Utilização de Redes Neo-Fuzzy Neuron para Predição de Vazões
Document title: Utilização de Redes Neo-Fuzzy Neuron para Predição de Vazões
Journal: RBRH. Revista brasileira de recursos hidricos
Database: PERIÓDICA
System number: 000357846
ISSN: 1414-381X
Authors: 1
1
1
1
1
1
Institutions: 1Universidade Federal de Minas Gerais, Centro de Pesquisas Hidraulicas, Belo Horizonte, Minas Gerais. Brasil
Year:
Season: Ene-Mar
Volumen: 10
Number: 1
Pages: 62-77
Country: Brasil
Language: Portugués
Document type: Artículo
Approach: Analítico, descriptivo
English 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
Portuguese abstract A predição e modelagem da série de vazões de um rio é extremamente importante, não somente sob a ótica econômicoenergética, 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
Disciplines: Ingeniería,
Geociencias
Keyword: Ingeniería hidráulica,
Hidrología,
Ríos,
Predicción,
Flujo de agua,
Redes neuronales artificiales
Keyword: Engineering,
Earth sciences,
Hydraulic engineering,
Hydrology,
Rivers,
Forecasting,
Water flow,
Artificial neural networks
Full text: Texto completo (Ver PDF)