TEMPORAL MODELLING OF THE WATER DISCHARGES MEASUREMENTS ON FUNIL DAM (RJ) USING NEURAL NETWORK AND STATISTICAL METHODS
COORDENAÇÃO DE APERFEIÇOAMENTO DO PESSOAL DE ENSINO SUPERIOR === Em obras de maior porte e grande responsabilidade (portos, barragens, usinas nucleares, etc.), a quantidade de instrumentações pode se tornar suficiente para permitir a construção de modelos de variabilidade temporal das propriedade...
Main Author: | |
---|---|
Other Authors: | |
Language: | Portuguese |
Published: |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
2005
|
Online Access: | http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=7060@1 http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=7060@2 |
id |
ndltd-IBICT-oai-MAXWELL.puc-rio.br-7060 |
---|---|
record_format |
oai_dc |
spelling |
ndltd-IBICT-oai-MAXWELL.puc-rio.br-70602019-03-01T15:35:09Z TEMPORAL MODELLING OF THE WATER DISCHARGES MEASUREMENTS ON FUNIL DAM (RJ) USING NEURAL NETWORK AND STATISTICAL METHODS MODELAGEM TEMPORAL DAS MEDIDAS DE VAZÃO DE DRENOS NA BARRAGEM DE FUNIL (RJ) UTILIZANDO REDES NEURAIS E MÉTODOS ESTATÍSTICOS JANAINA VEIGA CARVALHO CELSO ROMANEL CELSO ROMANEL PAULO BATISTA GONCALVES DEANE DE MESQUITA ROEHL FERNANDO SABOYA ALBUQUERQUE JUNIOR EDUARDO PARENTE RIBEIRO COORDENAÇÃO DE APERFEIÇOAMENTO DO PESSOAL DE ENSINO SUPERIOR Em obras de maior porte e grande responsabilidade (portos, barragens, usinas nucleares, etc.), a quantidade de instrumentações pode se tornar suficiente para permitir a construção de modelos de variabilidade temporal das propriedades de interesse com base em redes neurais artificiais. No caso de barragens, o monitoramento através da instalação de um sistema de instrumentação desempenha um papel fundamental na avaliação do comportamento destas estruturas, tanto durante o período de construção quanto no período de operação. Neste trabalho empregou-se a técnica de redes neurais temporais (RNT) para análise, modelagem e previsão dos valores de vazão na barragem Funil, do sistema Furnas Centrais Elétricas, a partir dos dados de instrumentações disponíveis no período compreendido entre 02/09/1985 e 25/02/2002. As redes neurais temporais empregadas foram: RNT com arquitetura feedforward associada a técnica de janelamento, RNT recorrente Elman, RNT FIR e RNT Jordan. Adicionalmente, foram utilizadas duas técnicas para análise das séries temporais: os modelos de Box & Jenkins (1970) e métodos geoestatísticos, com a finalidade de comparar com o desempenho das RNT´s. Nesta pesquisa estuda-se ainda a geração de intervalos de confiança para RNT e para métodos geoestatísticos. As previsões de vazão analisadas neste trabalho, envolvendo o comportamento da barragem Funil, apresentaram resultados satisfatórios tanto os obtidos pelos modelos de redes neurais temporais como pelos de Box & Jenkins e métodos geoestatísticos. In works of great responsibility (ports, dams, nuclear power, etc.), the amount of instrumentation data may allow the construction of models for the temporary variability of the properties of interest based on neural network techniques. In case of dams, the monitoring through the installation of an instrumentation system plays a fundamental part in the evaluation of the behavior of these structures, during the construction period as well as in the operation period. In this work the technique of temporal neural networks (TNN) was used for analysis, modeling and forecast of the water discharges values in the Funil dam, from Furnas Centrais Elétricas system, starting from the data of available instrumentation in the period between 02/09/1985 and 25/02/2002. The temporal neural networks used in this research were the following: TNN with feedforward architecture and the windowing technique, recursive TNN Elman, TNN FIR and TNN Jordan. Two additional techniques (Box & Jenkins and geostatistical models) were employed for analysis of the time series with the purpose to compare the results obtained with neural networks. In this research the generation of confidence intervals for TNN and geostatistical methods were also investigated. The discharge values forecasts analyzed in this work for the Funil dam presented satisfactory results, with respect to the neural network, Box & Jenkins and geostatistical methods. 2005-03-29 info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/doctoralThesis http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=7060@1 http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=7060@2 por info:eu-repo/semantics/openAccess PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO PPG EM ENGENHARIA CIVIL PUC-Rio BR reponame:Repositório Institucional da PUC_RIO instname:Pontifícia Universidade Católica do Rio de Janeiro instacron:PUC_RIO |
collection |
NDLTD |
language |
Portuguese |
sources |
NDLTD |
description |
COORDENAÇÃO DE APERFEIÇOAMENTO DO PESSOAL DE ENSINO SUPERIOR === Em obras de maior porte e grande responsabilidade (portos,
barragens,
usinas nucleares, etc.), a quantidade de instrumentações
pode se tornar suficiente
para permitir a construção de modelos de variabilidade
temporal das propriedades
de interesse com base em redes neurais artificiais. No caso
de barragens, o
monitoramento através da instalação de um sistema de
instrumentação
desempenha um papel fundamental na avaliação do
comportamento destas
estruturas, tanto durante o período de construção quanto no
período de operação.
Neste trabalho empregou-se a técnica de redes neurais
temporais (RNT) para
análise, modelagem e previsão dos valores de vazão na
barragem Funil, do
sistema Furnas Centrais Elétricas, a partir dos dados de
instrumentações
disponíveis no período compreendido entre 02/09/1985 e
25/02/2002. As redes
neurais temporais empregadas foram: RNT com arquitetura
feedforward associada
a técnica de janelamento, RNT recorrente Elman, RNT FIR e
RNT Jordan.
Adicionalmente, foram utilizadas duas técnicas para análise
das séries temporais:
os modelos de Box & Jenkins (1970) e métodos
geoestatísticos, com a finalidade
de comparar com o desempenho das RNT´s. Nesta pesquisa
estuda-se ainda a
geração de intervalos de confiança para RNT e para métodos
geoestatísticos. As
previsões de vazão analisadas neste trabalho, envolvendo o
comportamento da
barragem Funil, apresentaram resultados satisfatórios tanto
os obtidos pelos
modelos de redes neurais temporais como pelos de Box &
Jenkins e métodos
geoestatísticos. === In works of great responsibility (ports, dams, nuclear
power, etc.), the
amount of instrumentation data may allow the construction
of models for the
temporary variability of the properties of interest based
on neural network
techniques. In case of dams, the monitoring through the
installation of an
instrumentation system plays a fundamental part in the
evaluation of the behavior
of these structures, during the construction period as well
as in the operation
period. In this work the technique of temporal neural
networks (TNN) was used
for analysis, modeling and forecast of the water discharges
values in the Funil
dam, from Furnas Centrais Elétricas system, starting from
the data of available
instrumentation in the period between 02/09/1985 and
25/02/2002. The temporal
neural networks used in this research were the following:
TNN with feedforward
architecture and the windowing technique, recursive TNN
Elman, TNN FIR and
TNN Jordan. Two additional techniques (Box & Jenkins and
geostatistical
models) were employed for analysis of the time series with
the purpose to
compare the results obtained with neural networks. In this
research the generation
of confidence intervals for TNN and geostatistical methods
were also investigated.
The discharge values forecasts analyzed in this work for
the Funil dam presented
satisfactory results, with respect to the neural network,
Box & Jenkins and
geostatistical methods. |
author2 |
CELSO ROMANEL |
author_facet |
CELSO ROMANEL JANAINA VEIGA CARVALHO |
author |
JANAINA VEIGA CARVALHO |
spellingShingle |
JANAINA VEIGA CARVALHO TEMPORAL MODELLING OF THE WATER DISCHARGES MEASUREMENTS ON FUNIL DAM (RJ) USING NEURAL NETWORK AND STATISTICAL METHODS |
author_sort |
JANAINA VEIGA CARVALHO |
title |
TEMPORAL MODELLING OF THE WATER DISCHARGES MEASUREMENTS ON FUNIL DAM (RJ) USING NEURAL NETWORK AND STATISTICAL METHODS |
title_short |
TEMPORAL MODELLING OF THE WATER DISCHARGES MEASUREMENTS ON FUNIL DAM (RJ) USING NEURAL NETWORK AND STATISTICAL METHODS |
title_full |
TEMPORAL MODELLING OF THE WATER DISCHARGES MEASUREMENTS ON FUNIL DAM (RJ) USING NEURAL NETWORK AND STATISTICAL METHODS |
title_fullStr |
TEMPORAL MODELLING OF THE WATER DISCHARGES MEASUREMENTS ON FUNIL DAM (RJ) USING NEURAL NETWORK AND STATISTICAL METHODS |
title_full_unstemmed |
TEMPORAL MODELLING OF THE WATER DISCHARGES MEASUREMENTS ON FUNIL DAM (RJ) USING NEURAL NETWORK AND STATISTICAL METHODS |
title_sort |
temporal modelling of the water discharges measurements on funil dam (rj) using neural network and statistical methods |
publisher |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO |
publishDate |
2005 |
url |
http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=7060@1 http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=7060@2 |
work_keys_str_mv |
AT janainaveigacarvalho temporalmodellingofthewaterdischargesmeasurementsonfunildamrjusingneuralnetworkandstatisticalmethods AT janainaveigacarvalho modelagemtemporaldasmedidasdevazaodedrenosnabarragemdefunilrjutilizandoredesneuraisemetodosestatisticos |
_version_ |
1718986533845860352 |