MODELAGEM CHUVA-VAZÃO MENSAL UTILIZANDO REDES NEURAIS ARTIFICIAIS
|
|
- Maria dos Santos Martinho Back
- 5 Há anos
- Visualizações:
Transcrição
1 PROGRAMA DE PÓS-GRADUACAO EM ENGENHARIA DE RECURSOS HIDRICOS E AMBIENTAL MODELAGEM CHUVA-VAZÃO MENSAL UTILIZANDO REDES NEURAIS ARTIFICIAIS MESTRANDO: FERNANDO WEIGERT MACHADO ORIENTADORA: MIRIAM RITA MORO MINE CO-ORIENTADOR: ELOY KAVISKI
2 CICLO HIDROLÓGICO Precipitação Evaporação Transpiração Escoamento superficial Evaporação Evaporação Solo EVAPORAÇAO 70% Infiltração Percolação Esc. sub superficial Esc. de base Rio, Lago Oceano
3 PROBLEMA!!! Conhecido como o ciclo hidrológico acontece, o PROBLEMA é determinar, do volume precipitado, o volume escoado...ou seja: Qual é a vazão? E ainda!!!! Qual é a vazão máxima? Em que tempo ela ocorre? Avaliar este processo com certo grau de precisão é que permite gerenciar de maneira racional: Abastecimento de água Indústria Irrigação Geração de energia Estiagens Cheias
4 MODELOS Há diversos tipos de modelos. Basicamente os modelos trabalham da seguinte forma: No caso dos modelos chuva-vazão:
5 MODELOS CHUVA VAZÃO Os modelos chuva-vazão mais utilizados são: Modelos... Conceituais: Representam os principais processos do ciclo hidrológico através de algoritmos com parâmetros relacionados com as características da bacia hidrográfica. Exemplos: Sacramento, IPH II, IPHMEN. Empíricos: Determinam a relação entre chuva e vazão através de uma equação matemática cujos parâmetros não tem relação alguma com a realidade física. Exemplos: Equações lineares e não lineares multivariáveis.
6 M. CONCEITUAIS vs M. EMPÍRICOS M. CONCEITUAIS M. EMPÍRICOS 1.Calibração dos parâmetros? 2. Levantamento em campo? 3. Interpretação hidrológica? 4. Estudos de ocupação? 5. Custos?
7 QUESTÃO? Os modelos empíricos são equações matemáticas. Na maioria das vezes estas equações são produtos de regressões lineares multivariáveis. Sendo o processo de transformação de chuva-vazão um processo não-linear nem sempre a aplicação de um modelo empírico é boa ou justificável.
8 ALTERNATIVA!!! Uma ALTERNATIVA aos modelos chuva-vazão existentes é a utilização de Redes Neurais Artificais. As Redes Neurais Artificiais são modelos empíricos. Em Recursos Hídricos as Redes Neurais Artificiais é uma tecnologia recente que vêm sendo pesquisada e utilizada para várias situações apresentado bons resultados. Previsão de vazões afluentes. JAIN et al. (1999). Otimização de reservatórios. NEELAKANTAN e PUNDARIKANTHAN. (2000). Ajuste de curvas de descarga. MACHADO et al. (2005).
9 OBJETIVOS Objetivo geral: Modelar o processo chuva-vazão MENSAL utilizando uma rede neural e comparar os resultados com um modelo conceitual. O que acontece? O resultado ou desempenho de uma rede neural é influenciada por elementos como: i) arquitetura da rede, ii) número de epochs, iii) inicialização dos pesos, iv) a extensão das séries de dados. Logo... Objetivos específicos: Desenvolver um algoritmo computacional capaz de criar redes neurais e durante o treinamento considerar a influência destes elementos.
10 POR QUE MENSAL? Os modelos chuva-vazão são utilizados para representar o ciclo hidrológico em diversas escalas. Horário Diário Semanal Mensal Diversos estudos quanto a aplicação das redes neurais na modelagem chuva-vazão vem sendo realizados. Em geral estes estudos comparam os resultados obtidos pelas redes neurais com outros modelos empíricos e modelos conceituais. ELSHORBAGY et. al (2000) afirmam que entre os modelos empíricos, as redes neurais apresentam o melhor desempenho. TOKAR et al. (2000) comparam os resultados das redes neurais com modelos conceituais de mais CURTO prazo. As redes foram melhores
11 RESPOSTAS Observa-se que em estudos anteriores as redes neurais quando aplicadas na modelagem de curto prazo em geral apresentam bons resultados. São relativamente poucos os trabalhos com investigação quanto a possibilidade de se utilizar redes neurais na modelagem de mais longo prazo. Além disso... MOTIVACAO ESPECIAL A relação chuva-vazão mensal é provavelmente a mais difícil por ter de considerar processos do ciclo hidrológico tanto de curto como de longo prazo. LUNGU (apud ANMALA et al., 2000).
12 INTRODUÇÃO Redes neurais são ferramentas matemáticas criadas a partir de observações do funcionamento do cérebro humano. Breve histórico Início do Século XX: Freud e William James 1943 Warren McCullough e Walter Pitts 1949 Hebb Década de 50 - Rosenblatt 1974 Paul Werbos Rummelhart Entrada 1 Entrada 2 PESO 1 PESO 2 b
13 MLP, COMO FUNCIONAM? ϕ() w(n) 11 w(n) 12 b 1 w(n) 11 x 1 w(n) 21 w(n) 22 ϕ() w(n) 12 w(n) 31 b 2 w(n) 13 ϕ() y k x 2 w(n) 32 w(n) 41 ϕ() w(n) 14 b 1 w(n) 42 b 3 ϕ() b 4 x 1 x 2 x + 1w + x w b ϕ() y 1w11 + y2w12 + y3w13 + y4w14 + b1 y 1 ϕ() yk b 1 b 1
14 ANÁLISE MATEMÁTICA Matematicamente uma rede neural artificial do tipo MLP define uma função matemática cuja forma genérica é: y k ϕ q ϕ = w kj p j= 1 i= 1 w ji x i + b j + b k Onde: q número de neurônios na camada na camada intermediária. p número de neurônios na camada na camada de entrada.
15 NOVO CENÁRIO A cada combinação os valores de p e q têm-se uma nova equação,uma nova forma funcional. Fisicamente p e q define a arquitetura da rede. O que isto significa? RETA EXPONENCIAL LOG Ou ainda... y = ax 2 y = ax + bx + c 3 + bx 2 + cx + d y + n n-1 = a1x + a2x... + an-1x an Redes neurais
16 1º QUESTÃO? Qual função melhor se ajusta aos dados observados? A determinação da função que melhor se ajuste aos dados observados em grande parte depende do problema proposto. Em situações em que não se conhece a natureza do problema a melhor função é determinada por tentativa e erro. Conseqüência... Quando se tratar de redes neurais artificiais deve-se determinar os valores ótimos para p e q, ou seja, deve-se avaliar a arquitetura da rede, número de entradas e número de neurônios na camada intermediária.
17 COMO É AJUSTADO UMA EQUAÇÃO? 1) y = ax + b 2) y = logb 3 ) y = x a ax Variável Coeficientes Otimização O processo de otimização é um processo interativo utilizado na determinação dos coeficientes de uma função a qual se pretende aproximar aos dados observados
18 O PROCESSO DE OTIMIZAÇÃO 1º Determina-se o valores iniciais para os coeficientes. 2º Calcula-se a soma dos erros ao quadrado. Como assim? e 1 e 2 en 1 e n e = ε ( d = y ) 2 e
19 O 3ª 3 PASSO 3º Para a função erro calcula-se o seu ponto de mínimo. Ponto de mínimo! 2 3 y y' Mas nossa função é da forma = x 2 5x + 6 = 2x 5 2 x 5 = 0 y '' = 2 y > 0 x = 2, 5 Mínimo ε= (d y 1) + (d2 y 2) (dn- 1 yn 1) + (dn yn)
20 NESTAS CIRCUSTÂNCIAS......não se tem um problema no plano Mas sim... ε a Mínimo Local Mínimo Global b
21 LEMBREMOS AINDA QUE... No caso das redes neurais... ε= (d y 1) + (d2 y 2) (dn- 1 yn 1) + (dn yn) y = ax + b... Mas... y k ϕ q ϕ = w kj p j= 1 i= 1 w ji x i + b j + b k
22 2ª QUESTÃO As redes neurais artificiais definem superfícies além da 3º dimensão. Superfícies muito irregulares com vários mínimos locais HSU (1995). Nestas circunstâncias há o risco de a solução do problema convergir para um mínimo local. Como isto ocorre? Se os primeiros coeficientes da rede neural forem escolhidos tal que, eles definam um ponto na superfície de erro próximo ao mínimo local, fatalmente o processo de otimização conduzirá a solução para este mínimo local. Conseqüência... Durante o processo de treinamento das redes neurais deve-se considerar a hipótese de inicializar o treinamento da rede um certo número de vezes, cada inicialização com coeficientes iniciais diferentes.
23 ALGORITMOS DE OTIMIZAÇÃO Para equações mais extensas, como a função erro definida pelas redes neurais, onde derivar torna-se um processo oneroso, são utilizados algoritmos de otimização. Métodos já conhecidos Método do maior gradiente Backpropagation Gradiente descendente W * n+ 1 = Wn n λ ε w k Método de Newton-Raphson w = η ε Levenberg-Maquardt W = W n + 1 n ( H ε 1 w ) ε k w k w = [J T 1 (n)j(n) +µ I] J T (n)e(n)
24 SIMULACÃO DA OTIMIZAÇÃO Problema Prático Função Erro
25 PARADOXO O mínimo local também não é uma garantia de que o problema de otimização está resolvido. Por que? Porque alcançar um erro muito pequeno pode significar que a função definida pela rede neural se aproxime demais dos pontos observados e não generalize o processo. 3ª QUESTÃO Isto... também pode ser controlado determinando um número de interações ou número de epochs limite ao algoritmo de otimização. Consequência Durante o treinamento também deve-se avaliar a hipótise de variar o número de epochs.
26 RESUMO Influenciam nos resultados obtidos através de redes neurais: 1) Arquitetura da rede Número de entradas Número de neurônios na camada intermediária 2) Os coeficientes iniciais Inicialização 3) Número de epochs 4) A extensão das séries. Citado por ANMALA et al (2000), TOKAR et al. (1999) e LIMA E FERREIRA (2003)
27 IPHMEN O IPHMEN é um modelo chuva-vazão mensal conceitual desenvolvido pelo Instituto de Pesquisas Hidráulicas da Universidade Federal do Rio Grande do Sul (TUCCI, 1998). O IPHMEN é dividido em três algoritmos básicos i) distribuição de volumes. ii) escoamento superficial e subterrâneo iii) otimização dos parâmetros. Os parâmetros do modelo IPHMEN são: a, b e c parâmetros relacionados com a equação de Horton. α - parâmetro correlacionado com a evapotranspiração real Ks coeficiente de propagação superficial. Kb tempo de variação do reservatório subterrâneo. Cr fator de escoamento superficial.
28 BACIA HIDROGRÁFICA O estudo de caso foi desenvolvido na bacia do rio Jangada. Dados: Área: 1055 Km² 7 Postos pluviométricos 1 Posto fluviométrico
29 DADOS Os dados utilizados foram escolhidos em função das entradas do modelo IPHMEN, no caso: i) precipitação média, ii) evatranspiração potencial e iii) vazão média mensal. Todos os dados passaram por um estudo de consistência. Fez-se inspeções visuais, eliminação dos dados duplicados e preenchimento de falhas No caso particular da precipitação média fez-se ainda um estudo global através da curva dupla-acumulativa. No calculo da precipitação média foram selecionados 6 postos dos 7 postos existenstes. Os dados iniciam em março/76 e terminam em julho/94. São 221 meses, 1326 dados e somente 28 falhas. A evapotranspiração potencial foi calculada através do método de Penman com dados do posto Teixeiras Soares ( ) localizado numa bacia próxima com as mesmas característcas da bacia hidrográfica do rio Jangada.
30 FLASHBACK Já foi visto que entre os elementos que influenciam as redes neurais a ARQUITETURA é um elemento preponderante. Neste intuito foram criadas algumas redes neurais variando o número de entradas e neurônios na camada intermediária. Há seis tipos de entradas as quais chamamos aqui de modelos. Para cada entrada/modelo foram criadas redes neurais com 3, 5, 8 e 10 neurônios na camada intermediária. A combinação de modelos e neurônios na camada intermediária resulta em 24 redes. Semelhante a LIMA e FERREIRA FILHO (2003).
31 TREINAMENTO O treinamento de uma rede neural consiste em a partir de conjunto de entradas e saídas conhecidas, apresentar as entradas à rede, calcular uma saída e comparar a saída calculada com a saída conhecida. Os parâmetros da rede pesos e vieses são corrigidos à partir do erro através de um algoritmo de otimização. O algoritmo de otimização escolhido foi o LEVENBERG- MAQUARDT. Cada uma das redes foram treinadas 30, 60 e 90 epochs e inicializadas 6 vezes. Além disso considerou-se a extensão das séries de dados. Foram utilizados conjuntos de dados com 60, 120 e 180 dados.
32 MÉTODO DE TREINAMENTO ENTRADAS PROCESSOS SAÍDAS TREINAMENTO ENTRADA ENTRADA REDES NEURAIS (24) ENTRADA INICIALIZACAO (6) EPOCHS (30/60/90) PESOS E VIESES AJUSTADOS SIMULACAO RESPOSTAS 1296
33 APLICAÇÃO DO IPHMEN O modelo IPHMEN foi calibrado três vezes por tentativa e erro. Para cada tentativa foi utilizado um conjunto de dados diferente. Primeiro 60 depois 120 e por último 180 dados. Os mesmos dados utilizados para treinar as redes neurais. Esta metodologia foi adotada propositalmente para poder comparar os resultados das redes neurais com os resultados do modelo IPHMEN. Os valores dos parâmetros calibrados para o modelo IPHMEN para cada entrada foram os seguintes.
34 REDES NEURAIS O produto final do processo de treinamento das redes neurais foram obtidos 1296 resultados. Foram determinados 6 modelos Cada qual com 3, 5, 8 e 10 neurônios na camada intermediária 6 modelos, 24 redes...24 resultados Mas cada rede foi treinada com três conjunto de entradas. 6 modelos, 24 redes...72 resultados Além disso foram treinadas com 30, 60 e 90 epochs 6 modelos, 24 redes resultados Em 6 inicializações 1296 resultados Entre estes foram selecionados os 108 melhores.
35 COMO? Exemplo: Inicialização A.
36 ANÁLISE ESPECÍFICAS A partir dos resultados obtidos foram feitas 5 análises específicas. a. Avaliou-se a influência em inicializar uma mesma rede várias vezes. b. Determinou-se qual o número de epochs os modelos treinados obtiveram os melhores resultados c. Verificou-se se havia alguma relação entre o número de epochs e a extensão das séries d. Avaliou-se a relação entre o número de parâmetros da rede e o número de epochs. e. Determinou-se a relação entre o número de entradas e a extensão das séries utilizadas.
37 INICIALIZACAO ANÁLISES ESPECÍFICAS a.inicialização Foram feitas duas análises 1ª Entre as 24 redes neurais foram selecionadas 10 redes treinadas para as 6 inicializações sobre as mesmas condições. b. Epochs c. Epochs vs. Extensão d. Parâmetros e. Extensão A análise dos resultados mostra que a inicialização influenciou nos resultados, no entanto isto ocorreu de maneira discreta.
38 INICIALIZACAO PARTE 2 ANÁLISES ESPECÍFICAS 2ª Para cada inicialização e conjunto de entrada foi selecionado o melhor modelo. a.inicialização b. Epochs c. Epochs vs. Extensão d. Parâmetros e. Extensão Novamente a influência da inicialização existe, mas é baixa. Independente da inicialização A, B, C... ou F as redes que melhor representaram a relação entre chuva e vazão quando treinada com a entrada 1 foram aquelas com entradas conforme o modelo 2, entrada 2 modelos 4 e 5 e entrada 3 modelo 4.
39 EPOCHS ANÁLISES ESPECÍFICAS Para avaliar o número de epochs predominante fez-se um análise de frequência simples entre os 108 modelos pré-selecionados. a.inicialização b. Epochs c. Epochs vs. Extensão d. Parâmetros e. Extensão
40 EPOCHS vs EXTENSÃO DAS SÉRIES ANÁLISES ESPECÍFICAS Neste caso fez-se uma análise de frequência do número de epochs para cada conjunto de entrada. a.inicialização b. Epochs c. Epochs vs. Extensão d. Parâmetros e. Extensão
41 EPOCHS vs NÚMERO DE PARÂMETROS ANÁLISES ESPECÍFICAS Os parâmetros das redes estão presentes em todas as conexões, pesos, e em todas os neurônios das camadas intermediárias e de saída, viéses. a.inicialização b. Epochs c. Epochs vs. Extensão d. Parâmetros e. Extensão Neste caso o aumento do número de parâmetros não significou um aumento do número de epochs.
42 NÚMERO DE ENTRADAS vs EXTENSÃO ANÁLISES ESPECÍFICAS a.inicialização b. Epochs MOD 2 3 entradas MOD 4 5 entradas MOD 5 6 entradas c. Epochs vs. Extensão d. Parâmetros e. Extensão Os modelos com maior número de entradas só alcançaram bons resultados quando o número de dados utilizados foi aumentado.
43 REDES NEURAIS Qual foi a regra...?
44 ENTRADA 1 MODELO 2 INI. B 80 m³/s 180 m³/s
45 ENTRADA 2 MODELO 4 INI. F
46 ENTRADA 3 MODELO 4 INI. B
47 ENTRADA 1
48 ENTRADA 2
49 ENTRADA 3
50 COMPARACÃO DOS RESULTADOS A comparação de resultados foi realizada em termos estatísticos, análise gráfica e estudo dos hidrogramas. Estatística... Treinamento e calibração: Validação:
51 ENTRADA 1
52 ENTRADA 2
53 ENTRADA 3
54 CONCLUSÕES O objetivo geral desta pesquisa foi modelar o processo de transformação de chuva em vazão numa escala mensal através da utilização das redes neurais artificiais. Os resultados foram satisfatórios. Em relação ao IPHMEN os coeficientes de correlação foram maiores e os erros menores. Além disso os modelos apresentaram comportamentos semelhantes: Para a entrada 1, os coeficientes de correlação foram maiores na validação. Ambos os modelos não se comportaram bem para as vazões altas. Semelhança num trecho do hidrograma.
55 CONCLUSÕES Além dos bons resultados as redes neurais apresentaram uma vantagem de ordem prática. Para obter os resultados das redes neurais foram necessários 5 min contra cerca de 7 horas para o IPHMEN. O bom resultado alcançado pelas redes neurais esta associada a metodologia adotada. Arquitetura da rede Epochs Inicialização. Extensão das séries de dados
56 CONCLUSÕES Foi observado que... É importante inicializar os pesos e vieses das redes neurais. O número de entradas está correlacionado a extensão das séries de dados. Quanto maior o número de entradas maior deve ser o número de dados no treinamento. Verificou-se que o número de epochs deve ser baixo e não esta correlacionado com o número de parâmetros nem com a extensão das séries de dados. O número de epochs baixo foi uma hipótese associada ao algoritmo de otimização Levenberg Marquard ser de convergência rápida. Isto foi comprovado aqui. Os melhores resultados foram alcançados pelas redes neurais treinadas somente 30 epochs com cerca de 15 a 57 parâmetros.
57 RECOMENDAÇÕES Os bons resultados obtidos nesta pesquisa estimulam a investigação da aplicação de redes neurais em recursos hídricos. No entanto, este é um assunto extenso. Para trabalhos futuros recomenda-se a aplicação da metodologia proposta na modelagem de eventos horários, diários, semanais e anuais, a investigação de outros algoritmos de otimização para redes neurais, redes de base radial e temporais e a investigação da influência da normalização dos dados de entrada.
58 AGRADECIMENTOS À todos os presentes. À minha família Aos professores do PPGRHA Ao CNPq À UFPR Ao CEHPAR Aos amigos e colegas
PRECIPITAÇÕES EXTREMAS
GPA CIÊNCIAS AGRÁRIAS, BIOLÓGICAS E ENGENHARIAS PRECIPITAÇÕES EXTREMAS Eng. Walter Corrêa Carvalho Junior, Esp. Cálculos Pluviométricos; Conteúdo da Aula Cálculo de Chuvas Máximas (Eventos Extremos). Com
Leia mais2 - Balanço Hídrico. A quantificação do ciclo hidrológico é um balanço de massa:
2 - Balanço Hídrico A quantificação do ciclo hidrológico é um balanço de massa: ds dt = Input Output S: Armazenamento Definir o volume de controle, considerando sistema superficial e/ou subterrâneo 1)
Leia maisPrevisão de Vazões Naturais Afluentes a um Reservatório Utilizando a Técnica de Redes Neurais Artificiais
Previsão de Vazões Naturais Afluentes a um Reservatório Utilizando a Técnica de Redes Neurais Artificiais MSc. Carlos da Costa Ferreira Dr. Carlos Henrique Ribeiro Lima Programa de Pós-graduação em Tecnologia
Leia maisAmílcar Soares Júnior Mestrando de Ciências da Computação - UFPB
Modelagem hidrológica com o GeoCISA Cristiano Das Neves Almeida Prof. Adjunto da Universidade Federal da Paraíba Centro de Tecnologia Departamento de Engenharia Civil e Ambiental Amílcar Soares Júnior
Leia maisRede Neural com Atraso de Tempo Aplicada à Previsão Mensal de Vazões na Bacia Hidrográfica do Rio Piancó
Rede Neural com Atraso de Tempo Aplicada à Previsão Mensal de Vazões na Bacia Hidrográfica do Rio Piancó Camilo A. S. de Farias Celso A. G. Santos Alcigeimes B. Celeste Estrutura da Apresentação Motivação
Leia maisProcessos Hidrológicos CST 318 / SER 456. Tema 1 Introdução ANO 2017
Processos Hidrológicos CST 318 / SER 456 Tema 1 Introdução ANO 2017 Camilo Daleles Rennó Laura De Simone Borma http://www.dpi.inpe.br/~camilo/prochidr/ Hidrologia Definição: é a ciência que estuda a distribuição,
Leia maisInteligência Artificial Redes Neurais
Inteligência Artificial Jarley P. Nóbrega, Dr. Faculdade Nova Roma Bacharelado em Ciência da Computação jpn@jarley.com Semestre 2018.2 Jarley P. Nóbrega, Dr. (Nova Roma) Inteligência Artificial Semestre
Leia maisSumário. Apresentação I Apresentação II Apresentação III Prefácio Capítulo 1 Introdução... 37
Sumário Apresentação I... 19 Apresentação II... 23 Apresentação III... 29 Prefácio... 35 Capítulo 1 Introdução... 37 Capítulo 2 Bacia hidrográfica como Unidade de Planejamento... 47 Capítulo 3 Localização
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais Marcelo K. Albertini 24 de Julho de 2014 2/34 Conteúdo Perceptron Gradiente descendente Redes multicamadas Retropropagação de erros 3/34 Modelos conexionistas Humanos Tempo de
Leia maisRedes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: MLP DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes diretas de múltiplas
Leia mais13 DOTAÇÕES DE REGA 13.1 Introdução 13.2 Evapotranspiração Cultural 13.3 Dotações de Rega 13.4 Exercícios Bibliografia
PREFÁCIO 1 INTRODUÇÃO À HIDROLOGIA E AOS RECURSOS HÍDRICOS 1.1 Conceitos Gerais 1.2 Breve Nota Sobre a Evolução da Ciência da Hidrologia 1.2.1 A hidrologia na Antiguidade Oriental 1.2.2 A hidrologia na
Leia mais5. Evaporação e Transpiração
Transpiração 5.1. Definição Na fase terrestre do ciclo hidrológico, a evaporação e a transpiração são os processos físicos responsáveis pelas perdas de água da superfície para a atmosfera. Aos processos
Leia maisServiço Geológico do Brasil CPRM
SIMULAÇÃO HIDROLÓGICA E BALANÇO HÍDRICO DO RESERVATÓRIO POÇO DA CRUZ (PE) Alfredo Ribeiro Neto Cristiane Ribeiro de Melo Djalena Marques de Melo José Almir Cirilo Objetivo O objetivo deste trabalho é simular
Leia maisCOMPARAÇÃO DE DUAS METODOLOGIAS PARA DETERMINAÇÃO DO VOLUME DE DETENÇÃO EM PEQUENAS BACIAS URBANAS O CASO DE PORTO ALEGRE/RS BRASIL.
COMPARAÇÃO DE DUAS METODOLOGIAS PARA DETERMINAÇÃO DO VOLUME DE DETENÇÃO EM PEQUENAS BACIAS URBANAS O CASO DE PORTO ALEGRE/RS BRASIL Rutinéia Tassi 1 1 Setor de Hidráulica e Saneamento Departamento de Física
Leia maisHidrologia Aplicada Carga Horária: 72 horas Prof a Ticiana M. de Carvalho Studart
Hidrologia Aplicada Pag. 1 Universidade Federal do Ceará Centro de Tecnologia Depto de Engenharia Hidráulica e Ambiental Hidrologia Aplicada Carga Horária: 72 horas Prof a Ticiana M. de Carvalho Studart
Leia maisSIMULAÇÃO HIDROLÓGICA E APLICAÇÃO DE UMA ANÁLISE MULTIVARIADA NO ESTUDO DE CHUVA-VAZÃO NA BACIA HIDROGRÁFICA DO RIO SÃO FRANCISCO
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE DEPARTAMENTO DE CIÊNCIAS ATMOSFÉRICAS PROGRAMA DE PÓS-GRADUAÇÃO EM METEOROLOGIA Dissertação SIMULAÇÃO HIDROLÓGICA E APLICAÇÃO DE UMA ANÁLISE MULTIVARIADA NO ESTUDO
Leia maisPrevisão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN
Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1
Leia maisVIII-Castro-Brasil-1 COMPARAÇÃO ENTRE O TEMPO DE RETORNO DA PRECIPITAÇÃO MÁXIMA E O TEMPO DE RETORNO DA VAZÃO GERADA PELO EVENTO
VIII-Castro-Brasil-1 COMPARAÇÃO ENTRE O TEMPO DE RETORNO DA PRECIPITAÇÃO MÁXIMA E O TEMPO DE RETORNO DA VAZÃO GERADA PELO EVENTO Andréa Souza Castro (1) - Aluna de Doutorado do Programa de Pós-Graduação
Leia maisESTADO DE MATO GROSSO SECRETARIA DE CIÊNCIA E TECNOLOGIA UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP DEPARTAMENTO DE
ESTADO DE MATO GROSSO SECRETARIA DE CIÊNCIA E TECNOLOGIA UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP DEPARTAMENTO DE ENGENHARIA CIVIL Hidrologia Cálculo de vazões Método Racional
Leia maisHidrologia. 3 - Coleta de Dados de Interesse para a Hidrologia 3.1. Introdução 3.2. Sistemas clássicos Estações meteorológicas
Hidrologia 1 - Introdução 1.1. Generalidades 1.2. Ciclo hidrológico 1.3. Métodos de estudos 1.4. Exemplos de aplicações da hidrologia à engenharia 2 - Fundamentos Geofísicos da Hidrologia 2.1. A atmosfera
Leia maisPHA Hidrologia Ambiental. Escoamento Superficial e Análise do Hidrograma de Cheia
Escola Politécnica da Universidade de São Paulo Departamento de Engenharia Hidráulica e Ambiental PHA3308 - Hidrologia Ambiental Escoamento Superficial e Análise do Hidrograma de Cheia Mario Thadeu Leme
Leia maisModelos de simulação hidrológica - Modelo ABC6 Análise de Bacias Complexas
Universidade de São Paulo PHA 3307 Hidrologia Aplicada Escola Politécnica da Departamento de Engenharia Hidráulica e Ambiental Modelos de simulação hidrológica - Modelo ABC6 Análise de Bacias Complexas
Leia maisENGENHARIA AGRONÔMICA HIDROLOGIA. Bacias Hidrográficas. Prof. Miguel Toledo del Pino, Eng. Agrícola Dr. 2018
ENGENHARIA AGRONÔMICA HIDROLOGIA Bacias Hidrográficas Prof. Miguel Toledo del Pino, Eng. Agrícola Dr. 208. INTRODUÇÃO O ciclo hidrológico é normalmente estudado com maior interesse na fase terrestre, onde
Leia mais3 Redes Neurais Artificiais
3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida
Leia maisPROGRAMA ANALÍTICO DE DISCIPLINA
Página: 1 Data de Criação: 22/03/2004 Período Início: 2004/01 Horas Aula Teórica: 68 Prática: 0 ExtraClasse: 0 Carga Horária:68 Número de Créditos: 4 Sistema de Aprovação: Aprovação por Média/Freqüência
Leia maisAndrea Sousa Fontes, Maria Quitéria Castro de Oliveira, Yvonilde Dantas Pinto Medeiros
Andrea Sousa Fontes, Maria Quitéria Castro de Oliveira, Yvonilde Dantas Pinto Medeiros X Simpósio de Recursos Hídricos do Nordeste Fortaleza, novembro de 2010 Introdução O semi árido entendimento dos processos
Leia maisENGENHARIA DE AGRIMENSURA E CARTOGRÁFICA HIDROLOGIA. Hidrologia & Ciclo Hidrológico. Prof Miguel Angel Isaac Toledo del Pino CONCEITO ATUAL
ENGENHARIA DE AGRIMENSURA E CARTOGRÁFICA HIDROLOGIA Hidrologia & Ciclo Hidrológico Prof Miguel Angel Isaac Toledo del Pino 2018 CONCEITO ATUAL É uma ciência aplicada que estuda a água na natureza, abrangendo
Leia maisUniversidade Tecnológica Federal do Paraná. CC54Z - Hidrologia. Precipitação: análise de dados pluviométricos. Prof. Fernando Andrade Curitiba, 2014
Universidade Tecnológica Federal do Paraná CC54Z - Hidrologia Precipitação: análise de dados pluviométricos Prof. Fernando Andrade Curitiba, 2014 Objetivos da aula Identificar erros em séries de dados
Leia maisAnálise do Escoamento e da Erosão do Solo Simulados com o Modelo KINEROS2 ao Longo da Bacia do Rio Japaratuba- Mirim - Sergipe
Análise do Escoamento e da Erosão do Solo Simulados com o Modelo KINEROS2 ao Longo da Bacia do Rio Japaratuba- Mirim - Sergipe Ricardo de Aragão Eduardo Eneas de Figueiredo Vajapeyam S. Srinivasan Marcus
Leia maisHidrologia Carga Horária: 64 horas Prof a Ticiana M. de Carvalho Studart
Hidrologia Pag. 1 Universidade Federal do Ceará Centro de Tecnologia Depto de Engenharia Hidráulica e Ambiental Objetivo da Disciplina: Hidrologia Carga Horária: 64 horas Prof a Ticiana M. de Carvalho
Leia maisFundação Carmelitana Mário Palmério-FUCAMP Curso de Bacharelado em Engenharia Civil. Hidrologia Aplicada C A R O L I N A A.
Fundação Carmelitana Mário Palmério-FUCAMP Curso de Bacharelado em Engenharia Civil Hidrologia Aplicada CICLO HIDROLÓGICO E BALANÇO HÍDRICO C A R O L I N A A. G H E L L I 1 Ciclo Hidrológico Fenômeno global
Leia maisAVALIAÇÃO DAS ALTERAÇÕES DO REGIME HIDROLÓGICO DO RIO CATU FRENTE À MUDANÇAS NO USO E OCUPAÇÃO DO SOLO
XI SIMPÓSIO DE RECURSOS HÍDRICOS DO NORDESTE AVALIAÇÃO DAS ALTERAÇÕES DO REGIME HIDROLÓGICO DO RIO CATU FRENTE À MUDANÇAS NO USO E OCUPAÇÃO DO SOLO Erick Sebadelhe¹ Andrea Fontes² 1) Mestrando em Recursos
Leia maisPLANO DE ENSINO. Semestre letivo
Departamento de Engenharia Civil Disciplina : Hidrologia (HIA0001) Prof. Dr. Doalcey Antunes Ramos PLANO DE ENSINO Semestre letivo 2013-1 EMENTA: Ciclo hidrológico. Bacias hidrográficas. Precipitação.
Leia maisUniversidade Eduardo Mondlane Faculdade de Engenharia Departamento de Engenharia Civil
Universidade Eduardo Mondlane Faculdade de Engenharia Departamento de Engenharia Civil CURSO: Engenharia Civil DISCIPLINA: HIDROLOGIA ANO: 3º SEMESTRE: 6º ANO LECTIVO: 2016 CARGA HORÁRIA SEMESTRAL: 64
Leia maisCiclo Hidrológico e Bacia Hidrográfica. Prof. D.Sc Enoque Pereira da Silva
Ciclo Hidrológico e Bacia Hidrográfica Prof. D.Sc Enoque Pereira da Silva 1 Ciclo hidrológico global Energia do sol que atua sobre o sistema terrestre: 36% de toda a energia que chega a terra é utilizada
Leia maisUniversidade Tecnológica Federal do Paraná. CC54Z - Hidrologia. Infiltração e água no solo. Prof. Fernando Andrade Curitiba, 2014
Universidade Tecnológica Federal do Paraná CC54Z - Hidrologia Infiltração e água no solo Prof. Fernando Andrade Curitiba, 2014 Objetivos da aula Definir as grandezas características e a importância da
Leia maisCiências do Ambiente
Universidade Federal do Paraná Engenharia Civil Ciências do Ambiente Aula 06 Ciclo Hidrológico Profª Heloise G. Knapik Ciclo Hidrológico Engenharia Civil O Ciclo Hidrológico O Ciclo Hidrológico - Fases
Leia maisParâmetros Da Equação De Chuvas Intensas Nos Municípios De Viçosa E Palmeira Dos Índios- AL
Parâmetros Da Equação De Chuvas Intensas Nos Municípios De Viçosa E Palmeira Dos Índios- AL Karla Nayara Santos de Almeida¹; Kaíse Barbosa de Souza 2 ; Gabriel Soares Lopes Gomes 3 ; João Batista Lopes
Leia maisC I C L O H I D R O L Ó G I C O
C I C L O H I D R O L Ó G I C O BALANÇO HÍDRICO M1.01. Em uma bacia hidrográfica a precipitação média anual é de 1500 mm e as perdas por evapotranspiração valem 1000 mm. Qual é a vazão específica, na exutória
Leia maisEscoamento Superficial e Análise do Hidrograma
PHA3307 Hidrologia Aplicada Universidade de São Paulo Escola Politécnica Departamento de Eng. Hidráulica e Ambiental Escoamento Superficial e Análise do Hidrograma Aula 20 Prof. Dr. Arisvaldo V. Méllo
Leia maisHidrologia Aplicada À Gestão de Pequenas Bacias Hidrográficas
Hidrologia Aplicada À Gestão de Pequenas Bacias Hidrográficas PREFÁCIO APRESENTAÇÃO PARTE 1 FUNDAMENTOS INTRODUÇÃO...2 CAPÍTULO 1 PEQUENAS BACIAS HIDROLÓGICAS: CONCEITOS BÁSICOS...3 Joel A. Goldenfum 1.1
Leia maisDESENVOLVIMENTO DE UM SISTEMA DE PREDIÇÃO DE INUNDAÇÕES PARA AS BACIAS PILOTO DOS RIOS PIABANHA E PAQUEQUER, RJ (Código 11126)
DESENVOLVIMENTO DE UM SISTEMA DE PREDIÇÃO DE INUNDAÇÕES PARA AS BACIAS PILOTO DOS RIOS PIABANHA E PAQUEQUER, RJ (Código 11126) Daniele Pereira Batista Amaral; José Edson Falcão de Farias Júnior; Leonardo
Leia maisComo praticamente vivemos sobre bacias hidrográfica (bacias de drenagem) é fundamental que saibamos analisar, tanto o período de retorno como a
Como praticamente vivemos sobre bacias hidrográfica (bacias de drenagem) é fundamental que saibamos analisar, tanto o período de retorno como a frequência dos totais precipitados, isto porque a precipitação,
Leia maisDETERMINAÇÃO DO TEMPO DE CONCENTRAÇÃO DA BACIA MONTANTE DO ARROIO CHASQUEIRO
DETERMINAÇÃO DO TEMPO DE CONCENTRAÇÃO DA BACIA MONTANTE DO ARROIO CHASQUEIRO Autor(es): SILVA, A.; TERRA, V. S. S.; VIEGAS FILHO, J. S. Apresentador: Alexandra da Silva Orientador: João Soares Viégas Filho
Leia maisEquações De Chuvas Intensas Para Os Municípios De Maceió E Arapiraca - AL
Equações De Chuvas Intensas Para Os Municípios De Maceió E Arapiraca - AL Temístocles Pacheco Lima¹; Fabrina Teixeira Ferraz 2 ; Luciano Cavalcante de Jesus França 3 ; Gabriel Soares Lopes Gomes 4 ; João
Leia maisModelagem hidrológica auxiliada por HEC-HMS
6ª Sepex outubro de 27 Modelagem hidrológica auxiliada por HEC-HMS Camyla Innocente: hydrothings.wordpress.com LabHidro www.labhidro.ufsc.br Bacia hidrográfica A área de drenagem de um ponto específico.
Leia maisTÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais
TÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais ricardo.kerschbaumer@ifc.edu.br http://professor.luzerna.ifc.edu.br/ricardo-kerschbaumer/ Introdução O Cérebro humano Mais fascinante processador
Leia mais9 - Escoamento Superficial
9 - Escoamento Superficial 9.1 Generalidades e ocorrência ESCOAMENTO SUPERFICIAL Estuda o deslocamento das águas na superfície da terra CHUVA Posteriormente evapora Interceptada pela vegetação e outros
Leia maisO uso de uma Rede Neural Artificial Supervisionada para obtenção do fator de carga de um alimentador.
O uso de uma Rede Neural Artificial Supervisionada para obtenção do fator de carga de um alimentador. Resumo: Lucas da Silva Assis Universidade Federal de Goiás lucasilvassis@gmail.com Esse trabalho apresenta
Leia maisIntrodução a Ciência Hidrológica
16/03/2016 -Hidrologia origina do Grego - hydor (água) e logos (estudo). Introdução a Ciência Hidrológica - A ciência que trata do estudo da água na natureza. -... da água na Terra, sua ocorrência, circulação,
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.3. Perceptron Multicamadas - MLP 2.3.1. Introdução ao MLP 2.3.2. Treinamento
Leia maisAprendizado de Máquinas. Multi-Layer Perceptron (MLP)
Universidade Federal do Paraná (UFPR) Departamento de Informática (DInf) Aprendizado de Máquinas Multi-Layer Perceptron (MLP) David Menotti, Ph.D. web.inf.ufpr.br/menotti Redes Neuronais Cérebro humano.
Leia maisProcessos Hidrológicos CST 318 / SER 456. Tema 9 -Métodos estatísticos aplicados à hidrologia ANO 2016
Processos Hidrológicos CST 318 / SER 456 Tema 9 -Métodos estatísticos aplicados à hidrologia ANO 2016 Camilo Daleles Rennó Laura De Simone Borma http://www.dpi.inpe.br/~camilo/prochidr/ Caracterização
Leia maisCC54Z - Hidrologia. Definições, aspectos gerais e o ciclo hidrológico. Universidade Tecnológica Federal do Paraná
Universidade Tecnológica Federal do Paraná CC54Z - Hidrologia Definições, aspectos gerais e o ciclo hidrológico Prof. Fernando Andrade Curitiba, 2014 Objetivos da aula Definir hidrologia e engenharia hidrológica
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Numérico 3/55 Introdução Em geral, experimentos geram uma gama de dados que devem
Leia maisHIDROLOGIA AULA semestre - Engenharia Civil EVAPOTRANSPIRAÇÃO. Profª. Priscila Pini
HIDROLOGIA AULA 08 5 semestre - Engenharia Civil EVAPOTRANSPIRAÇÃO Profª. Priscila Pini prof.priscila@feitep.edu.br CONCEITOS Retorno da água precipitada para a atmosfera, fechando o ciclo hidrológico.
Leia maisHIDROLOGIA AULA semestre - Engenharia Civil. REVISÃO PROVA 1º BIMESTRE Profª. Priscila Pini
HIDROLOGIA AULA 09 5 semestre - Engenharia Civil REVISÃO PROVA 1º BIMESTRE Profª. Priscila Pini prof.priscila@feitep.edu.br AULA 2 Bacia Hidrográfica É a área de captação natural dos fluxos de água originados
Leia mais3 INTELIGÊNCIA COMPUTACIONAL (IC)
40 3 INTELIGÊNCIA COMPUTACIONAL (IC) Inteligência Computacional é a área da ciência da computação que estuda a teoria e aplicação de técnicas computacionais inspiradas na natureza. Deste modo, tem por
Leia maisRedes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy O ADALINE e o algoritmo LMS O ADALINE No contexto de classificação, o ADALINE [B. Widrow 1960] pode ser visto como um perceptron com algoritmo de treinamento baseado em minimização
Leia maisRedes Neurais MLP: Exemplos e Características
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais MLP: Exemplos e Características DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1
Leia maisA O MODELO DE SIMULAÇÃO CHUVA VAZÃO
6 A O MODELO DE SIMULAÇÃO CHUVA VAZÃO O modelo AÇUMOD (PASSERAT DE SILANS, 998) foi utilizado no processo de transformação chuva-vazão, trata-se de um modelo do tipo conceitual determinístico distribuído
Leia maisMétodo dos Mínimos Quadrados
Método dos Mínimos Quadrados Laura Goulart UESB 4 de Abril de 2019 Laura Goulart (UESB) Método dos Mínimos Quadrados 4 de Abril de 2019 1 / 22 Objetivos O Método dos Mínimos Quadrados (MMQ) é uma técnica
Leia maisHidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira
Hidrologia, Ambiente e Recursos Hídricos 2009 / 2010 Rodrigo Proença de Oliveira Avaliação do escoamento IST: Hidrologia, Ambiente e Recursos Hídricos Rodrigo Proença de Oliveira, 2009 2 Ciclo hidrológico:
Leia maisUniversidade Tecnológica Federal do Paraná. CC54Z - Hidrologia. Evaporação e evapotranspiração. Prof. Fernando Andrade Curitiba, 2014
Universidade Tecnológica Federal do Paraná CC54Z - Hidrologia Evaporação e evapotranspiração Prof. Fernando Andrade Curitiba, 2014 Objetivos da aula Definir os conceitos básicos da evaporação e evapotranspiração
Leia maisCPTEC e Mudanças Climáticas Usuários de Previsões em Recursos Hídricos. Walter Collischonn IPH UFRGS Porto Alegre RS
CPTEC e Mudanças Climáticas Usuários de Previsões em Recursos Hídricos Walter Collischonn IPH UFRGS Porto Alegre RS Seminário CPTEC 19 e 20/out 2004 Mudanças climáticas aumento CO2 Estamos vivenciando
Leia maisPHA Hidrologia Ambiental. Chuva-vazão e Hidrograma Unitário
Escola Politécnica da Universidade de São Paulo Departamento de Engenharia Hidráulica e Ambiental PHA3308 - Hidrologia Ambiental Chuva-vazão e Hidrograma Unitário Mario Thadeu Leme de Barros Renato Carlos
Leia maisPROVAS Ciência da Computação. 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta)
PROVAS Ciência da Computação 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta) Ajuste de Curvas Objetivo Ajustar curvas pelo método dos mínimos quadrados 1 - INTRODUÇÃO Em geral, experimentos
Leia mais10.3 Métodos estatísticos
10.3 Métodos estatísticos O estudo de VAZÕES MÁXIMAS pode ser realizado através de DISTRIBUIÇÕES ESTATÍSTICAS DE VARIÁVEIS CONTÍNUAS Métodos: - Distribuição de Gumbel - Distribuição Exponencial de dois
Leia maisModelo Hidrológico Distribuído para Previsão de Vazões Incrementais na Bacia do Rio Paranaíba entre Itumbiara e São Simão
Modelo Hidrológico Distribuído para Previsão de Vazões Incrementais na Bacia do Rio Paranaíba entre Itumbiara e São Simão Walter Collischonn Carlos Eduardo Morelli Tucci Robin Thomas Clarke Martin Delgado
Leia maisUNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA Programa de Pós-Graduação em Engenharia Ambiental - PPGEAmb
UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA Programa de Pós-Graduação em Engenharia Ambiental - PPGEAmb DEPARTAMENTO: Engenharia Sanitária e Ambiental IDENTIFICAÇÃO DA DISCIPLINA: CÓDIGO NOME
Leia maisExercício 1: Calcular a declividade média do curso d água principal da bacia abaixo, sendo fornecidos os dados da tabela 1:
IPH 110 Hidráulica e Hidrologia Aplicadas Exercícios de Hidrologia Exercício 1: Calcular a declividade média do curso d água principal da bacia abaixo, sendo fornecidos os dados da tabela 1: Tabela 1 Características
Leia maisModelação Hidrológica Distribuída na Bacia. Hidrológica do Rio Guadiana
Modelação Hidrológica Distribuída na Bacia Hidrológica do Rio Guadiana A metodologia proposta baseia-se na integração de modelos hidrológicos com Sistemas de Informação Geográfica, de uma forma distribuída,
Leia maisHIDROLOGIA E RECURSOS HÍDRICOS. Os exames da disciplina de Hidrologia e Recursos Hídricos (LECivil) realizam-se nas seguintes datas e locais:
HIDROLOGIA E RECURSOS HÍDRICOS Exames Os exames da disciplina de Hidrologia e Recursos Hídricos (LECivil) realizam-se nas seguintes datas e locais: 4 de Janeiro de 2007, quinta-feira, às 17:00 no Pavilão
Leia maisPlanejamento e Manejo da Água na Agricultura Irrigada 17 a 21 de outubro de 2011 UNL (Esperanza/Santa Fe) 3 Necessidade hídrica dos cultivos
3 Necessidade hídrica dos cultivos 3.1 Introdução à Evapotranspiração dos cultivos ETc ETo arquitetura da planta resistência aerodinâmica Essas diferenças estão incorporadas no coeficiente de cultura (kc)
Leia maisANÁLISE DE TENDÊNCIAS NA SÉRIE HISTÓRICA DE PRECIPITAÇÕES EM CURITIBA TREND ANALYSIS AT HISTORICAL PRECIPITATION SERIES IN CURITIBA
ANÁLISE DE TENDÊNCIAS NA SÉRIE HISTÓRICA DE PRECIPITAÇÕES EM CURITIBA Carla Milléo 1* ; Robinson Ploszai 2 ; Miriam Rita Moro Mine 3 Resumo: O objetivo deste artigo é usar a análise estatística para identificar
Leia maisProfessora: Amanara Potykytã de Sousa Dias Vieira HIDROLOGIA
Professora: Amanara Potykytã de Sousa Dias Vieira HIDROLOGIA O que é? Na hidrologia, estuda-se a água presente na natureza, buscando-se a quantificação do armazenamento e movimentação da água nos vários
Leia maisRedes Neurais Artificiais - Introdução. Visão Computacional
Redes Neurais Artificiais - Introdução Visão Computacional Inspiração 2 Inspiração 3 Inspiração Atividade seletivanas conexões Soma os impulsos e passa a diante 4 Inspiração As conexões entre os dendritos
Leia maisARTIGO 2. KRIGAGEM E INVERSO DO QUADRADO DA DISTÂNCIA PARA INTERPOLAÇÃO DOS PARÂMETROS DA EQUAÇÃO DE CHUVAS INTENSAS
ARTIGO 2. KRIGAGEM E INVERSO DO QUADRADO DA DISTÂNCIA PARA INTERPOLAÇÃO DOS PARÂMETROS DA EQUAÇÃO DE CHUVAS INTENSAS Análise conceitual de dados 1. Estrutura de dados: Xi: coordenadas das 140 estações
Leia maisVazão de Projeto NAG. Universidade Regional do Cariri URCA. Coordenação da Construção Civil
EM SUPE ERFIC CIAL Universidade Regional do Cariri URCA Pró Reitoriade Ensino de Graduação Coordenação da Construção Civil Vazão de Projeto DREN NAG Prof. Me. Renato de Oliveira Fernandes Professor Assistente
Leia maisMestrado em Recursos Hídricos
UNIVERSIDADE FEDERAL DE PERNAMBUCO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA CIVIL GABARITO Mestrado em Recursos Hídricos HIDROLOGIA Questão 1) a) O candidato deverá informar que a as características fisiográficas
Leia maisHIDROLOGIA E RECURSOS HÍDRICOS. Exames
HIDROLOGIA E RECURSOS HÍDRICOS Exames Os exames da disciplina de Hidrologia e Recursos Hídricos (Civil e Território) realizam-se nas seguintes datas: 1 de Julho de 2009 22 de Julho de 2009 Inscrições Os
Leia maisMulti-Layer. Perceptron. Sumário. Aplicações de Redes Neurais. Previsão de Séries Temporais. Aplicações de Previsão
Aplicações de Redes Neurais Multi-Layer Perceptron Previsão de Séries Temporais Inferência da Qualidade de Produtos de Destilação (Soft Sensors) Classificação de Imagens Determinação da Carga Limite em
Leia maisNOÇÕES DE HIDROLOGIA
UNIVERSIDADE FEDERAL DE SERGIPE NOÇÕES DE HIDROLOGIA Antenor de Oliveira Aguiar Netto ARACAJU - MARÇO 2011 Se não gerenciar a água, não vai conseguir governar o país. (Provérbio chinês) CICLO HIDROLÓGICO
Leia mais3 Modelos Comparativos: Teoria e Metodologia
3 Modelos Comparativos: Teoria e Metodologia Para avaliar o desempenho do modelo STAR-Tree, foram estimados os modelos Naive, ARMAX e Redes Neurais. O ajuste dos modelos ARMAX e das redes neurais foi feito
Leia maisHidrograma Unitário. PHA 3307 Hidrologia Aplicada. Universidade de São Paulo. Aula 21. Escola Politécnica
Universidade de São Paulo PHA 337 Hidrologia Aplicada Escola Politécnica Depart. de Engenharia Hidráulica e Ambiental Hidrograma Unitário Aula 21 Prof. Dr. Arisvaldo Vieira Méllo Jr. Prof. Dr. Joaquin
Leia maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010
ANÁLISE DE DISTRIBUIÇÕES DE PROBABILIDADES E ESTIMATIVA DA Q 7,10 PARA A REGIÃO DO RIO ITABAPOANA, ESPÍRITO SANTO/RIO DE JANEIRO. LEANDRO CAMPOS PINTO 1, EWERTON FELIPE DO PRADO MACHADO 2 ; CARLOS ROGÉRIO
Leia maisMulti-Layer. Perceptron. Sumário. Aplicações de Redes Neurais. Previsão de Séries Temporais. Aplicações de Previsão
Aplicações de Redes Neurais Multi-Layer Perceptron Previsão de Séries Temporais Inferência da Qualidade de Produtos de Destilação (Soft Sensors) Classificação de Imagens Determinação da Carga Limite em
Leia maisFelix da Cunha 412, Pelotas RS Home-Page: s: Bolsista BIC/FAPERGS
UTILIZAÇÃO DE REDES NEURAIS PARA PREVISÕES EM SÉRIES TEMPORAIS 1 A. T. Gonçalez, A. C. R. Costa, G. P. Dimuro UCPEL Universidade Católica de Pelotas, ESIN Escola de Informática GMFC Grupo de Matemática
Leia maisBruna Galle UPE Ecomp Mêuser Valença UPE Ecomp
Bruna Galle UPE Ecomp bcga@ecomp.poli.br Mêuser Valença UPE Ecomp meuserv@yahoo.com.br Roteiro Motivação Objetivos Conceitos básicos: Redes Neurais Pré processamento dos Dados Treinamento Resultados Conclusões
Leia maisRelação Intensidade-Duração-Frequência Da Precipitação Máxima Para Os Municípios De Penedo E Rio Largo
Relação Intensidade-Duração-Frequência Da Precipitação Máxima Para Os Municípios De Penedo E Rio Largo Kaíse Barbosa de Souza¹; Karla Nayara Santos de Ameida 2 ; Gabriel Soares Lopes Gomes 3 ; João Batista
Leia maisRedes Neurais Artificiais. Professor: Juan Moises Villanueva
Redes Neurais Artificiais Mestrando: Lucas Nicolau Email: lucasfnicolau@gmail.com Professor: Juan Moises Villanueva Rede Neural Direta Arquitetura com múltiplas camadas com fluxo de informação apenas em
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais Prof. Dr. Hugo Valadares Siqueira Semana de Eletrônica e Automação 2014 Redes Neurais Artificiais Uma rede neural artificial é um circuito composto por uma grande quantidade de
Leia maisHidráulica para Engenharia Civil e Ambiental
Hidráulica para Engenharia Civil e Ambiental Sumário Agradecimentos v Prefácio vii Uma Breve História da Hidráulica ix Notas Introdutórias xi Principais Símbolos xv Parte I Princípios e Aplicações Básicas
Leia maisCapítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia
Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,
Leia maisDIRETRIZES PARA ELABORAÇÃO
MANANCIAIS OBJETIVO Este estudo contempla as diretrizes para a elaboração do estudo hidrológico dos cursos d água, visando a avaliação de mananciais de abastecimento público da Sanepar e deverá ser apresentado
Leia mais2.5 Caracterização Fisiográfica da Bacia Hidrográfica
1 2.5 Caracterização Fisiográfica da Bacia Hidrográfica importância do estudo das bacias hidrográficas está no fato da mesma representar a unidade fundamental de análise do ciclo hidrológico na sua fase
Leia maisCapítulo IX - Conclusões. IX - Conclusões
IX - Conclusões Ao longo do presente trabalho desenvolveu-se um modelo distribuído deterministico do escoamento superficial de uma bacia hidrográfica. O modelo do escoamento de superfície baseia-se no
Leia mais