Associação Brasileira de Recursos Hídricos
 
Facebook
Linkedin
Twitter
SISTEMA DE REVISÃO: SUBMETA SEU ARTIGO
   
Login / Cadastre-se
 

RBRH
Revista Brasileira de Recursos Hídricos
Brazilian Journal of Water Resources

ISSN 2318-0331

VOLUME. 10 - Nº. 1 - JAN/MAR - 2005
ARTIGO
Utilização de Redes Neo-Fuzzy Neuron para Predição de Vazões
Resumo:
A predição e modelagem da série de vazões de um rio é extremamente importante, não somente sob a ótica econômico energética, como também do ponto de vista da segurança das populações próximas a rios. O progresso no campo de identificação de sistemas vem contribuindo significativamente para a consistência e confiabilidade da modelagem de séries de vazões, e, desde a década passada, vem-se pesquisando muito a utilização de modelos baseados em redes neurais artificiais (RNA). Outro impulso nesta área foi a integração de lógica nebulosa às RNA, constituindo os modelos neuro-nebulosos. Dentre estes, as redes Neo-Fuzzy-Neuron vêm demonstrando sucesso no mapeamento de sistemas não-lineares. Neste trabalho as redes NFN são aplicadas à predição de vazões diárias, analisando-se a viabilidade da utilização de uma estrutura NFN única para modelagem dos perfis de vazões afluentes de todas as estações pertencentes a uma sub-bacia.
Para a aplicação da metodologia foram utilizados, como estudo de caso, os dados diários de vazão de 15 estações da subbacia
46, sendo escolhida uma entre elas como referência para modelagem dos dados das demais. A série de referência escolhida apresenta período mais abrangente e completo. As redes NFN apresentaram excelentes resultados na predição de vazões para as estações estudadas. Além disso, a agregação de entradas Média Móvel (MA) melhorou significativamente os resultados apresentados pelos modelos puramente autoregressivos, principalmente no que diz respeito à validação. Pode-se constatar a viabilidade da obtenção de uma estrutura NFNARMA(p,q,np) única para modelagem de toda a sub-bacia 46. 
Palavras-chave: previsão de vazões , redes neurais artificiais, modelos neuro-nebulosos 

 

 

The application of Neo-Fuzzy-Neuron networks to flow prediction
Abstract:
The prediction and modeling of a river?s outflow series
is important not only for energy production, but also
for the safety of population living near its banks. Progress
in system identification has contributed significantly to the
consistency and reliability of outflow modeling. Over the
last decade there has been much research in the use of models
based on artificial neuron networks (RNA). A major
contribution to this area has been the integration of fuzzy
logic with RNAs, leading to neuron-fuzzy models. Among
these, Neo-Fuzzy-Neuron networks have been successful in
mapping non-linear systems. In this paper, NFN networks
are applied to predict daily outflows, through an assessment
of the viability of using a single NFN structure for
modeling tributary outflows at all stations within a subcatchment.
To apply the methodology, case studies were
used with the daily flow data from 15 stations belonging to
sub-catchment 46 ( São Francisco river ). One of these
stations, the most comprehensive and complete, was chosen
as a reference for modeling the data of the others. The NFN
networks gave excellent outflow prediction results for the
stations studied. In addition, the inclusion of movingaverage
(MA) inputs considerably improved the results
obtained using only models with auto-regressive terms,
particularly with regard to validation. The viability of
obtaining a single NFNARMA (p,q,np) structure for modeling
the entire sub-catchment 46 has been established. 
Keywords: outflow prediction, artificial neuron networks, neuron-nebulous models 

 

 

75 visualizações   38 downloads     Contabilizado a partir de 10/08/2014

 

 

 
ASSOCIAÇÃO BRASILEIRA
DE RECURSOS HÍDRICOS

Onde Estamos
Av. Bento Gonçalves, 9500 - Caixa Postal 15029 - CEP 91501-970 - Porto Alegre - RS - Brasil

Nossos Contatos
Fone: (51) 3493 2233 / 3308 6652 - Fax: (51) 3493 2233 - E-mail: abrh@abrhidro.org.br

ABRH NA REDE
Facebook     Linkedin     Twitter