Estudo comparativo entre algoritmos de previsão de cheias sazonais usando rede neural artificial e método de aprendizado baseado em comitê

Marães, Paula Araújo; http://lattes.cnpq.br/5224130535651507

Dissertação

Estudo comparativo entre algoritmos de previsão de cheias sazonais usando rede neural artificial e método de aprendizado baseado em comitê

A ocorrência das cheias sazonais dos rios afeta, principalmente, a população ribeirinha. Identifica-se em bases de dados bibliográficas a realização de várias pesquisas no tema previsão de ocorrência de cheias. Os resultados dessas pesquisas constituem-se em importantes contribuições para políticas...

ver descrição completa

Autor principal:	Marães, Paula Araújo
Outros Autores:	http://lattes.cnpq.br/5224130535651507
Grau:	Dissertação
Idioma:	por
Publicado em:	Universidade Federal do Amazonas 2019
Assuntos:	Amazonas, Rio - Cheia - Previsão Redes neurais (Computação) Aprendizado do computador ENGENHARIAS: ENGENHARIA ELÉTRICA Cheias sazonais Redes neurais artificiais Métodos de aprendizado baseados em comitê Categorização das cheias
Acesso em linha:	https://tede.ufam.edu.br/handle/tede/7241

id	oai:https:--tede.ufam.edu.br-handle-:tede-7241
recordtype	dspace
spelling	oai:https:--tede.ufam.edu.br-handle-:tede-72412019-07-09T05:04:04Z Estudo comparativo entre algoritmos de previsão de cheias sazonais usando rede neural artificial e método de aprendizado baseado em comitê Marães, Paula Araújo Costa, Marly Guimarães Fernandes http://lattes.cnpq.br/5224130535651507 http://lattes.cnpq.br/7169358412541736 Pereira, José Raimundo Gomes http://lattes.cnpq.br/3697983438100904 Soares, Carlos Benedito Santana da Silva http://lattes.cnpq.br/9153957633685323 Amazonas, Rio - Cheia - Previsão Redes neurais (Computação) Aprendizado do computador ENGENHARIAS: ENGENHARIA ELÉTRICA Cheias sazonais Redes neurais artificiais Métodos de aprendizado baseados em comitê Categorização das cheias A ocorrência das cheias sazonais dos rios afeta, principalmente, a população ribeirinha. Identifica-se em bases de dados bibliográficas a realização de várias pesquisas no tema previsão de ocorrência de cheias. Os resultados dessas pesquisas constituem-se em importantes contribuições para políticas públicas, pois as ferramentas de previsão de cheias podem viabilizar ações preventivas, que minimizam os danos causados às populações ribeirinhas. Neste trabalho foram avaliados métodos capazes de prever o pico da cheia de rios. Os métodos desenvolvidos foram avaliados na previsão de cheias do rio Negro, o maior afluente da margem esquerda do rio Amazonas e o principal rio que passa às margens da cidade de Manaus. Os preditores implementados foram: Redes Neurais Artificiais (RNA) e métodos de Aprendizado baseados em Comitê. Foram utilizados os seguintes dados de entrada, relativos ao período de 1951-2017: índices climáticos e o nível do próprio rio. Esses dados foram, posteriormente, submetidos a um processo de seleção de características. Para o preditor usando RNA foram avaliadas três arquiteturas, diferenciadas pelo número de neurônios nas camadas ocultas, a saber: 6, 8 e 10, as quais foram treinadas utilizando os seguintes métodos de generalização: regularização L2 e parada antecipada. O período de realização da previsão foi variado de 1 até 4 meses de antecedência da ocorrência do pico máximo da cheia na região. Adicionalmente, foi proposto a previsão das cheias em quatro categorias: alta, média-alta, média-baixa e baixa. Para o preditor usando métodos de Aprendizado baseados em Comitê foram utilizados os algoritmos de bagging e boosting para criar o comitê de regressão. A eficiência dos preditores foi avaliada através do Coeficiente de Correlação de Pearson (CCP) e pela acurácia da categorização das cheias. O melhor resultado do coeficiente de Pearson para o preditor utilizando RNA com parada antecipada foi r_p=0,9592, ao passo que o melhor resultado com o comitê foi obtido usando o método de bagging, r_p=0,9374. A classificação de cheias em categorias apresentou uma acurácia de 85,07% para o preditor RNA (parada antecipada e bootstrap) e com o Método baseado em comitê foi de 82,09% (bagging). The occurrence of seasonal floods of rivers affects, mainly, the riverside population. It is identified in bibliographic databases the accomplishment of several researches in the subject prediction of occurrence of floods. The results of these surveys constitute important contributions to public policies, since flood forecasting tools can enable preventive actions, which minimize the damage caused to the riverine populations. In this work, methods capable of predicting the peak of the river flood were evaluated. The methods developed were evaluated in the flood forecast of the Negro River, the largest tributary of the left bank of the Amazon River and the main river that passes by the city of Manaus. The predictors implemented were: Artificial Neural Networks (ANN) and Learning methods based on Committee. The following input data were used for the period 1951-2017: climatic indexes and the level of the river itself. These data were later subjected to a process of selection of characteristics. For the predictor using ANN, three architectures, differentiated by the number of neurons in the hidden layers, were evaluated: 6, 8 and 10, which were trained using the following generalization methods: L2 regularization and early stopping. The forecast period was varied from 1 to 4 months in advance of the occurrence of the maximum flood peak in the region. Additionally, it was proposed to predict floods in four categories: high, medium-high, medium-low and low. For the predictor using Committee-Based Learning methods, the bagging and boosting algorithms were used to create the regression committee. The efficiency of the predictors was evaluated through the Pearson Correlation Coefficient (PCC) and the accuracy of the flood categorization. The best Pearson coefficient result for the predictor using ANN with early stop was rp = 0,9592, while the best committee result was obtained using the bagging method, rp = 0,9374. The classification of floods into categories presented an accuracy of 85,07% for the predictor ANN (early stop and bootstrap) and with the Method based on committee was of 82,09% (bagging). FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior 2019-07-08T19:21:24Z 2019-04-29 Dissertação MARÃES, Paula Araújo. Estudo comparativo entre algoritmos de previsão de cheias sazonais usando rede neural artificial e método de aprendizado baseado em comitê. 2019. 89 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2019. https://tede.ufam.edu.br/handle/tede/7241 por Acesso Aberto application/pdf Universidade Federal do Amazonas Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica
institution	TEDE - Universidade Federal do Amazonas
collection	TEDE-UFAM
language	por
topic	Amazonas, Rio - Cheia - Previsão Redes neurais (Computação) Aprendizado do computador ENGENHARIAS: ENGENHARIA ELÉTRICA Cheias sazonais Redes neurais artificiais Métodos de aprendizado baseados em comitê Categorização das cheias
spellingShingle	Amazonas, Rio - Cheia - Previsão Redes neurais (Computação) Aprendizado do computador ENGENHARIAS: ENGENHARIA ELÉTRICA Cheias sazonais Redes neurais artificiais Métodos de aprendizado baseados em comitê Categorização das cheias Marães, Paula Araújo Estudo comparativo entre algoritmos de previsão de cheias sazonais usando rede neural artificial e método de aprendizado baseado em comitê
topic_facet	Amazonas, Rio - Cheia - Previsão Redes neurais (Computação) Aprendizado do computador ENGENHARIAS: ENGENHARIA ELÉTRICA Cheias sazonais Redes neurais artificiais Métodos de aprendizado baseados em comitê Categorização das cheias
description	A ocorrência das cheias sazonais dos rios afeta, principalmente, a população ribeirinha. Identifica-se em bases de dados bibliográficas a realização de várias pesquisas no tema previsão de ocorrência de cheias. Os resultados dessas pesquisas constituem-se em importantes contribuições para políticas públicas, pois as ferramentas de previsão de cheias podem viabilizar ações preventivas, que minimizam os danos causados às populações ribeirinhas. Neste trabalho foram avaliados métodos capazes de prever o pico da cheia de rios. Os métodos desenvolvidos foram avaliados na previsão de cheias do rio Negro, o maior afluente da margem esquerda do rio Amazonas e o principal rio que passa às margens da cidade de Manaus. Os preditores implementados foram: Redes Neurais Artificiais (RNA) e métodos de Aprendizado baseados em Comitê. Foram utilizados os seguintes dados de entrada, relativos ao período de 1951-2017: índices climáticos e o nível do próprio rio. Esses dados foram, posteriormente, submetidos a um processo de seleção de características. Para o preditor usando RNA foram avaliadas três arquiteturas, diferenciadas pelo número de neurônios nas camadas ocultas, a saber: 6, 8 e 10, as quais foram treinadas utilizando os seguintes métodos de generalização: regularização L2 e parada antecipada. O período de realização da previsão foi variado de 1 até 4 meses de antecedência da ocorrência do pico máximo da cheia na região. Adicionalmente, foi proposto a previsão das cheias em quatro categorias: alta, média-alta, média-baixa e baixa. Para o preditor usando métodos de Aprendizado baseados em Comitê foram utilizados os algoritmos de bagging e boosting para criar o comitê de regressão. A eficiência dos preditores foi avaliada através do Coeficiente de Correlação de Pearson (CCP) e pela acurácia da categorização das cheias. O melhor resultado do coeficiente de Pearson para o preditor utilizando RNA com parada antecipada foi r_p=0,9592, ao passo que o melhor resultado com o comitê foi obtido usando o método de bagging, r_p=0,9374. A classificação de cheias em categorias apresentou uma acurácia de 85,07% para o preditor RNA (parada antecipada e bootstrap) e com o Método baseado em comitê foi de 82,09% (bagging).
author_additional	Costa, Marly Guimarães Fernandes
author_additionalStr	Costa, Marly Guimarães Fernandes
format	Dissertação
author	Marães, Paula Araújo
author2	http://lattes.cnpq.br/5224130535651507
author2Str	http://lattes.cnpq.br/5224130535651507
title	Estudo comparativo entre algoritmos de previsão de cheias sazonais usando rede neural artificial e método de aprendizado baseado em comitê
title_short	Estudo comparativo entre algoritmos de previsão de cheias sazonais usando rede neural artificial e método de aprendizado baseado em comitê
title_full	Estudo comparativo entre algoritmos de previsão de cheias sazonais usando rede neural artificial e método de aprendizado baseado em comitê
title_fullStr	Estudo comparativo entre algoritmos de previsão de cheias sazonais usando rede neural artificial e método de aprendizado baseado em comitê
title_full_unstemmed	Estudo comparativo entre algoritmos de previsão de cheias sazonais usando rede neural artificial e método de aprendizado baseado em comitê
title_sort	estudo comparativo entre algoritmos de previsão de cheias sazonais usando rede neural artificial e método de aprendizado baseado em comitê
publisher	Universidade Federal do Amazonas
publishDate	2019
url	https://tede.ufam.edu.br/handle/tede/7241
_version_	1781302454894198784
score	11.653393

Estudo comparativo entre algoritmos de previsão de cheias sazonais usando rede neural artificial e método de aprendizado baseado em comitê

Registros relacionados