Submitted by Gábia Leite (gabya.leite@gmail.com) on 2016-07-04T14:04:38Z No. of bitstreams: 1 Dissertação - Márcio Rodrigues.pdf: 2417351 bytes, checksum: a46ef14e6953ab378cd8f3ef50bcab78 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2016-07-14T12:43:45Z (GMT) No. of bitstreams: 1 Dissertação - Márcio Rodrigues.pdf: 2417351 bytes, checksum: a46ef14e6953ab378cd8f3ef50bcab78 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2016-07-14T12:48:29Z (GMT) No. of bitstreams: 1 Dissertação - Márcio Rodrigues.pdf: 2417351 bytes, checksum: a46ef14e6953ab378cd8f3ef50bcab78 (MD5) / Made available in DSpace on 2016-07-14T12:48:29Z (GMT). No. of bitstreams: 1 Dissertação - Márcio Rodrigues.pdf: 2417351 bytes, checksum: a46ef14e6953ab378cd8f3ef50bcab78 (MD5) Previous issue date: 2015-12-22 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / This paper proposes a new method for forecasting the maximum seasonal amplitude, using feedforward neural networks and, as input variables, climatic indices and the river amplitude measured a few months earlier before the maximum amplitude be verified. A new method for selecting the most relevant prediction variables is proposed. For neural networks training, two methods for improving its generalization are used: early stop and regularization. The best prediction result is obtained with two input variables, resulting in a correlation prediction coefficient of 𝑟𝑝=0,755. / Esse trabalho discute a aplicação de um novo método para previsão de cheias sazonais, utilizando redes neurais artificiais com as seguintes variáveis de entrada: índices climáticos e o nível do próprio rio, avaliado meses antes da ocorrência do pico da cheia. Um novo método para seleção das variáveis mais relevantes para a predição é proposto. Para o treinamento da rede neural são utilizados dois métodos para melhorar a generalização das mesmas, parada antecipada e regularização. O melhor resultado de predição obtido foi com três variáveis e resultou num índice de correlação de predição de 𝑟𝑝=0,755.