Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/12515
Title: Aplicação de redes neurais artificiais do tipo multilayer perceptron para regionalização de vazões.
Other Titles: Application of multilayer perceptron artificial neural networks for regionalization of flows.
???metadata.dc.creator???: SOUSA, Katherine da Silva.
???metadata.dc.contributor.advisor1???: FARIAS, Camilo Allyson Simões de.
???metadata.dc.contributor.referee1???: MACHADO, Érica Cristine Medeiros.
???metadata.dc.contributor.referee2???: SANTOS, Valterlin da Silva.
Keywords: Regionalização hidrológica;Hydrological regionalization;Modelos hidrológicos;Hydrological models;Redes neurais feedforward;Feedforward neural networks;Inteligência artificial;Artificial intelligence
Issue Date: 6-Mar-2015
Publisher: Universidade Federal de Campina Grande
Citation: SOUSA. Katherine da Silva. Aplicação de redes neurais artificiais do tipo multilayer perceptron para regionalização de vazões. 2015. 39 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Ambiental) - Centro de Ciências e Tecnologia Agroalimentar, Universidade Federal de Campina Grande, Pombal, Paraíba, Brasil, 2015.
???metadata.dc.description.resumo???: A elaboração de projetos de engenharia relacionados com o uso de recursos hídricos geralmente pressupõe a existência de dados hidrológicos confiáveis. Em bacias hidrográficas sem monitoramento sistemático, a obtenção de dados de vazão se torna um desafio, que pode ser superado por meio do uso de técnicas de regionalização de vazões. Neste trabalho verifica-se a aplicabilidade de modelos baseados em redes neurais artificiais (RNA) do tipo multilayer perceptron para regionalização de vazões médias mensais em bacias hidrográficas sem monitoramento hidrológico. A metodologia consiste em estimar vazões médias mensais a partir de dados hidrometeorológicos (precipitação, vazão prévia e evaporação potencial) e fisiográficos (comprimento do rio principal, área da bacia, perímetro da bacia e comprimento da rede de drenagem). Dados referentes a 20 bacias hidrográficas localizadas no estado do Rio Grande do Sul foram utilizados para a calibração dos modelos de RNA. O modelo de melhor desempenho na calibração, obtido por meio da análise do coeficiente de determinação ajustado, foi testado em cinco novas bacias hidrográficas localizadas na região de estudo. A RNA de melhor desempenho foi a que possuía 16 neurônios na camada oculta. Ao analisar os resultados de coeficiente de Nash-Sutcliffe para o conjunto de dados de testes, observou-se que as estimativas para todas as bacias avaliadas foram consideradas aceitáveis. Com base nos resultados obtidos para o estudo de caso apresentado, entende-se que a metodologia apresentada possui potencial para transferência de informações de uma bacia para outra dentro de uma região com comportamento hidrológico similar.
Abstract: The development of water-related engineering projects generally requires the existence of reliable hydrological data. In ungauged watersheds, obtaining flow data becomes a challenge that may be overcome by the use of flow regionalization techniques. In this study, models based on multilayer perceptron artificial neural networks (ANN) were applied for the regionalization of average monthly flows in river basins without systematic hydrological monitoring. The methodology consisted of estimating monthly average flows based on hydro-meteorological and physiographical data. Data from 20 watersheds located in Rio Grande do Sul State, Brazil, were used for calibrating the ANN models. The model with the best calibration performance, considering the adjusted coefficient of determination, was tested in five new watersheds located within the study area. The best performance was achieved by the ANN model with 16 neurons in the hidden layer. When analyzing the results of Nash-Sutcliffe coefficient for the test data set, it was observed that the estimates for all assessed watersheds were considered acceptable. The results found in this case study suggest that this methodology has potential to transfer information from one watershed to another within a region with similar hydrological behavior.
Keywords: Regionalização hidrológica
Hydrological regionalization
Modelos hidrológicos
Hydrological models
Redes neurais feedforward
Feedforward neural networks
Inteligência artificial
Artificial intelligence
???metadata.dc.subject.cnpq???: Recursos Florestais e Engenharia Florestal.
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/12515
Appears in Collections:Curso de Bacharelado em Engenharia Ambiental

Files in This Item:
File Description SizeFormat 
KATHERINE DA SILVA SOUSA - TCC - ENGENHARIA AMBIENTAL 2015.pdfKatherine da Silva Sousa - TCC - Engenharia ambiental 2015.1.12 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.