dc.creator.ID |
MARACAJÁ, J. R. A. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/5819081081392371 |
pt_BR |
dc.contributor.advisor1 |
SRINIVASAN, Vajapeyan Srirangachar. |
|
dc.contributor.advisor1 |
GALVÃO, Carlos de Oliveira. |
|
dc.contributor.advisor1ID |
SRINIVASAN, V. S. |
pt_BR |
dc.contributor.advisor1ID |
GALVÃO, C. O. |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/7422951276755637 |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/9325801586502860 |
|
dc.contributor.referee1 |
SANTOS, Celso Augusto Guimarães. |
|
dc.contributor.referee2 |
FIGUEIREDO, Eduardo Eneas de. |
|
dc.description.resumo |
Muitas bacias hidrográficas têm séries hidrológicas pequenas e/ou descontinuas,
potencializando uma demanda por dados hidrométricos nestas bacias. Nas regiões pertencentes ao semi-árido existem carências de informações relativas as previsões de vazão ou volume escoado
sazonalmente, principalmente a reservatórios. Este trabalho contempla as bacias hidrográficas dos rios Piranhas-Acu e Apodi, localizadas no nordeste brasileiro e de grande importância para a região, em que se realizaram estas previsões, com analise das incertezas, utilizando-se a previsão de
precipitação sazonal. Para isso, fez-se uso das bacias com dados hidrométricos no estabelecimento
de um modelo de regionalização para a estimativa da vazão media diária sazonal nas bacias sem
dados hidrométricos, usando informações da previsão da precipitação e das características fisiográficas das bacias, como: área de drenagem, comprimento do rio principal, declividade media do rio, densidade de drenagem. Usou-se a técnica de Redes Neurais Artificiais (RNAs) e comparou-se seus resultados com um modelo de Regressão Múltipla desenvolvido em trabalhos anteriores. De
forma geral, a RNA mostrou um bom desempenho, semelhante ao do estatístico clássico de
Regressão Múltipla A qualidade do ajuste do modelo relaciona-se com a conformidade das grandezas físicas das sub-bacias, ou seja, este resultado mostra a necessidade de uma pre-avaliação dos dados, com o uso de amostras representativas do conjunto de bacias para a calibração da Rede Neural. Na previsão da vazão sazonal, apesar da previsão da precipitação ainda conter um elevado nível de incerteza, ambos os modelos hidrológicos obtiveram, em geral, um bom desempenho, pois,
foi constatado que as incertezas acumuladas, propagadas para a etapa da previsão da vazão, foram atenuadas no processo da transformação chuva em vazão, através das bacias hidrográficas. |
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 CIVIL E AMBIENTAL |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Recursos Hídricos. |
|
dc.title |
Previsão regionalizada de vazão sazonal utilizando redes neurais artificiais. |
pt_BR |
dc.date.issued |
2005-05-31 |
|
dc.description.abstract |
Many river basins have discontinuous and/or small hydrological series, raising the
hydrometric data demand in these basins. There are lacks of information in the semiarid reservoirs
related to seasonal forecasts of outflow or drained volume. This dissertation contemplates Piranhas-
Acu and Apodi river basins, located in the northeastern Brazil with great importance for the region,
with the use of the seasonal precipitation forecast. The basins with hydrometric data were used in
the establishment of a regional model to estimate the seasonal daily average outflow in the basins
without hydrometric data. The precipitation forecast and the physiographic characteristics of the
basins (draining area, length of the main river, mean slope of the river, density of draining) were
used in this process. The Artificial Neural Nets (ANNs) technique was used and its results were
compared to a Multiple Regression Model developed in previous researches. The ANN showed a
good performance when compared to Multiple Regression Model. Relations between the model
adjustment quality and the physical characteristics of the sub-basins were noticed. This result shows
the need of a data evaluation study with the use of representative samples of the set of basins for the
Neural Net calibration. Both hydrological models showed good performances in the seasonal
outflow forecast, despite the fact that the precipitation forecasts still contain high level of
uncertainty. It was evidenced that the accumulated uncertainties, propagated to the outflow
forecasting stage, had been attenuated in the transformation process of rainfall in outflow through
the hydrological basins. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/9628 |
|
dc.date.accessioned |
2019-11-28T10:17:29Z |
|
dc.date.available |
2019-11-28 |
|
dc.date.available |
2019-11-28T10:17:29Z |
|
dc.type |
Dissertação |
pt_BR |
dc.subject |
Previsão Hidrológica. |
|
dc.subject |
Redes Neurais Artificiais (RNAs). |
|
dc.subject |
Previsão Sazonal da Vazão. |
|
dc.subject |
Regionalização. |
|
dc.subject |
Bacias Hidrográficas - Rios Piranhas-Açu e Apodi - Nordeste Brasileiro |
|
dc.subject |
Dados Hidrométricos. |
|
dc.subject |
Previsão da Precipitação. |
|
dc.subject |
Características Fisiográficas das Bacias. |
|
dc.subject |
Modelos Hidrológicos. |
|
dc.subject |
Previsão da Vazão. |
|
dc.subject |
Hydrological Forecast. |
|
dc.subject |
Artificial Neural Networks (ANNs). |
|
dc.subject |
Seasonal Flow Forecast. |
|
dc.subject |
Regionalization. |
|
dc.subject |
Hydrographic Basins - Piranhas-Açu and Apodi Rivers - Northeast Brazil |
|
dc.subject |
Hydrometric data. |
|
dc.subject |
Precipitation Forecast. |
|
dc.subject |
Physiographic Characteristics of Basins. |
|
dc.subject |
Hydrological Models. |
|
dc.subject |
Flow Forecast. |
|
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
MARACAJÁ, José Rosenilton de Araújo. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Regionalized prediction of seasonal flow using artificial neural networks. |
pt_BR |
dc.identifier.citation |
MARACAJÁ, José Rosenilton Araújo. Previsão regionalizada de vazão sazonal utilizando redes neurais artificiais. 2005. 138f. (Dissertação de Mestrado em Engenharia Civil e Ambiental), Curso de Pós-Graduação em Engenharia Civil, Centro de Ciências e Tecnologia, Universidade Federal da Paraíba – Campus II - Campina Grande - PB - Brasil, 2005. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/9628 |
pt_BR |