Modelo de previsão hidrológica utilizando redes neurais artificiais: um estudo de caso na bacia do Rio Xingu – Altamira-PA

Authors

  • Arilson Galdino da Silva Censipam - Centro Gestor e Operacional do Sistema de Proteção da Amazônia
  • Adriana Rosa Garcez Castro Universidade Federal do Pará
  • Alen Costa Vieira Censipam - Centro Gestor e Operacional do Sistema de Proteção da Amazônia

DOI:

https://doi.org/10.5335/rbca.v10i3.8779

Keywords:

Hydrological Modeling, Xingu River Quota Forecasing, Neural Networks, Time Series

Abstract

Knowledge about the extent of river bed overflow is extremely necessary for the determination of areas at risk. The City of Altamira-PA, located on the banks of the Xingu River, historically suffers from extreme
events of floods that provoke floods, causing great damages to the population. Considering the problem, this paper presents a monthly level prediction system of the Xingu River based on neural networks perceptron of multiple layers. For the development of the system, precipitacion data were used in the basin and sub-basins of the Xingu River, and SST information (Sea Surface Temperature) from 1979 to 2016. The satisfactory results demonstrate the great applicability of the artificial neural networks to the problem

Downloads

Download data is not yet available.

Downloads

Published

2018-10-23

Issue

Vol. 10 No. 3 (2018): November/2018

Section

Selected papers in Conferences - IX WCAMA (2018)

License

Licença Creative Commons
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).

How to Cite

[1]
2018. Modelo de previsão hidrológica utilizando redes neurais artificiais: um estudo de caso na bacia do Rio Xingu – Altamira-PA. Brazilian Journal of Applied Computing. 10, 3 (Oct. 2018), 55–62. DOI:https://doi.org/10.5335/rbca.v10i3.8779.