Modelo Baseado na Técnica de Redes Neurais para Previsão de Vazões na Bacia do Rio São Francisco

Abstract

Um dos principais insumos na definição da geração das usinas hidrelétricas é a previsão de vazões. Na elaboração dessas previsões, diversos modelos podem ser utilizados. Pode-se citar como exemplo os modelos físicos, estatísticos e os baseados na técnica de redes neurais. O uso da técnica de redes neurais tem se intensificado cada vez mais, uma vez que, modelos baseados nessa técnica são de fácil aplicação e têm proporcionado resultados satisfatórios. A análise prévia das informações que serão usadas na calibração e utilização da rede neural pode trazer ganhos significativos no desempenho da mesma. Assim, esse trabalho apresenta a análise dos dados pluviométricos e fluviométricos da área a montante do reservatório de Três Marias, no rio São Francisco, bem como a calibração de um modelo baseado na técnica de redes neurais para a previsão de vazões naturais afluentes. São apresentados o processo de preenchimento de falhas históricas, análise de consistência e análise geoestatística, como ferramenta para seleção de postos pluviométricos e análise de precipitação média da área. Os resultados obtidos mostraram que o modelo calibrado com a técnica de redes neurais teve um desempenho superior ao modelo estocástico PREVIVAZ e, entre as redes neurais analisadas, a NSRBN teve um desempenho um pouco superior a MLP.

Redes Neurais Artificiais na Previsão de Queimadas e Incêndios no Pantanal (Artificial Neural Networks in Prediction of Forest Fires and Burns in the Pantanal)

“…A arquitetura define a forma como os neurônios estão dispostos, a topologia define as diferentes formas de composições estruturais assumidas pela rede e o treinamento está associado ao algoritmo de aprendizagem, ou seja, consiste no conjunto de passos ordenados para os ajustes dos pesos, sintonizando as respostas de saída da rede próximas dos valores desejados (Braga, 2014 Barber et al (2012) As RNAs do tipo MLP pertencem à classe de arquitetura feedforward (alimentação à frente), e são constituídas de uma camada de entrada de neurônios, uma ou mais camadas ocultas (ou intermediárias) e uma camada de saída. O algoritmo de aprendizado utilizado no treinamento supervisionado da rede MLP é o backpropagation ou algoritmo de retropropagação de erros, baseado na regra Delta generalizada (Gomes et al, 2010).…”

Modelagem do transporte de contaminantes e identificação de fontes com estudo de caso no baixo Macaé

“…Como a solução dessas equações muitas vezes é bastante sensível a esses parâmetros, faz-se necessário defini-los com a maior precisão possível. Alternativamente, prescindindo-se, portanto, dessa definição para os parâmetros, podem ser adotadas algumas técnicas computacionais, como as Redes Neurais Artificiais (RNAs), conforme pode ser visto em diversos trabalhos 16,17,18,19 . Usando operações computacionais bem simples, as redes conseguem resolver problemas matemáticos mal definidos, complexos, não lineares e estocásticos 20 .…”

Application of SAC-SMA and IPH II hydrological models in the Teles Pires River basin, Brazil

“…This runoff forecast allows the use of different models of operation, optimization and energy simulation to evaluate the operational conditions of the plants. In addition, it allows decision-making to mitigate the impacts resulting from extreme inflows to the reservoir (GOMES; MONTENEGRO; VALENÇA, 2010;LIMA, 2016).…”