneficiar os usos múltiplos da água e o adequado aproveitamento dos recursos hídricos. Este trabalho busca simular vazões diárias de cinco pequenas bacias hidrográficas da Amazônia, através da Rede Neural Recorrente Não linear Autorregressiva com Variável Exógena (RNN-NARX). Dados pluviométricos e fluviométricos diários foram utilizados para simulação. As funções de correlação cruzada e autocorrelação parcial auxiliaram a determinação de dados defasados, entradas relevantes, com nível de significância de 5%. Além disso, foi utilizado o algoritmo de retropropagação do erro Levenberg-Marquardt para treinamento supervisionado das RNN-NARX. Também foram utilizados cinco índices estatísticos e a contribuição relativa de Garson de cada variável de entrada para avaliação das simulações. Deste modo, as vazões simuladas foram classificadas entre o insatisfatório e o muito bom, além de apresentar tendência, geral, a subestimar vazões de cheia. A característica autorregressiva de cada bacia é fundamental para melhores resultados, qualidade atribuída à capacidade de armazenamento de água. Uma explicação plausível para as principais fontes de incerteza é devida a variabilidade espacial da precipitação entre as estações de monitoramento e as precipitações ocorridas na bacia, anomalias meteorológicas e aspectos de discretização. A análise de sensibilidade dos modelos frente a diferentes intervalos de treinamento mostrou que a implementação de 2 anos, para o treinamento supervisionado das RNN-NARX, são suficientes para se obterem simulações eficientes em quatro das cinco pequenas bacias hidrográficas da Amazônia analisadas.
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