Previsão de demanda de água na Região Metropolitana de São Paulo com redes neurais e artificiais e condições sócio-ambientais e meteorológicas. / Water demand forecasting in the metropolitan area São Paulo with Artificial Neural Network and socioenvironmental and meteorological conditions.

AUTOR(ES)

Cláudia Cristina dos Santos

FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

17/05/2011

RESUMO

O presente trabalho apresenta a previsão de demanda de água em sistemas urbanos de abastecimento através de Rede Neural Artificial (RNA) utilizando dados de consumo de água e variáveis meteorológicas e socioambientais. A RNA utilizada foi uma de três camadas chamada de rede de múltiplas camadas alimentadas adiante com o algoritmo de treinamento LLSSIM (Hsu et al., 1996). Neste estudo, foram utilizados os dados de consumo de água (SABESP) e meteorológicos (IAG/USP) para o período de 2001 a 2005 para Região Metropolitana de São Paulo (RMSP). As variáveis socioambientais e meteorológicas que podem afetar o consumo de água foram analisadas. A ETA Cantareira e o setor Itaim Paulista foram utilizados para avaliar a relação entre o consumo e as variáveis antrópicas e meteorológicas para o ano de 2005. Esses conjuntos de dados foram utilizados para o treinamento, o teste e a previsão da RNA. Para a ETA Cantareira, foram criados 8 modelos e para o setor Itaim Paulista 57, sendo que os modelos 9 a 57 correspondem à previsão ideal. O desempenho dos modelos foi avaliado pelo o erro médio, erro médio absoluto, erro médio quadrático, o coeficiente de correlação, exatidão, viés, POD, FAR, CSI e POFD. Para a ETA Cantareira o melhor desempenho ocorreu para a média de 12 horas e para o Itaim Paulista a média de 6 horas. Na previsão ideal observou-se que a memória do sistema é um fator importante, principalmente quando se tem dois intervalos de tempo anterior. Os resultados mostraram a importância da memória, pois ela ajuda a melhorar o desempenho da previsão A previsão horária foi obtida com níveis de erros aceitáveis. Comparando os resultados de todas as configurações dos modelos, observou-se que há uma tendência para pequenos erros. Finalmente, conclui-se que o método proposto pode ser utilizado para previsão de consumo obtendo uma boa previsão.

ASSUNTO(S)

artificial neural network previsão de demanda rede neural artificial sistemas de abastecimento de água water consumption forecasting water supply system

Documentos Relacionados

• ARTIFICIAL NEURAL NETWORKS IN TIME SERIES FORECASTING
• Forecasting disruptions Instabilities by artificial neural networks
• Impactos Geoquímicos e Sócio-Ambientais no Estuário do Rio Potengi Região Metropolitana da Grande Natal/RN
• Long Term Meteorological Drought Forecasting for North-western Region of Bangladesh Using Wavelet Artificial Neural Network
• As condições sócio-ambientais de áreas de preservação permanente na zona urbana de Uberlândia : aspectos paisagísticos e sociais