
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Souza, Gabriela Rezende de | - |
| Autor(es): dc.creator | Bello, Italoema Pinheiro | - |
| Autor(es): dc.creator | Corrêa, Flávia Vilela | - |
| Autor(es): dc.creator | Oliveira, Luiz Fernando Coutinho de | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:36:43Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:36:43Z | - |
| Data de envio: dc.date.issued | 2021-09-23 | - |
| Data de envio: dc.date.issued | 2021-09-23 | - |
| Data de envio: dc.date.issued | 2019 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/48235 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1590/1678-4324-2020180522 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1143497 | - |
| Descrição: dc.description | Adequate availability of data directly influences the quality of hydrological studies. In this sense, procedures for filling gaps of observations are often applied in order to improve the length of hydrological series. One technique that can be used is the Artificial Neural Network (ANN), which process information from input data creating an output. This study aims to evaluate the application of ANN to fill missing data from monthly average streamflow series at Rio do Carmo Basin in the state of Minas Gerais, Brazil. A 26-years series (from 1989 to 2012) was used for ANN modelling while the two proceeding years, 2013 and 2014, were used to simulate failures pursuant to evaluating the performance of the ANN. The ANN construction was performed by the software WEKA that uses the multilayer perceptron model with sigmoidal activation functions. Four types of ANN were generated: five attributes and two (MLP1) or five (MLP2) neurons; and with three attributes and one (MLP3) or three (MLP4) neurons. The best-fit model to ANN was the MLP1, verified by Pearson correlation coefficients (0.9824), and coefficient of determination r² (0.9646). The model used five attributes, four input data (year, month, streamflow data from Acaiaca and Fazenda Paraíso stations) and one output data (streamflow from Fazenda Oriente station), that considered the temporal variation of streamflow. Hence, the utilization of the ANN generated by the WEKA was adequate and can be considered a simple approach, not requiring great computational programming knowledge. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Instituto de Tecnologia do Paraná - Tecpar | - |
| Direitos: dc.rights | Attribution-NonCommercial 4.0 International | - |
| Direitos: dc.rights | Attribution-NonCommercial 4.0 International | - |
| Direitos: dc.rights | restrictAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-nc/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-nc/4.0/ | - |
| ???dc.source???: dc.source | Brazilian Archives of Biology and Technology | - |
| Palavras-chave: dc.subject | Data consistency | - |
| Palavras-chave: dc.subject | Data mining | - |
| Palavras-chave: dc.subject | Hydrologic estimation | - |
| Palavras-chave: dc.subject | Redes neurais artificiais | - |
| Palavras-chave: dc.subject | Consistência de dados | - |
| Palavras-chave: dc.subject | Mineração de dados | - |
| Palavras-chave: dc.subject | Previsão hidrológica | - |
| Título: dc.title | Artificial Neural Networks for Filling Missing Streamflow Data in Rio do Carmo Basin | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: