dc.creator.ID |
MENEZES, P. L. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/9781159016378038 |
pt_BR |
dc.contributor.advisor1 |
AZEVEDO, Carlos Alberto Vieira de. |
|
dc.contributor.advisor1ID |
AZEVEDO, C. A. V. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/4086387731166686 |
pt_BR |
dc.contributor.advisor2 |
EYNG, Eduardo. |
|
dc.contributor.advisor2ID |
EYNG, E. |
pt_BR |
dc.contributor.advisor2Lattes |
http://lattes.cnpq.br/1101075438495044 |
pt_BR |
dc.contributor.referee1 |
LIMA, Vera Lúcia Antunes de. |
|
dc.contributor.referee1ID |
LIMA, V. L. A. |
pt_BR |
dc.contributor.referee1Lattes |
http://lattes.cnpq.br/5379077061489077 |
pt_BR |
dc.contributor.referee2 |
DANTAS NETO, José. |
|
dc.contributor.referee2ID |
DANTAS NETO, J. |
pt_BR |
dc.contributor.referee3 |
AZEVEDO, Márcia Rejane de Queiroz Almeida. |
|
dc.contributor.referee3ID |
AZEVEDO, M. R. Q. A. |
pt_BR |
dc.contributor.referee4 |
APRÍGIO, Antônio. |
|
dc.contributor.referee4ID |
APRÍGIO, A. |
pt_BR |
dc.description.resumo |
A eficiência de um sistema de irrigação por aspersão depende do
desempenho do aspersor, que é dependente de algumas características como diâmetro
do bocal, pressão de operação, velocidade e direção do vento, disposição e espaçamento
no campo. A determinação dos coeficientes de uniformidade e a eficiência dos sistemas
de aspersão dependem, em geral, de ensaios em campo que envolvem tempo e recursos
financeiros. Uma alternativa para reduzir custo e tempo é a utilização de simulações
para estimar os valores de precipitação ou dos coeficientes de uniformidade e eficiência.
Neste trabalho foi proposta e testada a aplicação de uma rede neural artificial (RNA) do
tipo Perceptron Multicamadas para simular a precipitação de um aspersor cujos
parâmetros de entrada são os valores de pressão de operação, velocidade do vento,
direção do vento e diâmetro do bocal do aspersor. Ensaios foram feitos em campo com
um aspersor operando em uma malha de 16 x 16 coletores com espaçamento de 1,5 m, e
diferentes combinações de bocais, pressões e condições de vento. Uma rede neural
artificial foi treinada com vista a simular e estimar os valores de precipitação para o
aspersor, dentro das condições ensaiadas. O modelo RNA apresentou bons resultados na
simulação da precipitação com correlação de Spearman entre os dados obtidos em
ensaio de campo e os dados simulados, apresentado valores entre 0,92 e 0,97 para dez
ensaios analisados. Para a correlação entre o perfil de distribuição com os dados
simulados pelo modelo RNA e os dados obtidos em ensaio de campo foram observados,
para os mesmos dez ensaios, valores de coeficiente R2 de 0,95 a 0,99. O modelo RNA
mostrou-se promissor na simulação da precipitação de aspersores em sistemas de
irrigação por aspersão. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Tecnologia e Recursos Naturais - CTRN |
pt_BR |
dc.publisher.program |
PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Engenharia de Agrícola. |
pt_BR |
dc.title |
Desenvolvimento de modelos em redes neurais para simulação de precipitação na irrigação por aspersão. |
pt_BR |
dc.description.abstract |
The efficiency of a sprinkler irrigation system depends on the
performance of the sprinkler head, which is dependent on certain characteristics such as
nozzle diameter, operating pressure, wind speed and direction, and layout and spacing
in the field. Determining the coefficients of uniformity and the efficiency of sprinkler
systems usually depends on field trials requiring time and financial resources. One
alternative to reduce time and expense is the use of simulations to estimate the values of
water distribution or the coefficients of uniformity and efficiency. In this study, we
proposed and tested the application of a multilayer perceptron-type artificial neural
network (ANN) to simulate the precipitation of a sprinkler having as input parameters
the values of operating pressure, wind speed, wind direction, and sprinkler nozzle
diameter. Trials were performed in the field with sprinklers operating in a grid of 16 x
16 collectors with 1.5 meter spacing, with different combinations of nozzles, pressures,
and wind conditions. An artificial neural network was trained to simulate and estimate
the water distribution values for the sprinkler at conditions tested. The ANN model
showed good results in the simulation of precipitation, with the Spearman correlation (
) between the data obtained in the field trial and the simulated data having values
between 0.92 and 0.97 for the ten trials analyzed. For the correlation between the
distribution profile with the data simulated by the ANN model and the data obtained in
field trials, for the same ten trials, R2 coefficient values of 0.95 to 0.99 were observed.
The ANN model shows promise in the simulation of water distribution of sprinklers in
sprinkler irrigation systems. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/28043 |
|
dc.date.accessioned |
2022-11-28T18:44:32Z |
|
dc.date.available |
2022-11-28 |
|
dc.date.available |
2022-11-28T18:44:32Z |
|
dc.type |
Tese |
pt_BR |
dc.subject |
Redes neurais artificiais - modelos |
pt_BR |
dc.subject |
Simulação da precipitação - irrigação por aspersão |
pt_BR |
dc.subject |
Irrigação por aspersão |
pt_BR |
dc.subject |
Irrigação e drenagem |
pt_BR |
dc.subject |
Modelagem e simulação |
pt_BR |
dc.subject |
Modelo computacional |
pt_BR |
dc.subject |
Aspersores |
pt_BR |
dc.subject |
Uniformidade de distribuição - irrigação |
pt_BR |
dc.subject |
Sistema de irrigação por aspersão |
pt_BR |
dc.subject |
Coeficientes de uniformidade - sistemas de aspersão |
pt_BR |
dc.subject |
Rede neural artificial perceptron multicamadas |
pt_BR |
dc.subject |
Perceptron multicamadas - rede neural artificial |
pt_BR |
dc.subject |
Algoritmo de treinamento backpropagation |
pt_BR |
dc.subject |
Artificial neural networks - models |
pt_BR |
dc.subject |
Precipitation simulation - sprinkler irrigation |
pt_BR |
dc.subject |
Sprinkler irrigation |
pt_BR |
dc.subject |
Irrigation and drainage |
pt_BR |
dc.subject |
Modeling and simulation |
pt_BR |
dc.subject |
Computational model |
pt_BR |
dc.subject |
Sprinklers |
pt_BR |
dc.subject |
Distribution uniformity - irrigation |
pt_BR |
dc.subject |
Sprinkler irrigation system |
pt_BR |
dc.subject |
Uniformity coefficients - sprinkler systems |
pt_BR |
dc.subject |
Multilayer perceptron artificial neural network |
pt_BR |
dc.subject |
Backpropagation training algorithm |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
MENEZES, Paulo Lopes de. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Development of models in neural networks for simulation of precipitation in sprinkler irrigation. |
pt_BR |
dc.identifier.citation |
MENEZES, Paulo Lopes de. Desenvolvimento de modelos em redes neurais para simulação de precipitação na irrigação por aspersão. 2014. 91f. (Tese de Doutorado) Programa de Pós-Graduação em Engenharia Agrícola, Centro de Tecnologia e Recursos Naturais, Universidade Federal de Campina Grande - Paraíba - Brasil, 2014. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/28043 |
pt_BR |