Previsão Sazonal de Vazões para a Bacia do Orós (Ceará, Brasil) Utilizando Redes Neurais e a Técnica De Reamostragem dos K-vizinhos

AUTOR(ES)

Araújo, Carla Beatriz Costa de; Souza Filho, Francisco de Assis de; Araújo Júnior, Luiz Martins de; Silveira, Cleiton da Silva

FONTE

Rev. bras. meteorol.

DATA DE PUBLICAÇÃO

2020-06

RESUMO

Resumo Este trabalho tem por objetivo realizar um comparativo de previsão de vazões para a bacia do Orós (Ceará, Brasil) utilizando redes neurais artificiais (RNA) e a técnica de reamostragem dos k-vizinhos. Os modelos foram desenvolvidos a partir da série histórica de 100 anos de dados hidrometeorológicos (temperatura da superfície do mar e vazões). Ambos utilizam como preditores climáticos as temperaturas dos oceanos Atlântico Norte, Atlântico Sul e Pacífico Equatorial e realizam a previsão em julho do regime de vazões do período chuvoso do ano seguinte (janeiro a junho). O modelo k-vizinhos foi elaborado a partir da identificação dos anos vizinhos mais próximos para reamostragem da aproximação, já o modelo de RNA foi formulado a partir dos pesos sinápticos e bias obtidos na etapa de treinamento da rede. Os modelos foram comparados considerando as previsões de vazões para a etapa de teste, utilizou-se como parâmetros comparativos: o coeficiente de eficiência Nash-Suttcliffe (E), o coeficiente de determinação (R²), o diagrama de Taylor (2001) e a razão de máxima verossimilhança. Para todas as variáveis comparativas o modelo neuronal apresentou melhores valores, indicando que este representa de forma mais eficiente o comportamento das vazões para o reservatório.

Documentos Relacionados

• PREVISÃO DE VAZÕES PARA O AÇUDE ORÓS/CE A PARTIR DE DADOS HIDROMETEOROLÓGICOS UTILIZANDO PERCEPTRONS
• Answering exact reverse k-nerarest neighbors queries in metric space
• Previsão de vazões médias mensais usando redes neurais nebulosas
• Redes neurais, metodologias de agrupamento e combinação de previsores aplicados a previsão de vazões naturais
• Previsão contínua de níveis fluviais com redes neurais utilizando previsão de precipitação : investigação metodológica da técnica