Aplicação de redes neurais artificiais para a modelagem hidrológica de bacias hidrográficas

Página do item simplificado
bibo.pageEnd90
dc.contributor.advisor1Zanetti, Sidney Sara
dc.contributor.advisor1IDhttps://orcid.org/0000000191353925
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4564504261678929
dc.contributor.authorCesconetto, Laisi Bellon
dc.contributor.authorIDhttps://orcid.org/0000000192333379
dc.contributor.authorLatteshttp://lattes.cnpq.br/5442971674072792
dc.contributor.referee1Cecilio, Roberto Avelino
dc.contributor.referee1IDhttps://orcid.org/0000000328942481
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5497084995510727
dc.contributor.referee2Moreira, Michel Castro
dc.contributor.referee2IDhttps://orcid.org/0000-0001-8024-7705
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9185818270225480
dc.contributor.referee3Sousa, Elias Fernandes de
dc.contributor.referee3IDhttps://orcid.org/0000-0002-9323-3203
dc.contributor.referee3Latteshttp://lattes.cnpq.br/7350417152879995
dc.contributor.referee4Caiado, Marco Aurelio Costa
dc.contributor.referee4IDhttps://orcid.org/0000000226583916
dc.contributor.referee4Latteshttp://lattes.cnpq.br/7949976625744034
dc.date.accessioned2024-05-30T00:49:53Z
dc.date.available2024-05-30T00:49:53Z
dc.date.issued2021-08-30
dc.description.abstractWater is an essential natural resource for the maintenance of life. It is an essential element for the development of agriculture, ecosystem maintenance, forest development, among others. Population growth and, consequently, the increase in water demand, has promoted the development of studies on techniques that positively contribute to the management of water resources. Currently there are many hydrological models, but some models model a large amount of variables. However, computational advances, coupled with artificial intelligence, have provided better models for estimating hydrological variables. Artificiais neurais networks (ANN's) are efficient, multivariate and nonlinear tools, and that use the multilayer perceptron method (MLP) has been the most used in the modeling of water resources. Thus, the objective of this work was to develop a method of simulation of total flows through the use of ANN and to evaluate an applicability to estimate reference flows. Synthetic flow data series were generated from source data and other variables tested (area and month). The model choice process was based on statistical indices. The RNA's used in this work were of the MLP type containing three layers. Initially, a general model was proposed for the entire region applied in the case study (Espírito Santo state, Southeast region of Brazil) and the training of networks occurred simultaneously for an entire database, but always leaving out the data of a fluviometric station, representing a test sample. In addition, models were also tested in clusters and in pairs of stations. For the general model, considering the input variables proposed by Vilanova, Zanetti and Cecílio (2019), it was observed that the values of NSE and NSElog were higher than 0.30, with the exception of the tests carried out in the hydrographic basins of the São Mateus, Jucu and Santa Joana Rivers, where the results were worse. It found that the inclusion of accumulated rainfall from previous days, the number of the month and the drainage area, simultaneously, resulted in a more expressive improvement in the results. As for the models in clusters, there was no improvement only for cluster 1. For the model applied to pairs of stations, in general, there was no improvement in the results. Regarding the reference flows, there was a tendency to overestimate the q7,10 evaluated by general models, by grouping and by pairs and in relation to q7,10 estimated with the recorded data. However, for q90 there was a significant improvement in the results obtained when the model was applied in group 2. As for the average flows, it was observed that there is a tendency to overestimate the qmld of the recorded data; however, the average percentage errors of the average flow simulated by the models in the Metropolitan region were lower than those estimated by the traditional method of regionalization of flows. Thus, it can be considered that the proposed ANN model is viable in the estimation of flows and the choice of the spatial amplitude of the method application will depend on the availability of recorded data and the objective of the work.
dc.description.resumoA água é um recurso natural imprescindível à manutenção da vida. É um elemento essencial para o desenvolvimento da agricultura, manutenção de ecossistemas, desenvolvimentos de florestas, dentre outros. O crescimento populacional e, consequentemente, o aumento na demanda hídrica, tem promovido o desenvolvimento de estudos sobre as técnicas que contribuam positivamente para o gerenciamento dos recursos hídricos. Atualmente existem muitos modelos hidrológicos, porém alguns desses modelos requerem uma grande quantidade de variáveis. Entretanto, os avanços computacionais, atrelado à inteligência artificial, tem permitido a formulação de melhores modelos para a estimativa de variáveis hidrológicas. As redes neurais artificiais (RNA’s) são ferramentas eficientes, multivariadas e não lineares, e as que utilizam o método multilayer perceptron (MLP) tem sido as mais utilizadas na modelagem dos recursos hídricos. Assim, o objetivo deste trabalho foi desenvolver um método de simulação de vazões diárias totais por meio da utilização de RNA’s e avaliar a aplicabilidade para estimar vazões de referência. Foram geradas séries sintéticas de dados diários de vazão a partir de dados diários de precipitação e outras variáveis testadas (área e o mês). O processo de escolha do modelo foi embasado em índices estatísticos. As RNA’s utilizadas neste trabalho foram do tipo MLP contendo três camadas. Inicialmente, foi proposto um modelo geral para toda a região aplicada no estudo de caso (estado do Espírito Santo, região Sudeste do Brasil) e o treinamento das redes ocorreu de forma simultânea para toda a base de dados, porém sempre deixando de fora os dados de uma estação fluviométrica, representando a amostra de teste. Além disso, também foram testados modelos aplicados em agrupamentos e em pares de estações. Para o modelo geral, considerando as variáveis de entrada proposta por Vilanova, Zanetti e Cecílio (2019), observou-se que os valores de NSE e NSElog foram superiores a 0,30, com exceção dos testes feitos nas bacias hidrográficas dos Rios São Mateus, Jucu e Santa Joana, onde os resultados foram piores. Constatou que a inclusão das precipitações acumuladas de dias anteriores, do número do mês e da área de drenagem, simultaneamente, resultou em uma melhoria mais expressiva nos resultados. Já para os modelos aplicados nos agrupamentos houve melhora apenas para o agrupamento 1. Para o modelo aplicado aos pares de estações, de forma geral, não houve melhoria nos resultados. Com relação as vazões de referência, houve uma tendência de superestimativa na q7,10 estimada pelos modelos geral, por agrupamento e por pares, em relação a q7,10 estimada com os dados registrados. Entretanto, para a q90 notou-se uma melhora expressiva nos resultados obtidos quando o modelo foi aplicado no agrupamento 2. Já para as vazões médias, observou-se que há uma tendência de superestimativa em relação a qmld dos dados registrados; entretanto os erros percentuais médios da vazão média simulada pelos modelos na região Metropolitana foram inferiores aos estimados pelo método tradicional de regionalização de vazões. Sendo assim, pode-se considerar que o modelo RNA proposto é viável na estimativa das vazões e a escolha da amplitude espacial de aplicação do método dependerá da disponibilidade de dados registrados e do objetivo do trabalho.
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/15059
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseDoutorado em Ciências Florestais
dc.publisher.departmentCentro de Ciências Agrárias e Engenharias
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Ciências Florestais
dc.rightsopen access
dc.subjectModelagem hidrológica
dc.subjectrede neural artificial
dc.subjectmodelo chuva-vazão
dc.subjectsimulação de vazão
dc.subject.br-rjbnsubject.br-rjbn
dc.subject.cnpqRecursos Florestais e Engenharia Florestal
dc.titleAplicação de redes neurais artificiais para a modelagem hidrológica de bacias hidrográficas
dc.title.alternativeApplication of artificial neural networks for the hydrological modeling of watersheds
dc.typedoctoralThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
LaisiBellonCesconetto-2021-tese.pdf
Tamanho:
3.35 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Doutorado em Ciências Florestais