Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/11704
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorDantas Neto, Silvrano Adonias-
dc.contributor.authorTeixeira, Francisco Alberto de Assis-
dc.date.accessioned2015-04-29T13:45:23Z-
dc.date.available2015-04-29T13:45:23Z-
dc.date.issued2009-
dc.identifier.citationTEIXEIRA, F. A. A. Estudo da transformação precipitação-deflúvio para a sub-bacia do Arneiroz II. 2009. 73 f. Dissertação (Mestrado em Engenharia Civil: Recursos Hídricos)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2009.pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/11704-
dc.description.abstractA modelagem do comportamento de fenômenos complexos, como a transformação de chuva em vazão, envolve o ajuste de uma série de parâmetros, conferindo relativa dificuldade para sua predição. No Estado do Ceará, esta tarefa se torna ainda mais complicada, devido à carência de dados fluviométricos, e, sobretudo por se tratar de uma região caracterizada pelos baixos índices pluviométricos e pelo regime fluviométrico intermitente preponderante. Os modelos do tipo transformação de chuva em vazão SMAP e HYMOD em intervalo diário, os quais apresentam como entradas, além da altura média de precipitação, a evaporação, têm sido aplicados a bacias hidrográficas do Ceará apresentando bons índices de correlação na fase de validação. A calibração destes modelos envolve o ajuste dos seus parâmetros percorrendo-se um espaço de busca a fim de se minimizar uma função objetivo, tratando-se de um processo estocástico. Desta forma, objetivando-se apresentar um modelo não-paramétrico e determinístico para a transformação chuva-deflúvio, são utilizadas as Redes Neurais Artificiais, as quais têm apresentado desempenho satisfatório na modelagem de problemas de difícil predição, inclusive no âmbito dos recursos hídricos. Para o estudo de caso foi escolhida a bacia hidrográfica da Barragem Arneiroz II, a qual dispõe de um posto fluviométrico com uma série pseudo-histórica relativamente extensa. Assim, foram calibrados os modelos HYMOD, SMAP, modelos tradicionalmente utilizados pela FUNCEME, e uma rede neural do tipo perceptron multicamadas, treinada pelo algoritmo de retro propagação através do programa Q-net. Para a calibração dos modelos SMAP e HYMOD foi utilizado um algoritmo evolucionário denominado Particle Swarm Optimization (PSO). Os resultados obtidos com o modelo de RNA foram comparados aos resultados obtidos pelos modelos SMAP e HYMOD através do parâmetro de desempenho proposto por Nash & Sutcliffe (1970). Os resultados obtidos mostraram que o modelo HYMOD foi aquele para o qual parâmetro de Nash obtido foi maior que os valores dos modelos SMAP e RNA. A modelagem chuva-deflúvio com as RNA não apresentaram resultados satisfatórios se comparados aos outros dois modelos hidrológicos empregados. Isto pode ser justificado pelo fato de que o modelo considerou apenas os dados de pluviometria, não tendo sido abastecido com outras variáveis importantes na definição do fenômeno chuva-vazãopt_BR
dc.language.isopt_BRpt_BR
dc.subjectRecursos hídricospt_BR
dc.subjectModelos matemáticospt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectHidrologiapt_BR
dc.titleEstudo da transformação precipitação-deflúvio para a sub-bacia do Arneiroz IIpt_BR
dc.typeDissertaçãopt_BR
dc.description.abstract-ptbrA modelagem do comportamento de fenômenos complexos, como a transformação de chuva em vazão, envolve o ajuste de uma série de parâmetros, conferindo relativa dificuldade para sua predição. No Estado do Ceará, esta tarefa se torna ainda mais complicada, devido à carência de dados fluviométricos, e, sobretudo por se tratar de uma região caracterizada pelos baixos índices pluviométricos e pelo regime fluviométrico intermitente preponderante. Os modelos do tipo transformação de chuva em vazão SMAP e HYMOD em intervalo diário, os quais apresentam como entradas, além da altura média de precipitação, a evaporação, têm sido aplicados a bacias hidrográficas do Ceará apresentando bons índices de correlação na fase de validação. A calibração destes modelos envolve o ajuste dos seus parâmetros percorrendo-se um espaço de busca a fim de se minimizar uma função objetivo, tratando-se de um processo estocástico. Desta forma, objetivando-se apresentar um modelo não-paramétrico e determinístico para a transformação chuva-deflúvio, são utilizadas as Redes Neurais Artificiais, as quais têm apresentado desempenho satisfatório na modelagem de problemas de difícil predição, inclusive no âmbito dos recursos hídricos. Para o estudo de caso foi escolhida a bacia hidrográfica da Barragem Arneiroz II, a qual dispõe de um posto fluviométrico com uma série pseudo-histórica relativamente extensa. Assim, foram calibrados os modelos HYMOD, SMAP, modelos tradicionalmente utilizados pela FUNCEME, e uma rede neural do tipo perceptron multicamadas, treinada pelo algoritmo de retro propagação através do programa Q-net. Para a calibração dos modelos SMAP e HYMOD foi utilizado um algoritmo evolucionário denominado Particle Swarm Optimization (PSO). Os resultados obtidos com o modelo de RNA foram comparados aos resultados obtidos pelos modelos SMAP e HYMOD através do parâmetro de desempenho proposto por Nash & Sutcliffe (1970). Os resultados obtidos mostraram que o modelo HYMOD foi aquele para o qual parâmetro de Nash obtido foi maior que os valores dos modelos SMAP e RNA. A modelagem chuva-deflúvio com as RNA não apresentaram resultados satisfatórios se comparados aos outros dois modelos hidrológicos empregados. Isto pode ser justificado pelo fato de que o modelo considerou apenas os dados de pluviometria, não tendo sido abastecido com outras variáveis importantes na definição do fenômeno chuva-vazãopt_BR
dc.title.enStudy of rainfall-runoff transformation for the Arneiroz II subbasinpt_BR
Aparece nas coleções:DEHA - Dissertações defendidas na UFC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2009_dis_fasteixeira.pdf5,9 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.