Previsão de nível de bacia hidrográfica utilizando rede neural artificial do tipo LSTM
| dc.contributor.advisor | Carvalho, Tiago José de | |
| dc.contributor.author | Bem-Haja, Augusto Krejci | |
| dc.date.accessioned | 2024-03-15T13:59:59Z | |
| dc.date.available | 2024-03-15T13:59:59Z | |
| dc.date.issued | 2017-12-07 | |
| dc.description.abstract | Os desastres naturais são um antigo perigo para o bem estar e a sobrevivência da humanidade. Prever quando ocorrerão, onde, e em que intensidade, é determinante para a mitigação dos riscos, perdas e danos materiais à população. Este trabalho aplica conceitos de inteligência artificial, mais especificamente numa especialização do aprendizado de máquina chamada aprendizado profundo. Propõe a elaboração de um modelo capaz de predizer o nível de uma bacia hidrológica, a partir da informação de sensores de chuva e nível, nela instalados, visando promover alertas a população potencialmente afetada. O modelo utiliza um tipo de algoritmo de aprendizado profundo chamado Long Short-Time Memory, que é um tipo de rede neural recorrente bastante adequado a problemas de regressão em séries temporais. O modelo apresentou bons resultados, nas métricas aplicadas, e demonstrou ser um modelo viável. | |
| dc.description.abstract2 | Natural disasters are a long-standing danger to the well-being and survival of humanity. Predict when they will occur, where, and in what intensity, is decisive for mitigating risks, losses and material damages to the population. This paper applies concepts of artificial intelligence, more specifically in a specialization of machine learning called deep learning. It proposes the elaboration of a model capable of predicting the level of a watershed, from the information of rain and level sensors installed in it, aiming at promoting alerts to the potentially affected population. The model uses a type of deep learning algorithm called Long Short-Time Memory, which is a type of recurrent neural network quite suitable for time series regression problems.The model presented good results, in the applied metrics, and proved to be a viable model. | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.bibliographicCitation | BEM-HAJA, Augusto Krejci. Previsão de nível de bacia hidrográfica utilizando rede neural artificial do tipo LSTM. 2017. 29 f. Trabalho de Conclusão de Curso (Graduação em Tecnologia em Análise e Desenvolvimento de Sistemas) - Instituto Federal de Educação, Ciência e Tecnologia de São Paulo, Campus Campinas, 2017. | |
| dc.identifier.uri | https://repositorio.ifsp.edu.br/handle/123456789/709 | |
| dc.publisher | Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP) | |
| dc.publisher.campi | CAMPINAS | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 Brazil | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/br/ | |
| dc.subject.keywords | Predição | |
| dc.subject.keywords | Inteligência artificial | |
| dc.subject.keywords | Machine Learning | |
| dc.subject.keywords | Deep Learning | |
| dc.subject.keywords | Redes neurais artificiais | |
| dc.subject.keywords | LSTM | |
| dc.title | Previsão de nível de bacia hidrográfica utilizando rede neural artificial do tipo LSTM | |
| dc.title.alternative | Watershed level prediction using LSTM artificial neural network | |
| dc.type | Trabalhos de Conclusão de Curso de Graduação |