@Article{DebastianiSilvRafa:2016:EfArML,
author = "Debastiani, Aline Bernarda and Silva, Ricardo Dal'Agnol da and
Rafaeli Neto, Silvio Luiz",
affiliation = "{} and {Instituto Nacional de Pesquisas Espaciais (INPE)}",
title = "Efic{\'a}cia da arquitetura MLP em modo closed-loop para
simula{\c{c}}{\~a}o de um Sistema Hidrol{\'o}gico",
journal = "Revista Brasileira de Recursos H{\'{\i}}dricos",
year = "2016",
volume = "21",
number = "4",
pages = "821--831",
month = "out./dez.",
keywords = "Modelo chuva-vaz{\~a}o, Algoritmo de Garson, Bacia
hidrogr{\'a}fica do Rio Canoas, Rainfall-runoff model, Garson
algorithm, Basin of Canoas.",
abstract = "Para a elabora{\c{c}}{\~a}o do plano de bacia se faz
necess{\'a}ria a realiza{\c{c}}{\~a}o de estimativas da
resposta hidrol{\'o}gica. Sendo assim, o objetivo desse estudo
foi de avaliar a simula{\c{c}}{\~a}o do comportamento
hidrol{\'o}gico da bacia hidrogr{\'a}fica do Alto Canoas
localizada em Santa Catarina, atrav{\'e}s de redes neurais
artificiais Multi Layer Perceptron (MLP), bem como de analisar a
contribui{\c{c}}{\~a}o das vari{\'a}veis de entrada para a
modelagem. Foram testados doze tratamentos com
combina{\c{c}}{\~o}es de vari{\'a}veis de
precipita{\c{c}}{\~a}o, evapotranspira{\c{c}}{\~a}o (ET0) e
vaz{\~a}o, al{\'e}m de transforma{\c{c}}{\~o}es e
deslocamentos temporais dessas, a fim de determinar as
vari{\'a}veis que promovessem o melhor desempenho da modelagem da
vaz{\~a}o. A MLP foi treinada em modo open-loop utilizando parte
das vaz{\~o}es observadas. As vaz{\~o}es foram simuladas em
open-loop e closed-loop para o per{\'{\i}}odo de teste, sendo em
closed-loop utilizado a vaz{\~a}o simulada no passo de tempo
anterior como entrada. O algoritmo de aprendizado utilizado foi o
de Levenberg-Marquardt. O tratamento que apresentou melhor
desempenho (Nash e Sutcliffe (NS) = 0,9119, Raiz do Erro
M{\'e}dio Quadr{\'a}tico (RMS) = 14,29 m3 /s) empregou a
precipita{\c{c}}{\~a}o di{\'a}ria das quatro
esta{\c{c}}{\~o}es pluviom{\'e}tricas (Urubici, Vila Canoas,
Lomba Alta e Anit{\'a}polis), precipita{\c{c}}{\~a}o das quatro
esta{\c{c}}{\~o}es com tempo de resposta de -2 dias, e
vaz{\~a}o simulada do dia anterior. Apesar do baixo RMS, a
vaz{\~a}o modelada pela MLP foi, em geral, superestimada.
ABSTRACT: Estimatives of hydrological responses are needed for the
watershed planning. The aim of this study was to evaluate the
hydrological behavior simulation of the Upper Canoas basin using
artificial neural networks Multi Layer Perceptron (MLP) method, as
well as to analyze the contribution of the input variables for
modeling. It were tested 12 treatments with combinations of
variables such as precipitation, evapotranspiration (ET0) and
discharge, as well as transformations and temporal displacements
of these variables, in order to determine the variables that
promoted the better performance on discharge modeling. The MLP was
trained in open-loop mode using part of the observed discharges.
The discharges for the whole series were simulated in closed-loop,
using the discharge simulated on the previous time step as input.
The learning algorithm used was the Levenberg-Marquardt. The
treatment with the best performance (NS = 0.9119, RMS = 14.29 m3
/s) employed the daily precipitation of the four rainfall stations
(Urubici, Vila Canoas, Lomba Alta e Anit{\'a}polis),
precipitation of the four stations with -2 days of response time,
and simulated discharge from the previous day. Despite the low
RMS, the modeled discharge using MLP was generally
overestimated.",
doi = "10.1590/2318-0331.011615124",
url = "http://dx.doi.org/10.1590/2318-0331.011615124",
issn = "1414-381X",
language = "pt",
targetfile = "debastiani_eficacia.pdf",
urlaccessdate = "27 abr. 2024"
}