Notícias

Banca de DEFESA: MATEUS ALEXANDRE DA SILVA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MATEUS ALEXANDRE DA SILVA
DATA: 23/03/2021
HORA: 14:00
LOCAL: Videoconferência
TÍTULO:

Previsão da precipitação pluvial por meio de redes neurais artificiais treinadas utilizando diferentes variáveis climáticas


PALAVRAS-CHAVES:

Ciclo Hidrológico, ENOS, Recursos Hídricos, Variáveis Climáticas.


PÁGINAS: 51
GRANDE ÁREA: Ciências Agrárias
ÁREA: Engenharia Agrícola
SUBÁREA: Engenharia de Água e Solo
RESUMO:
Métodos que preveem a precipitação pluvial auxiliam a evitar e mitigar danos ocasionados por seu déficit ou excesso, além de proporcionarem as ferramentas necessárias para a tomada de decisão em setores socioeconômicos e para o desenvolvimento de um planejamento adequado aos usos dos recursos hídricos. Diante isso objetivou-se, por meio da presente pesquisa, desenvolver redes neurais artificiais capazes de prever a precipitação em cinco municípios da mesorregião metropolitana de Belo Horizonte.  Para tal, foram utilizados no treinamento das redes neurais artificiais o número sequencial correspondente ao mês e séries históricas mensais de precipitação total, temperatura média compensada, velocidade média do vento e umidade relativa média do ar, além de um índice que indica a ocorrência do evento El Niño Oscilação Sul (ENOS). Inicialmente, utilizou-se o número sequencial correspondente ao mês e precipitação total dos anos de 1970 a 1999 para a previsão das precipitações ocorridas nos anos de 2000 a 2009. Posteriormente, os dados de número sequencial correspondente ao mês, precipitação total, temperatura média compensada, velocidade média do vento e umidade relativa média do ar, aliados à dados sobre ocorrência do fenômeno ENOS, também entre os anos de 1970 a 1999, a fim de prever a precipitação nos anos de 2000 a 2009, comparando-se os resultados. Por fim, calculou-se a correlação entre as variáveis utilizadas e a precipitação, utilizando as 3 variáveis mais correlacionadas para o treinamento das redes neurais artificiais. Constatou-se que as variáveis mais correlacionadas à precipitação são o número sequencial correspondente ao mês, a precipitação total do mês anterior e a temperatura média compensada, e que o treinamento as utilizando obteve desempenho superior aos demais. Para mais, concluiu-se que as redes neurais artificiais são adequadas para a previsão da precipitação, porém apresentam uma limitação para prever meses com elevada precipitação.

MEMBROS DA BANCA:
Externo ao Programa - WILIAN SOARES LACERDA - DAT/ESCOLAENG (Membro)
Externo à Instituição - RICARDO GAVA - UFMS (Suplente)
Presidente - MICHAEL SILVEIRA THEBALDI (Membro)
Interno - MARCELO RIBEIRO VIOLA (Suplente)
Externo à Instituição - EUSIMIO FELISBINO FRAGA JUNIOR - UFU (Membro)
Interno - CARLOS ROGERIO DE MELLO (Membro)
Notícia cadastrada em: 06/04/2021 11:27
SIGAA | DGTI - Diretoria de Gestão de Tecnologia da Informação - Contatos (abre nova janela): https://ufla.br/contato | © UFLA | appserver1.srv1inst1 07/05/2024 16:09