Modelagem de redes neurais artificiais MLP para previsão de vazões na bacia do rio Miranda afluente do Pantanal (2024)
- Authors:
- Autor USP: BOUIX, CHRISTIAN PASCAL SILVA - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LEB
- DOI: 10.11606/D.11.2024.tde-10052024-112545
- Subjects: APRENDIZADO COMPUTACIONAL; BACIA HIDROGRÁFICA; HIDROLOGIA; INTELIGÊNCIA ARTIFICIAL; MODELAGEM DE DADOS; REDES NEURAIS
- Agências de fomento:
- Language: Português
- Abstract: A crescente necessidade global de prever eventos extremos e desastres naturais, intensificada pelas instabilidades ambientais, é evidente no Brasil, destacando-se o impacto no bioma do Pantanal. Considerado como uma das maiores superfícies alagadas do planeta, esse bioma enfrenta desafios socioeconômicos devido a sua dinâmica de cheias e vazantes, promovendo períodos frequentes de inundações e secas. Uma das formas de quantificar o volume de água que abastece o Pantanal é a partir do monitoramento das bacias hidrográficas do planalto adjacente que circundam o bioma. O monitoramento hidrológico é crucial para compreender e mitigar danos, sendo a modelagem hidrológica convencional uma ferramenta valiosa, apesar de sua complexidade de aplicação e sua dependência por associar-se a outras ferramentas, como softwares de SIG. Somado a isso, a região pantaneira enfrenta deficiência em estações pluviométricas, impulsionando a busca por alternativas na obtenção de dados, como coleções de imagens de satélite, para suprir lacunas de informações. A integração de Aprendizado de Máquina (AM) e Inteligência Artificial (IA) emerge como uma solução, possibilitando a análise de padrões nos dados climatológicos que podem ser aplicados em estudos de previsões de vazão. Dentre as técnicas de IA, as redes neurais artificiais (RNA) se destacam, simulando o aprendizado do cérebro humano e apresentando potencial para prever o comportamento hidrológico de bacias hidrográficas. Assim, este trabalhopropõe a hipótese de que algoritmos de IA, utilizando a técnica de RNA, podem compreender e prever o fluxo de água de uma bacia de planalto componente do Pantanal. Diante disso, o objetivo geral do trabalho proposto consistiu em realizar a modelagem de diferentes redes neurais artificiais do tipo Multilayer Perceptron (MLP) para a previsão de vazões na bacia hidrográfica do rio Miranda, afluente do bioma Pantanal. Foram utilizadas séries históricas de vazão, precipitação e evapotranspiração como entradas dos modelos, por estas serem componentes principais do ciclo hidrológico. Os dados de vazão foram coletados a partir de postos fluviométricos presentes nos municípios de Miranda/MS e Bonito/MS e os dados de evapotranspiração e precipitação foram extraídos a partir de coleções de imagens de satélite. Em sequência, foi feito o pré-processamento dos dados e verificado a existência de dados faltantes nas séries para o período de interesse e todas as informações foram sincronizadas na escala diária. Foi usada a técnica de Médias Móveis para a suavização de dados, visando reduzir a variabilidade presente nas informações coletadas. Foi realizado o estudo de cada variável, independentemente, para as porções de montante e total da sub-bacia do rio Miranda. Em sequência foram testadas seis arquiteturas de redes neurais artificiais do tipo MLP em quatro blocos de análise: a) Redes neurais com dados em escala diária; b) Redes neurais com dados suavizados por Médias Móveis; c) Redesneurais com dados em escala mensal e d) Redes neurais com retirada de variáveis dos modelos. A avaliação de performance dos modelos se deu através das métricas estatísticas de Erro médio absoluto (MAE), Raiz quadrada do erro médio (RMSE) e coeficiente de determinação (R2), após as etapas de teste e validação dos modelos. Os resultados obtidos comprovam que o desempenho de uma rede neural do tipo MLP é bastante variável de acordo com os hiper parâmetros da rede escolhidos, assim como o número de neurônios e camadas intermediárias utilizadas em suas arquiteturas. A técnica de suavização por Médias Móveis e a utilização de dados mensais melhorou a performance e taxas de previsão dos modelos propostos em comparação com os dados em escala diária. Dessa forma, conclui-se que a utilização de redes neurais artificiais do tipo MLP é uma técnica promissora para a previsão de vazões em áreas de bacias hidrográficas pouco monitoradas e que carecem de informações importantes sobre seu comportamento hidrológico
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2024
- Data da defesa: 16.02.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
BOUIX, Christian Pascal Silva. Modelagem de redes neurais artificiais MLP para previsão de vazões na bacia do rio Miranda afluente do Pantanal. 2024. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-10052024-112545/. Acesso em: 09 jun. 2024. -
APA
Bouix, C. P. S. (2024). Modelagem de redes neurais artificiais MLP para previsão de vazões na bacia do rio Miranda afluente do Pantanal (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11152/tde-10052024-112545/ -
NLM
Bouix CPS. Modelagem de redes neurais artificiais MLP para previsão de vazões na bacia do rio Miranda afluente do Pantanal [Internet]. 2024 ;[citado 2024 jun. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-10052024-112545/ -
Vancouver
Bouix CPS. Modelagem de redes neurais artificiais MLP para previsão de vazões na bacia do rio Miranda afluente do Pantanal [Internet]. 2024 ;[citado 2024 jun. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-10052024-112545/
Informações sobre o DOI: 10.11606/D.11.2024.tde-10052024-112545 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
