| Revista: | Controle & automacao |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000315298 |
| ISSN: | 0103-1759 |
| Autores: | Ballini, R1 Soares, S2 Andrade, Marinho G3 |
| Instituciones: | 1Universidade Estadual de Campinas, Instituto de Economia, Campinas, Sao Paulo. Brasil 2Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computacao, Campinas, Sao Paulo. Brasil 3Universidade de Sao Paulo, Instituto de Ciencias Matematicas e de Computacao, Sao Paulo. Brasil |
| Año: | 2003 |
| Periodo: | Jul-Sep |
| Volumen: | 14 |
| Número: | 3 |
| Paginación: | 680-693 |
| País: | Brasil |
| Idioma: | Portugués |
| Tipo de documento: | Artículo |
| Enfoque: | Experimental, aplicado |
| Resumen en inglés | This paper presents a neural fuzzy network model for seasonal streamflow forecasting. The model is based on a constructive learning method where neurons groups compete when the network receives a new input, so that it learns the fuzzy rules and membership functions essential for modelling a fuzzy system. The model was applied to the problem of seasonal streamflow forecasting using a database of average monthly inflows of three Brazilian hydroelectric plants located at different river basins. The performance of the model developed was compared with conventional approaches used to forecast streamflows. The results show that the neural fuzzy network model provides a better one-step-ahead streamflow forecasting, with forecasting errors significantly lower than the other approaches |
| Resumen en portugués | Este trabalho apresenta um modelo de rede neural nebulosa para previsão de vazões sazonais. O modelo é baseado em um método de aprendizado construtivo onde grupos de neurônios competem quando a rede recebe uma nova entrada. A rede aprende os parâmetros fundamentais para definir as regras nebulosas e funções de pertinência para cada variável de entrada. O modelo foi aplicado para o problema de previsão de vazões médias mensais de três usinas hidroelétricas situadas em diferentes regiões do Brasil. O desempenho do modelo foi comparado com métodos convencionais usados para previsão de vazões. Os resultados mostraram que a rede neural nebulosa forneceu um melhor desempenho para previsão um passo à frente, com erros significativamente menores que as outras abordagens |
| Disciplinas: | Matemáticas, Geociencias, Ingeniería |
| Palabras clave: | Matemáticas aplicadas, Hidrología, Ingeniería hidráulica, Lógica difusa, Redes neuronales artificiales, Dinámica de fluidos, Ríos, Flujo, Predicción, Hidroeléctricas |
| Keyword: | Mathematics, Earth sciences, Engineering, Applied mathematics, Hydrology, Hydraulic engineering, Fuzzy logic, Artificial neural networks, Fluid dynamics, Rivers, Flow, Forecasting, Hydroelectric power plants |
| Texto completo: | Texto completo (Ver HTML) |
