Título: USO DE SISTEMA NEURAL PARA PREVISÃO DO ESCOAMENTO NA BACIA HIDROGRÁFICA DO RIO MANUEL ALVES DA NATIVIDADE ?? TO
Autoria de: Alberto Carlos de Oliveira Andrade
Orientação de: Marcelo Ribeiro Viola
Coorientação de: Danton Diego Ferreira
Presidente da banca: Marcelo Ribeiro Viola
Primeiro membro da banca: Danton Diego Ferreira
Segundo membro da banca: Michael Silveira Thebaldi
Palavras-chaves: Hidrologia, Ciclo hidrológico, Modelo hidrológico, Sistemas de informações geográficas, Tecnologia de informação
Data da defesa: 11/06/2019
Semestre letivo da defesa: 2019-1
Data da versão final: 13/06/2019
Data da publicação: 13/06/2019
Referência: Andrade, A. C. d. O. USO DE SISTEMA NEURAL PARA PREVISÃO DO ESCOAMENTO NA BACIA HIDROGRÁFICA DO RIO MANUEL ALVES DA NATIVIDADE ?? TO. 2019. 35 p. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação Bacharelado)-Universidade Federal de Lavras, Lavras, 2019.
Resumo: O objetivo deste trabalho foi utilizar uma rede neural Perceptron multicamadas para substituir modelos hidrológicos utilizados para previsão da vazão na bacia hidrográfica do rio Manuel Alves da Natividade, em Tocantins. Primeiramente caracterizou-se a bacia hidrográfica utilizando o software ArcGIS® a partir do posto fluviométrico denominado Fazenda Lobeira, obtendo-se uma área de drenagem de 14.457 km2, perímetro de 868 km e comprimento do curso dágua principal de 313 km. A bacia hidrográfica apresenta 8 postos pluviométricos (Almas, Conceição do Tocantins, Dianópolis, Fazenda Lobeira, Natividade, Nova Vida (montante), Pindorama do Tocantins e Porto Alegre), 1 posto fluviométrico (Fazenda Lobeira) e 1 estação meteorológica (Peixe). O balanço hídrico anual mostrou que a precipitação média é de 1.382 mm, sendo distribuída desigualmente durante o ano, caracterizado pela existência de verões chuvosos e invernos secos. Já na rede neural Perceptron multicamadas foram utilizados 17 nodos de entrada, referentes às variáveis chuva, temperatura máxima, temperatura mínima, insolação, evaporação de pichê, temperatura média, umidade relativa, velocidade do vento e vazão do dia anterior. Os neurônios na camada intermediária foram variados de 1 a 10 e 1 neurônio foi usado na camada de saída. A melhor configuração foi obtida com 6 neurônios na camada intermediária e um coeficiente de Nash-Sutcliffe (CNS) sempre acima de 0,90, mostrando-se uma rede neural eficiente, o que qualifica o modelo para simulação hidrológica que deveria possuir CNS de no mínimo 0,65.
URI: sip.prg.ufla.br/publico/trabalhos_conclusao_curso/acessar_tcc_por_curso/
engenharia_de_controle_e_automacao/20191201421307
URI alternaviva: repositorio.ufla.br/handle/1/43615
Curso: G022 - ENGENHARIA DE CONTROLE E AUTOMAÇÃO (BACHARELADO)
Nome da editora: Universidade Federal de Lavras
Sigla da editora: UFLA
País da editora: Brasil
Gênero textual: Trabalho de Conclusão de Curso
Nome da língua do conteúdo: Português
Código da língua do conteúdo: por
Licença de acesso: Acesso aberto
Nome da licença: Licença do Repositório Institucional da Universidade Federal de Lavras
URI da licença: repositorio.ufla.br
Termos da licença: Acesso aos termos da licença em repositorio.ufla.br
Detentores dos direitos autorais: Alberto Carlos de Oliveira Andrade e Universidade Federal de Lavras
Baixar arquivo