TEMPORAL MODELLING OF THE WATER DISCHARGES MEASUREMENTS ON FUNIL DAM (RJ) USING NEURAL NETWORK AND STATISTICAL METHODS

• Main Author: JANAINA VEIGA CARVALHO
• Other Authors: CELSO ROMANEL
• 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

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.