Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/5779
Title: Aplicações de redes neurais artificiais e satélite TRMM na modelagem chuva-vazão da bacia hidrográfica do rio Paraguaçu/BA.
Other Titles: Applications of artificial neural networks and TRMM satellite in rain-flow modeling of the river basin Paraguaçu / BA.
???metadata.dc.creator???: MACEDO, Maria José Herculano.
???metadata.dc.contributor.advisor1???: SOUSA, Francisco de Assis Salviano de.
???metadata.dc.contributor.advisor2???: SANTOS, Carlos Antonio Costa dos.
???metadata.dc.contributor.referee1???: BRITO , José Ivaldo Barbosa de.
???metadata.dc.contributor.referee2???: FERREIRA , Tarso Vilela.
???metadata.dc.contributor.referee3???: GALVÍNCIO , Josicleda Domiciano.
???metadata.dc.contributor.referee4???: NÓBREGA, Ranyere Silva.
Keywords: Sensoriamento Remoto;Modelagem Hidrológica;Inteligência Artificial;Remote Sensing;Hydrologic Modeling;Artificial intelligence
Issue Date: 17-Jun-2013
Publisher: Universidade Federal de Campina Grande
Citation: MACEDO, M. J. H. Aplicações de redes neurais artificiais e satélite TRMM na modelagem chuva-vazão da bacia hidrográfica do rio Paraguaçu/BA. 2013. 92 f. Tese (Doutorado em Meteorologia) – Pós-Graduação em Meteorologia, Centro de Tecnologia e Recursos Naturais, Universidade Federal de Campina Grande, Paraíba, Brasil, 2013.
???metadata.dc.description.resumo???: O desequilíbrio crescente entre disponibilidade e demanda hídrica constitui objeto de planejamento dos recursos hídricos, políticas de conservação, programas de recursos hídricos e simulações hidrológicas. Nesse contexto, o objetivo deste estudo consiste em avaliar a aplicação das Redes Neurais Artificiais e satélite Tropical Rainfall Measuring Mission (TRMM) na modelagem chuva-vazão da bacia hidrográfica do rio Paraguaçu-BA. Os resultados revelaram que essa bacia hidrográfica não é muito propícia a inundações. O rio principal apresenta baixa declividade, com formas transicionais regulares e irregulares em seu curso. Mais de 50% da área da bacia hidrográfica está entre 200 e 600 metros, as menores altitudes se localizam ao leste e elevações acima de 1000 metros estão na porção oeste. A bacia hidrográfica é relativamente plana com declividade do tipo suave. A vegetação predominante consiste em atividades agrárias e vegetação secundária. As chuvas orográficas e/ou convectivas causam as sub e sobrestimativas pluviométricas do TRMM. A rede neural escolhida para a modelagem chuva-vazão utilizou em sua arquitetura o algoritmo de Retropropagação Levenberg-Marquardt, com 90 neurônios na camada intermediária e função de transferência tangente hiperbólica sigmóide (tansig) nas camadas intermediária e de saída. Na fase de previsão a rede superestimou os picos mais elevados de vazão. Os resultados indicam que as redes neurais artificiais são capazes de realizar a previsão de vazão. As estimativas de chuvas pelo TRMM podem ser utilizadas com cautela nas análises hidrológicas. Porém é uma alternativa interessante em locais onde não há disponibilidade de informações hidrológicas.
Abstract: The growing imbalance between water demand and availability is subject to water resources planning, conservation policies, water resources programs and hydrologic simulations. In this context, the aim of this study is to assess the application of artificial neural networks and Tropical Rainfall Measuring Mission (TRMM) satellite in the rainfall-runoff modeling in the Paraguaçu River Basin/BA. The results revealed that the basin is not very prone to flooding. The main river has a low slope, with transitional forms regular and irregular in its course. More than 50% of the basin area is between 200 and 600 meters, the lowest altitudes are located to the east and elevations above 1000 meters are in the western portion. The basin is relatively flat with smooth slope type. The predominant vegetation consists of secondary vegetation and agricultural activities. Orographic and/or convective rainfall causes the sub and overestimation of the TRMM values. The neural network chosen for modeling rainfall-runoff used the algorithm of Levenberg-Marquardt Backpropagation with 90 neurons in the hidden layer transfer function and hyperbolic tangent sigmoid (tansig) in the intermediate and output layers in its architecture. At the stage of the network prediction overestimated the higher peaks flow. The results show that artificial neural networks are capable of predicting flow. Estimates of rainfall by TRMM can be used with caution in hydrologic analyzes. But it is an interesting alternative in places where there is no availability of hydrological information.
Keywords: Sensoriamento Remoto
Modelagem Hidrológica
Inteligência Artificial
Remote Sensing
Hydrologic Modeling
Artificial intelligence
???metadata.dc.subject.cnpq???: Meteorologia
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/5779
Appears in Collections:Doutorado em Meteorologia.

Files in This Item:
File Description SizeFormat 
MARIA JOSÉ HERCULANO MACEDO - TESE (PPGMet) 2013.pdf6.03 MBAdobe PDFView/Open


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