Submitted by Mariana Dornelles Vargas (marianadv) on 2015-03-23T13:17:43Z
No. of bitstreams: 1
utilizacao_redes.pdf: 1424216 bytes, checksum: 9225089a71c7a86291b6f821bfe3dca1 (MD5) / Made available in DSpace on 2015-03-23T13:17:43Z (GMT). No. of bitstreams: 1
utilizacao_redes.pdf: 1424216 bytes, checksum: 9225089a71c7a86291b6f821bfe3dca1 (MD5)
Previous issue date: 2008 / Nenhuma / A gestão dos recursos hídricos exige o uso de ferramentas que representem os processos hidrológicos de forma clara e objetiva para auxiliar na compreensão e utilização dos mesmos. Atendendo a essa necessidade, desenvolveram-se modelos computacionais que sistematizam problemas complexos de modo simples. Entre esses modelos cita-se a técnica de Redes Neurais Artificiais, metodologia inspirada no sistema nervoso humano e que possui a habilidade de aprender e generalizar possibilitando a resolução de problemas complexos. Neste trabalho é estudada a aplicação de Redes Neurais Artificiais do tipo Percepton Multicamadas baseadas no algoritmo de aprendizado backpropagation para estimar a espessura da Formação Serra Geral, o nível estático e a capacidade específica, baseado em informações contidas no cadastro de poços do Sistema de Informação de Águas Subterrâneas para a Bacia Hidrográfica do Rio Caí no estado do Rio Grande do Sul. Através do teste de Student (teste T), com um nível de significância de 5%, estatisticamente, os modelos propostos para as estimativas da espessura da Formação Serra Geral, do nível estático e da capacidade específica não diferiram dos tomados como verdadeiros. Também, por meio de regressão linear verificou-se através do coeficiente R2 uma forte correlação entre as variáveis simuladas e as verdadeiras. Os resultados indicaram que as RNAs podem ser utilizadas como um método alternativo em relação à modelagem convencional visando a elaboração de cartas temáticas bem como a otimização de processos para a exploração de água subterrânea. / The hydric resources management demands the use of tools that represent the hydrologic processes in a clear and objective way to assist the understanding and using of them. Considering this necessity, computer models that systemize complex problems in a simple way have been developed. Among these models is the Artificial Neural Network technique, a methodology inspired on human nervous system which has the ability to learn and generalize, making possible to solve complex problems. In this work is studied the application of Artificial Neural Networks of Perceptron Multilayer type, based on backpropagation learning algorithmic to estimate the thickness of Serra Geral formation, the static level and specific capacity, based on information extracted from well cadastre of Groundwater Information System for the Hydrographic Basin of Cai River in Rio Grande do Sul state. Through the Student test (test T), with a significance level of 5%, statistically, the models proposed for the estimates of the thickness of Serra Geral Formation, the level static and specific capacity did not differ from taken as true. Also, through linear regression there has been through the coefficient R2 a strong correlation between variables simulated and the real. The results demonstrate that the developed models through the Artificial Neural Networks present good results on prevision of hydrogeologic parameters, which could be used as a base to elaborate thematic maps. In the same way, they suggest the use of alternative data for conventional modeling aiming at processes optimization for groundwater exploration.
| Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.jesuita.org.br:UNISINOS/3099 |
| Date | 11 March 2008 |
| Creators | Reinke, Meriéle |
| Contributors | http://lattes.cnpq.br/0157177135951013, Veronez, Mauricio Roberto |
| Publisher | Universidade do Vale do Rio dos Sinos, Programa de Pós-Graduação em Geologia, Unisinos, Brasil, Escola Politécnica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UNISINOS, instname:Universidade do Vale do Rio dos Sinos, instacron:UNISINOS |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0028 seconds