Análise hidrológica utilizando redes neurais para previsão de séries de vazões
O estudo de inventário tem por objetivo estimar o potencial hidroelétrico de rios ou bacias, analisando várias alternativas propostas de partição de quedas, sendo que cada alternativa contém um conjunto de aproveitamentos hidroelétricos. Essas alternativas são então estudadas individualmente para de...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2014 |
| País: | Brasil |
| Institución: | Universidade de São Paulo (USP) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da USP |
| Idioma: | portugués |
| OAI Identifier: | oai:teses.usp.br:tde-13052014-110534 |
| Acceso en línea: | http://www.teses.usp.br/teses/disponiveis/18/18153/tde-13052014-110534/ |
| Access Level: | acceso abierto |
| Palabra clave: | Artificial neural network Estações fluviométricas Hydroelectric power plants Inventários de rios Inventories of rivers Redes neurais artificiais Séries de vazões Stream flow series Stream gauged stations Usinas hidrelétricas |
| Sumario: | O estudo de inventário tem por objetivo estimar o potencial hidroelétrico de rios ou bacias, analisando várias alternativas propostas de partição de quedas, sendo que cada alternativa contém um conjunto de aproveitamentos hidroelétricos. Essas alternativas são então estudadas individualmente para definição da alternativa ótima, ou seja, a que tem melhor custo beneficio e ao mesmo tempo cause menos danos ambientais. Para essa análise necessitamos calcular a potência de cada aproveitamento específico, assim como a energia gerada, para isso então precisamos conhecer a vazão do rio em estudo, no local desses aproveitamentos. Como a vazão dos rios varia com o tempo, pois depende de variáveis como clima, geologia dos solos, desmatamento, entre outras, se recomenda usar nos cálculos séries longas de vazões médias com no mínimo 30 anos de dados, o problema é que em muitos casos não temos essas séries ou temos séries menores e incompletas, nesse caso então necessitamos estimar os valores ausentes e ruidosos utilizando os dados de estações fluviométricas próximas, para depois transportá-las para o aproveitamento em estudo, para isso utilizamos de técnicas estatísticas de correlação. A ideia nesse trabalho é de utilizarmos redes neurais artificiais ao invés das técnicas convencionais e comparar os resultados obtidos. |
|---|