Use este identificador para citar ou linkar para este item: https://rigeo.sgb.gov.br/handle/doc/21659
Registro completo
Campo DCValorIdioma
dc.contributor.advisorMARQUES, Guilherme Fernandes-
dc.contributor.authorSILVA, Emanuel Duarte-
dc.date.accessioned2020-04-28T17:26:10Z-
dc.date.available2020-04-28T17:26:10Z-
dc.date.issued2019-
dc.identifier.citationDUARTE, Emanuel Silva. Previsão hidroeconômica de curto prazo com modelo de redes neurais artificias: aplicação à bacia do rio Caí. 2019. 131 f. Orientador: Guilherme Fernades Marques. Dissertação (Mestrado) – Universidade Federal do Rio Grande do Sul. Instituto de Pesquisas Hidráulicas, Porto Alegre, 2019pt_BR
dc.identifier.urihttps://rigeo.sgb.gov.br/handle/doc/21659-
dc.descriptionDissertação Mestrado em Regulação e Gestão de Recursos Hídricos
dc.description.abstractA região hidrográfica do baixo Caí é marcada por cheias recorrentes que impactam diretamente cerca de 100.000 pessoas, diante desse cenário o Serviço Geológico do Brasil – CPRM implantou, em 2010, o Sistema de Alertas Hidrológicos da Bacia do Rio Caí (SAH-Caí), sendo responsável pela emissão de previsões fluviométricas para os municípios de São Sebastião do Caí e Montenegro. A necessidade de aprimoramento do sistema motivou o desenvolvimento de uma ferramenta capaz de gerar e integrar previsões fluviométricas, espacialização de áreas inundáveis e estimativas de prejuízos, entregando ao usuário final um prognóstico dos eventos hidrológicos extremos. O presente estudo foi desenvolvido tendo como base três eixos de pesquisa, desenvolvimento de um modelo de previsão fluviométrica, mapeamento de áreas inundáveis para diferentes níveis fluviométricos e estimativa de prejuízos associados a cada região atingida pela cheia. O modelo de previsão fluviométrica foi construído tendo como base os conceitos de aprendizado de máquina através de redes neurais artificias, que contou com a aplicação de técnica de amostragem sistemática para composição das séries de dados de treinamento, além da aplicação de médias móveis com uso de ponderação temporal exponencial e gama sobre os dados de entrada. Como resultado foram obtidos dois modelos de previsão, com alcances de 20h e 24h, respectivamente, para os municípios de São Sebastião do Caí e de Montenegro, com coeficientes de NashSutcliffe (NS) superiores a 0,9. O mapeamento das áreas inundáveis foi obtido através da compatibilização das referências de nível verticais de um MDT (Modelo Digital de Terreno), de alta resolução, e as seções linimétricas existentes no perímetro urbano desses municípios, resultando na obtenção de manchas de inundação com intervalos de nível de 0,5m, cobrindo uma faixa que vai da cota de início de inundação à cota associada a um TR de 100 anos. A quantificação de danos resultou em estimativas de prejuízos associados a cada nível de inundação e teve como base a adaptação da metodologia utilizada por Fadel (2015). Para a cidade de Montenegro os valores obtidos são da ordem de 12 milhões de reais associados a uma cota de 650 cm chegando a 81 milhões de reais associados a cota de 1000 cm, já para o município de São Sebastião do Caí os prejuízos estimados são da ordem de 7,5 milhões de reais associados a cota de 1100 cm chegando a 64,5 milhões de reais associados a cota 1500 cm. A integração dos dados coletados, nos três eixos de pesquisa, foi realizada no formato de boletim informativo de modo a fornecer um mecanismo de divulgação rápida e de fácil compreensão.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsopenpt_BR
dc.subject.otherHIDROLOGIApt_BR
dc.subject.otherPREVISÃO HIDROLÓGICApt_BR
dc.subject.otherPREVISÃO HIDROECONÔMICApt_BR
dc.subject.otherMAPA DE INUNDAÇÃOpt_BR
dc.subject.otherREDES NEURAIS ARTIFICIAISpt_BR
dc.subject.otherRIO GRANDE DO SULpt_BR
dc.subject.otherBACIA RIO CAÍpt_BR
dc.subject.otherRIO CAÍpt_BR
dc.titlePrevisão hidroeconômica de curto prazo com modelo de redes neurais artificias: aplicação à bacia do rio Caípt_BR
dc.typeDissertationpt_BR
dc.localPorto Alegre
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentInstituto de Pesquisas Hidráulicaspt_BR
dc.degree.programPrograma de Pós-Graduação em Regulação e Gestão de Recursos Hídricospt_BR
dc.degree.levelMestrado Acadêmicopt_BR
dc.creator.affilliationCPRMpt_BR
dc.contributor.memberPOLETO, Cristiano-
dc.contributor.memberSILVA, Régis Leandro Lopes da-
dc.contributor.memberMATOS, Artur José Soares-
dc.degree.localPorto Alegrept_BR
dc.subject.enHYDROLOGYpt_BR
dc.subject.enARTIFICIAL NEURAL NETWORKSpt_BR
dc.subject.enFLOOD MAPpt_BR
dc.subject.esHIDROLOGÍApt_BR
dc.subject.esMAPA DE INUNDACIONESpt_BR
dc.subject.esREDES NEURONALES ARTIFICIALESpt_BR
dc.subject.frHIDROGEOLOGIEpt_BR
dc.subject.frRÉSEAUX DE NEURONES ARTIFICELSpt_BR
dc.degree.date2019-
Aparece nas coleções:Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
dissertacao_v06_rev.pdfDissertação6,43 MBAdobe PDFVisualizar/Abrir


O uso do material disponibilizado neste repositório deve ser feito de acordo e dentro dos limites autorizados pelos Termos de Uso.