Modelagem chuva-vazão utilizando redes neurais artificiais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCamargo-Brunetto, Maria Angelica de Oliveira [Orientador]-
Autor(es): dc.contributorCarvalho, André Carlos Ponce de Leon Ferreira de-
Autor(es): dc.contributorAyrosa, Pedro Paulo da Silva-
Autor(es): dc.contributorHoto, Robinson Samuel Vieira-
Autor(es): dc.contributorRoloff, Gláucio [Coorientador]-
Autor(es): dc.creatorScheidt, Felippe Alex-
Data de aceite: dc.date.accessioned2025-05-15T12:46:08Z-
Data de disponibilização: dc.date.available2025-05-15T12:46:08Z-
Data de envio: dc.date.issued2024-05-01-
Data de envio: dc.date.issued2024-05-01-
Data de envio: dc.date.issued2025-05-15-
Data de envio: dc.date.issued2025-05-15-
Fonte completa do material: dc.identifierhttps://repositorio.uel.br/handle/123456789/12496-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/974417-
Descrição: dc.descriptionResumo: Este trabalho apresenta uma metodologia para modelagem da relação ao da transformação chuva-vazão de uma bacia hidrográfica utilizando redes neurais artificiais (RNA) acoplada a um algoritmo genético (AG) num intervalo de discretização diário e mensal Esta modelagem foi aplicada na bacia hidrográfica do rio Piquiri, localizada no estado do Paraná, Brasil Os resultados dessa modelagem foram comparados a um modelo autorregressivo de média móvel e demonstraram que as RNAs são mais adequadas para a modelagem da relação chuva-vazão do que os modelos autorregressivos Além disso, comparou-se o desempenho e características das redes neurais artificiais com um modelo híbrido utilizando RNA e AG, onde foi observado que o modelo híbrido obteve melhor representação do processo de transformação chuva-vazão-
Descrição: dc.descriptionDissertação (Mestrado em Ciência da Computação)- Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da Computação-
Descrição: dc.descriptionAbstract: In this work it is proposed a methodology for modeling the rainfall-runo_ relantionshipof a speci_c watershed, throught articial neural networks (ANN) and geneticalgorithm This model was developed on events based on daily and monthly observationsThe study case is a watershed of the state of Parana, Brasil, named Piquiri river Basin The results are compared with an autorregressive and movingaverage model, and showed that neural networks has superior capacity to representthe rainfall-runo relationship Besides, the ANN methodology was compared witha hybrid model, which coupling ANN with genetic algorithm, and the results showedthat the hybrid model tted better than ANN, when representing the rainfall-runo transformation-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Relação: dc.relationMestrado-
Relação: dc.relationCiência da Computação-
Relação: dc.relationCentro de Ciências Exatas-
Relação: dc.relationPrograma de Pós-Graduação em Ciência da Computação-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectRecursos hídricos-
Palavras-chave: dc.subjectDesenvolvimento-
Palavras-chave: dc.subjectModelagem de processos-
Palavras-chave: dc.subjectBacias hidrográficas-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectWater resources development-
Palavras-chave: dc.subjectWatersheds-
Palavras-chave: dc.subjectGenetic algorithms-
Título: dc.titleModelagem chuva-vazão utilizando redes neurais artificiais-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional da UEL - RIUEL

Não existem arquivos associados a este item.