[pt] Neste trabalho empregou-se a técnica de redes neurais
artificiais e modelos de Box & Jenkins (1970) para análise,
modelagem e previsão dos valores de vazão e de cargas de
pressão na barragem Corumbá I, do sistema Furnas Centrais
Elétricas, a partir dos dados de instrumentação disponíveis
desde 1997. A previsão de valores prováveis pode auxiliar
em tomadas de decisão durante a operação da barragem.
A utilização de métodos estatísticos e de redes neurais
artificiais é especialmente recomendado em situações onde a
solução através de métodos determinísticos, analíticos ou
numéricos, torna-se difícil por envolver modelagens
tridimensionais, com condições de contorno complexas e
incertezas na variação espacial e temporal das propriedades
dos materiais que constituem a barragem e sua fundação.
Tradicionalmente, as análises de séries temporais são
normalmente abordadas sob a perspectiva de métodos
estatísticos, como os modelos de Box & Jenkins. No entanto,
redes neurais artificiais têm-se constituído ultimamente em
uma alternativa atraente para investigações de séries
temporais por sua capacidade de análise de problemas de
natureza não-linear e não-estacionários. Neste trabalho são
apresentadas três aplicações envolvendo o comportamento da
barragem Corumbá I: previsão das vazões através da fundação
junto à ombreira esquerda, previsão das cargas de pressão
em piezômetros instalados no núcleo central da barragem e
no solo residual de fundação e, finalmente, a previsão dos
valores das leituras em um piezômetro supostamente
danificado em determinado instante de tempo. Em todos estes
casos, os resultados obtidos pelos modelos de Box & Jenkins
e redes neurais artificiais foram bastante satisfatórios. / [en] In this work, artificial neural networks and the Box &
Jenkins models (1970) were used for analysis, modeling and
forecasts of water discharges and pressure head development
in the Corumbá-I dam, owned by Furnas Centrais Elétricas,
from the instrumentation data recorded since 1997.
Prediction of the probable values can be a powerful tool
for early detection of abnormal conditions during the dam
operation. The use of statistical methods and artificial
neural network techniques are specially recommend in
situations where a solution with a deterministic approach,
analytical or numerical, is difficult for involving three-
dimensional modeling, complex boundary conditions and
uncertainty with respect to the spatial and temporal
variation of the material properties of the dam and its
foundation. Time series analyses are traditionally carried
out using a statistical approach, such as the Box & Jenkins
models. However, artificial neural networks have become in
the recent years an attractive alternative for time series
problems due to their inherent ability to analyze nonlinear
and non-stationary phenomena. Three applications of time
series analysis, related to the instrumentation data
collected from Corumba-I dam, are presented and discussed
in this thesis: forecast of water discharges through the
foundation near the dam left abutment, prediction of
pressure heads in piezometers installed in the impermeable
central core and the residual soil foundation and, finally,
prediction of the pressure heads that would be read in a
piezometer that, at a given instant of time, stops working
being supposedly damaged. In all these cases, the results
obtained from the Box & Jenkins models as well as the
artificial neural networks are quite satisfactory.
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:4244 |
Date | 02 December 2003 |
Creators | JOSE LUIS CARRASCO GUTIERREZ |
Contributors | CELSO ROMANEL |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | Portuguese |
Detected Language | Portuguese |
Type | TEXTO |
Page generated in 0.002 seconds