Use este identificador para citar ou linkar para este item: https://rima.ufrrj.br/jspui/handle/20.500.14407/14346
Tipo do documento: Dissertação
Título: Aplicação de redes neurais MLP na estimativa de evapotranspiração de referência nos municípios de Mendes e Teresópolis
Título(s) alternativo(s): Application of MLP neural networks in the reference evapotranspiration estimation in the municipalities of Mendes and Teresópolis.
Autor(es): Santos, Daiana da Silva
Orientador(a): Silva, Robson Mariano da
Primeiro membro da banca: Silva, Robson Mariano da
Segundo membro da banca: Delgado, Angel Ramon Sanchez
Terceiro membro da banca: Coutinho, Eluã Ramos
Palavras-chave: Redes Neurais;Evapotranspiração;Estimativa;Penman-Monteith;Neural Networks;Evapotranspiration;Estimate;Penman-Monteith
Área(s) do CNPq: Matemática
Idioma: por
Data do documento: 25-Out-2020
Editor: Universidade Federal Rural do Rio de Janeiro
Sigla da instituição: UFRRJ
Departamento: Instituto de Ciências Exatas
Programa: Programa de Pós-Graduação em Modelagem Matemática e Computacional
Citação: SANTOS, Daiana da Silva. Aplicação de redes neurais MLP na estimativa de evapotranspiração de referência nos municípios de Mendes e Teresópolis. 2020. 122p. Dissertação (Mestrado em Modelagem Matemática e Computacional) - Instituto de Ciências Exatas, Universidade Federal Rural do Rio de Janeiro, Seropédica, 2020.
Resumo: A Evapotranspiração (ET) é um dos principais componentes do ciclo hidrológico e sua estimativa precisa é de suma importância no gerenciamento e planejamento de recursos hídricos. Este estudo objetivou avaliar a aplicação de modelo de redes neurais artificiais de Perceptrons de Múltiplas Camadas (RN-MLP), para estimar os valores diários da evapotranspiração de referência (ETo) e comparar com os valores estimados pelo método de Penman-Monteith FAO 56 (ETo-PM), para os municípios de Mendes e Teresópolis/RJ. Para tal utilizou-se dados meteorológicos coletados da estação meteorológica do CPETC/INPE entre 2010 e 2015. O desempenho do modelo foi avaliado através do erro médio absoluto (MAE), erro médio quadrático (MSE), erro médio percentual absoluto (MAPE), raiz do erro médio quadrático (RMSE) e do coeficiente de determinação R2. Os resultados mostraram que o modelo RN-MLP proposto apresentou uma boa capacidade preditiva, visto que, o coeficiente de determinação R2 para a melhor arquitetura no conjunto de 30 simulações variou de 0,9878 a 0,9925 e 0,9928 a 0,9961 para as estações meteorológicas de Mendes e Teresópolis, respectivamente. Pela análise dos gráficos, percebeu-se um bom ajuste entre os valores observados e preditos, mostrando dessa forma que a regressão linear se ajustou bem para os resultados de ETo diários
Abstract: Evapotranspiration (ET) is one of the key components of the hydrological cycle, and its accurate estimate is of paramount importance in the management and planning of water resources. This study aimed to evaluate the application model of artificial neural networks of Multiple Layer Perceptrons (RN-MLP), to estimate the daily reference values of evapotranspiration (ETo) and to compare with the estimated values by the Penman-Monteith method FAO 56 (ETo-PM), for the municipalities of Mendes and Teresópolis/RJ. For this purpose, meteorological data collected from the CPETC/INPE meteorological station between 2010 and 2015 were used. The performance of the model was evaluated through the mean absolute error (MAE), mean square error (MSE), mean absolute percentage error (MAPE), the root of the mean square error (RMSE), and the coefficient of determination R2. The results showed that the proposed RN-MLP model presented a good predictive capacity, since the coefficient of determination R2 for the best architecture in the set of 30 simulations ranged from 0,9878 to 0,9925 and from 0,9928 to 0,9961 for the Mendes and Teresópolis weather stations, respectively. By analyzing the graphs, a good fit was found between the observed and predicted values, thus showing that the linear regression adjusted well for the daily ETo results.
URI: https://rima.ufrrj.br/jspui/handle/20.500.14407/14346
Aparece nas coleções:Mestrado em Modelagem Matemática e Computacional

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2020 - Daiana da Silva Santos.pdf2020 - Daiana da Silva Santos6.05 MBAdobe PDFThumbnail
Abrir


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