Camargo-Brunetto, Maria Angelica de Oliveira [Orientador]Scheidt, Felippe Alex2024-05-012024-05-012010.00https://repositorio.uel.br/handle/123456789/12496Resumo: 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-vazãoRedes neurais (Computação)Recursos hídricosDesenvolvimentoModelagem de processosBacias hidrográficasNeural networks (Computer science)Water resources developmentWatershedsGenetic algorithmsDissertação