
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 | Beskow, Samuel | - |
| Autor(es): dc.creator | Mello, Carlos Rogério de | - |
| Autor(es): dc.creator | Vargas, Marcelle M. | - |
| Autor(es): dc.creator | Corrêa, Leonardo de L. | - |
| Autor(es): dc.creator | Caldeira, Tamara L. | - |
| Autor(es): dc.creator | Durães, Matheus F. | - |
| Autor(es): dc.creator | Aguiar, Marilton S. de | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:28:02Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:28:02Z | - |
| Data de envio: dc.date.issued | 2018-06-12 | - |
| Data de envio: dc.date.issued | 2018-06-12 | - |
| Data de envio: dc.date.issued | 2016-10 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/29432 | - |
| Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/pii/S0022169416305352#! | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1161862 | - |
| Descrição: dc.description | Information on stream flows is essential for water resources management. The stream flow that is equaled or exceeded 90% of the time (Q90) is one the most used low stream flow indicators in many countries, and its determination is made from the frequency analysis of stream flows considering a historical series. However, stream flow gauging network is generally not spatially sufficient to meet the necessary demands of technicians, thus the most plausible alternative is the use of hydrological regionalization. The objective of this study was to couple the artificial intelligence techniques (AI) K-means, Partitioning Around Medoids (PAM), K-harmonic means (KHM), Fuzzy C-means (FCM) and Genetic K-means (GKA), with measures of low stream flow seasonality, for verification of its potential to delineate hydrologically homogeneous regions for the regionalization of Q90. For the performance analysis of the proposed methodology, location attributes from 108 watersheds situated in southern Brazil, and attributes associated with their seasonality of low stream flows were considered in this study. It was concluded that: (i) AI techniques have the potential to delineate hydrologically homogeneous regions in the context of Q90 in the study region, especially the FCM method based on fuzzy logic, and GKA, based on genetic algorithms; (ii) the attributes related to seasonality of low stream flows added important information that increased the accuracy of the grouping; and (iii) the adjusted mathematical models have excellent performance and can be used to estimate Q90 in locations lacking monitoring. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Journal of Hydrology | - |
| Palavras-chave: dc.subject | Water resources management | - |
| Palavras-chave: dc.subject | Clustering | - |
| Palavras-chave: dc.subject | Watershed | - |
| Palavras-chave: dc.subject | Gestão de recursos hídricos | - |
| Palavras-chave: dc.subject | Clustering | - |
| Palavras-chave: dc.subject | Bacia hidrográfica | - |
| Título: dc.title | Artificial intelligence techniques coupled with seasonality measures for hydrological regionalization of Q90 under Brazilian conditions | - |
| 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: