REDES NEURAIS ARTIFICIAIS PARA MODELAGEM E PREVISÃO DE DADOS METEOROLÓGICOS DA REGIÃO DO ALTO PARANAÍBA DO TRIÂNGULO MINEIRO

Ciências Exatas e da Terra

ID 152-2020
Universitários

4ª FEMIC Mais

Autores

Pryscilla Romão de Medeiros e André Luiz França Batista.

Uberaba, MG

Instituto Federal do Triângulo Mineiro

FLIPBOOK do Trabalho

O projeto utiliza de técnicas de Machine Learning, Redes Neurais Artificiais, para a previsão de uma série temporal de vazões do Rio da Prata. Pois é de suma importância a previsão da vazão do dia seguinte para que medidas possam ser tomadas.

[3d-flip-book mode="fullscreen" id="2153" ][/3d-flip-book]

REsumo Científico

As hidrelétricas ainda são os principais meios de geração de energia no Brasil, correspondendo a 66,1% de toda a energia produzida, segundo dados do Operador Nacional do Sistema Elétrico (ONS), em decorrência deste fato, é de suma importância a visualização do fluxo da vazão antes que ocorra, pois se a máxima foi superestimada, os custos elevam e se for subestimada pode haver inundações e danos podendo trazer riscos à fauna e flora. Com base nisto, foram pegos dados da estação Ponte do Prata, bacia Rio Paraná, sub-bacia Rio Paranaíba, no município de Ituiutaba-MG, de 2016 até 2019 da plataforma HidroWeb da Agência Nacional das Águas(ANA). Estes dados passaram por um pré-processamento e foram usados para treinamento e teste do modelo da rede neural. O modelo foi construído usando a linguagem de programação python, com as bibliotecas pyTorch, Pandas e numPy. A permutação de parâmetros resultou em 144 testes, e destes foram escolhidos cinco para análise, esses modelos foram escolhidos com base em seu after train (Pós-treino), que é o resultado do erro da rede neural após o treino, subtraindo o valor real da vazão pelo encontrado. Estas amostras passaram pelos critérios de avaliação BIC e AIC. Analisando as cinco amostras percebe-se o porquê do das redes neurais estarem crescendo no mercado como um modelo de previsão, pois as redes neurais acompanham as altas e baixas, permitindo a visualização gráfica mais precisa, do que se comparado aos modelos probabilísticos, como por exemplo o modelo ARIMA.

Para qualquer dúvida, envie um email para os autores

É proibida a reprodução, a distribuição, a transmissão, a exibição, a publicação ou a divulgação, total ou parcial, sem prévia e expressa autorização dos autores e a FEMIC – Feira Mineira de Iniciação Científica.


Coordenação geral: Fernanda Aires Guedes Ferreira
Vice Coordenação: Larissa Amaral Diniz Tomaz
contato@femic.com.br

DEIXE UMA RESPOSTA

Por favor digite seu comentário!
Por favor, digite seu nome aqui