dspace.sti.ufcg.edu.br Open in urlscan Pro
150.165.111.212  Public Scan

Form analysis
1 forms found in the DOM

GET /jspui/simple-search

<form method="get" action="/jspui/simple-search" class="navbar-form navbar-right" scope="search">
  <div class="form-group">
    <input type="text" class="form-control" placeholder="Buscar no repositório" name="query" id="tequery" size="14">
  </div>
  <button type="submit" class="btn btn-primary"><span class="glyphicon glyphicon-search"></span></button>
</form>

Text Content

Skip navigation
 * Página inicial
 * Navegar
   * Comunidades e coleções
   * 
   * Pesquisar Itens por:
   * Data do documento
   * Todos os autores
   * Título
   * Assunto
 * Documentos de Interesse
   * 
   * Termo de Autorizacao para Publicacao Eletronica
   * Termo de Deposito Embargado - Teses e Dissertacoes
   * Termo de Deposito Embargado - TCCs/Relatorio de Estagio
   * Rotulo do DVD
   * Capa do DVD
   * Resolucao 01/2017 - Criacao da BDTD da UFCG
   * Resolucao 02/2017 - Deposito de Teses e Dissertacoes
 * Fale Conosco
   * 
   
   *   bdtd@ufcg.edu.br
 * AjudaAjuda

 * Entrar em:
   * Meu espaço
   * Receber atualizações
     por e-mail
   * Editar perfil








 1. Biblioteca Digital de Teses e Dissertações da UFCG
 2. Campus Pombal | Centro de Ciências e Tecnologia Agroalimentar - CCTA
 3. CURSOS DE GRADUAÇÃO DO CCTA
 4. Curso de Bacharelado em Engenharia Ambiental - CCTA

Use este identificador para citar ou linkar para este item:
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/12515

Título: Aplicação de redes neurais artificiais do tipo multilayer perceptron
para regionalização de vazões. Título(s) alternativo(s): Application of
multilayer perceptron artificial neural networks for regionalization of flows.
Autor: SOUSA, Katherine da Silva. Orientador: FARIAS, Camilo Allyson Simões de.
Membro da Banca: MACHADO, Érica Cristine Medeiros. Membro da Banca: SANTOS,
Valterlin da Silva. Palavras-chave: Regionalização hidrológica;Hydrological
regionalization;Modelos hidrológicos;Hydrological models;Redes neurais
feedforward;Feedforward neural networks;Inteligência artificial;Artificial
intelligence Data do documento: 6-Mar-2015 Editor: Universidade Federal de
Campina Grande Citação: 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. 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. Resumo: 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.
Palavras-chave: Regionalização hidrológica
Hydrological regionalization
Modelos hidrológicos
Hydrological models
Redes neurais feedforward
Feedforward neural networks
Inteligência artificial
Artificial intelligence CNPq: Recursos Florestais e Engenharia Florestal.
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/12515 Aparece nas
coleções:Curso de Bacharelado em Engenharia Ambiental - CCTA



Arquivos associados a este item:

Arquivo Descrição TamanhoFormato  KATHERINE DA SILVA SOUSA - TCC - ENGENHARIA
AMBIENTAL 2015.pdfKatherine da Silva Sousa - TCC - Engenharia ambiental
2015.603.5 kBAdobe PDFVisualizar/Abrir

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos
reservados, salvo quando é indicado o contrário.

Tema criado por

DSpace Software Copyright © 2002-2010 Duraspace - Contato com a administração