Modelagem chuva-vazão através de sistemas de aprendizado de máquina para a usina hidrelétrica Foz do Areia

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCataldi, Marcio-
Autor(es): dc.contributorRibeiro, Eric Miguel-
Autor(es): dc.contributorSilva, Rodrigo Amado Garcia da-
Autor(es): dc.contributorFarias, William Cossich Marcial de-
Autor(es): dc.creatorSilva, Gabriel Oliveira Pinheiro e-
Data de aceite: dc.date.accessioned2024-07-22T13:55:57Z-
Data de disponibilização: dc.date.available2024-07-22T13:55:57Z-
Data de envio: dc.date.issued2024-07-17-
Data de envio: dc.date.issued2024-07-17-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/33395-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/823220-
Descrição: dc.descriptionA gestão de recursos hídricos possui o desafio de proporcionar o uso múltiplo das águas, assegurando sua disponibilidade para as gerações atuais e futuras. Para isso, é necessário o entendimento das bacias hidrográficas, unidades territoriais de planejamento e gestão hídrica. A água é utilizada para o abastecimento à população e para setores estratégicos como elétrico, agrícola e transportes. No Brasil, além do desafio da disponibilidade hídrica para a população, a principal matriz energética é hidrelétrica. Por isso, a compreensão de processos hidrológicos é de grande importância para o planejamento e expansão do Sistema Interligado Nacional. Para compreensão dos processos hidrológicos, adota-se modelos de transformação chuva-vazão buscando entender o relacionamento entre as grandezas do ciclo hidrológico. Frente a este cenário, é de grande importância o monitoramento e a disponibilização de dados hidrometeorológicos para o constante aperfeiçoamento do processo de modelagem. O objetivo desse estudo é o levantamento de dados hidrometeorológicos para modelagem chuva-vazão baseado em sistemas de aprendizado de máquina para simulação da vazão natural da Usina Hidrelétrica Foz do Areia, localizada na bacia do Rio Iguaçu, na região Sul do Brasil. Na metodologia deste estudo, aplicou-se o tratamento de dados de precipitação com produtos matriciais de grade, análise de correlações entre as variáveis, treinamento de um modelo de árvore de decisão e a análise das simulações para dias à frente utilizando dados observados. Os dados de precipitação possuem diferentes fontes, com o objetivo de reunir uma série contínua de precipitação diária observada entre o período de 1981 até 2014. O modelo foi calibrado entre 1981 até 2011 e validado entre 2011 e 2014, apresentando resultados satisfatórios de simulação de vazão até 2 semanas a frente em discretizarão diária. Portanto, o trabalho procurou contribuir para o entendimento de levantamento de dados hidrometeorológicos e modelagem chuva-vazão, onde a base de dados obtida no estudo pode ser utilizada para a realização de diferentes experimentos comparativos de técnicas de modelagem-
Descrição: dc.descriptionThe water resources management has the challenge of providing multiple uses of water and ensuring its availability to current and future generations. Then it‘s necessary to know the hydrographic basins as the territorial units of water planning and management. The water is used for population supply and strategic sectors such as energy agriculture and transportation. Thus the understanding of hydrological processes is important for planning and expansion of brazilian National Interconnected System. In order to understand the hydrological processes, rainfall-runoff models are adopted seeking to improve our knowledge over the relationship between the hydrological cicle components. Faced with this scenario the monitoring and the availability of hydrometeorological data are important for continuously improvement of rainfall-runoff modeling process. The objective of this study is build a large hydrometeorological dataset to train a daily rainfall-runoff model based on machine learning systems, in order to simulate the natural flow at Foz do Areia Hydroelectric Power Plant in Iguaçu River in brazilian of south region. The methodology was based on the treatment of precipitation data combining gauged data and gauge-based gridded data, correlation analysis between variables, model training based on decision tree and analysis of result simulations for daily steps ahead using observed data. The precipitation data came from different sources and the goal was obtain a continuous daily observed precipitation dataset from 1981 until 2014. The model was trained from 1981 until 2011 and tested from 2011 until 2014, and proved us satisfactory results of flow simulation up to 2 weeks ahead in daily discretization. Therefore this work tried to contribute to improve our knowledge about hydrometeorological dataset collection, rainfall-runoff modeling and relationships between variables of hydrological process, where the built dataset can be used to carry out different comparative experiments of rainfall-runoff modeling techniques-
Descrição: dc.description57 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectUHE Foz do Areia-
Palavras-chave: dc.subjectDados hidrometeorológicos-
Palavras-chave: dc.subjectChuva-vazão-
Palavras-chave: dc.subjectGestão de recurso hídrico-
Palavras-chave: dc.subjectMedição de vazão-
Palavras-chave: dc.subjectAnálise de dados-
Palavras-chave: dc.subjectFoz do Areia HPP-
Palavras-chave: dc.subjectHydrometeorological data-
Palavras-chave: dc.subjectRainfall-runoff-
Título: dc.titleModelagem chuva-vazão através de sistemas de aprendizado de máquina para a usina hidrelétrica Foz do Areia-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.