Modelagem chuva-vazão utilizando redes neurais artificiais

Página do item simplificado
dataload.collectionmapped02 - Mestrado - Ciência da Computaçãopt_BR
dataload.filenamenourau1222.pdfpt_BR
dataload.handlemapped123456789/50pt_BR
dataload.idpergamum144867pt_BR
dataload.idvirtuanourauvtls000160789pt_BR
dataload.idvirtuapergamumvtls000160789pt_BR
dataload.idvirtuapergamum.sameurlnourauSIMpt_BR
dataload.linknourauhttp://www.bibliotecadigital.uel.br/document/?code=vtls000160789pt_BR
dataload.linknourau.regularSIMpt_BR
dataload.linknourau.retificadohttp://www.bibliotecadigital.uel.br/document/?code=vtls000160789pt_BR
dataload.linknourau.size64.00pt_BR
dc.contributor.advisorCamargo-Brunetto, Maria Angelica de Oliveira [Orientador]pt_BR
dc.contributor.authorScheidt, Felippe Alexpt_BR
dc.contributor.bancaCarvalho, André Carlos Ponce de Leon Ferreira dept_BR
dc.contributor.bancaAyrosa, Pedro Paulo da Silvapt_BR
dc.contributor.bancaHoto, Robinson Samuel Vieirapt_BR
dc.contributor.coadvisorRoloff, Gláucio [Coorientador]pt_BR
dc.coverage.spatialLondrinapt_BR
dc.date.accessioned2024-05-01T13:55:49Z
dc.date.available2024-05-01T13:55:49Z
dc.date.created2010.00pt_BR
dc.date.defesa27.08.2010pt_BR
dc.description.abstractResumo: 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-vazãopt_BR
dc.description.abstractother1Abstract: 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 transformationpt_BR
dc.description.notesDissertação (Mestrado em Ciência da Computação)- Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da Computaçãopt_BR
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/12496
dc.languagepor
dc.relation.coursedegreeMestradopt_BR
dc.relation.coursenameCiência da Computaçãopt_BR
dc.relation.departamentCentro de Ciências Exataspt_BR
dc.relation.ppgnamePrograma de Pós-Graduação em Ciência da Computaçãopt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectRecursos hídricospt_BR
dc.subjectDesenvolvimentopt_BR
dc.subjectModelagem de processospt_BR
dc.subjectBacias hidrográficaspt_BR
dc.subjectNeural networks (Computer science)pt_BR
dc.subjectWater resources developmentpt_BR
dc.subjectWatershedspt_BR
dc.subjectGenetic algorithmspt_BR
dc.titleModelagem chuva-vazão utilizando redes neurais artificiaispt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
1222.pdf
Tamanho:
3.44 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

02 - Mestrado - Ciência da Computação