COMPARATIVO DE REDES NEURAIS ARTIFICIAIS E REGRESSÃO LINEAR MÚLTIPLA PARA PREENCHIMENTO DE FALHAS DE PRECIPITAÇÃO DIÁRIA EM REGIÃO SEMIÁRIDA
"2019-11-20 00:00:00" // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php
App\Base\Administrativo\Model\Artigo {#1843 // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php #connection: "mysql" +table: "artigo" #primaryKey: "id" #keyType: "int" +incrementing: true #with: [] #withCount: [] +preventsLazyLoading: false #perPage: 15 +exists: true +wasRecentlyCreated: false #escapeWhenCastingToString: false #attributes: array:35 [ "id" => 63358 "edicao_id" => 114 "trabalho_id" => 751 "inscrito_id" => 1846 "titulo" => "COMPARATIVO DE REDES NEURAIS ARTIFICIAIS E REGRESSÃO LINEAR MÚLTIPLA PARA PREENCHIMENTO DE FALHAS DE PRECIPITAÇÃO DIÁRIA EM REGIÃO SEMIÁRIDA" "resumo" => "A FALTA DE INFORMAÇÕES E DADOS HIDROGRÁFICOS EM UMA BACIA HIDROGRÁFICA, PRINCIPALMENTE DADOS DE PRECIPITAÇÃO, PODEM CAUSAR ENORMES PREJUÍZOS NA ELABORAÇÃO DE PROJETOS E DIMENSIONAMENTO DE ESTRUTURAS HIDRÁULICA, ALÉM DE INTERFERIR NA REPRESENTAÇÃO DOS PROCESSOS HIDROLÓGICOS. UMA SOLUÇÃO É O PREENCHIMENTO DESTAS FALHAS A PARTIR DE INFORMAÇÕES DOS POSTOS ADJACENTES. O OBJETIVO DESTE ESTUDO FOI COMPARAR A TÉCNICA DE REGRESSÃO LINEAR MÚLTIPLA (RLM) E REDES NEURAIS ARTIFICIAIS (RNA) PARA O PREENCHIMENTO DE FALHAS EM SÉRIES DIÁRIAS DE PRECIPITAÇÃO NA BACIA HIDROGRÁFICA DO RIO PIANCÓ, NA PARAÍBA. OS MODELOS PROPOSTOS NESTE ESTUDO FORAM DESENVOLVIDOS UTILIZANDO O SOFTWARE RSTUDIO. PARA SE AVALIAR O SEUS DESEMPENHOS, FORAM UTILIZADOS OS SEGUINTES ÍNDICES: COEFICIENTE DE EFICIÊNCIA DE NASH E SUTCLIFFE (NSE), RAIZ DO ERRO QUADRÁTICO MÉDIO (RMSE) E COEFICIENTE DE CORRELAÇÃO (R). POR MEIO DOS RESULTADOS, OBSERVOU-SE QUE OS MODELOS APRESENTARAM BAIXO DESEMPENHO EM DECORRÊNCIA DOS FATORES CLIMATOLÓGICOS DA BACIA E DISPOSIÇÃO DOS POSTOS PLUVIOMÉTRICOS. DE FORMA GERAL, A REDE NEURAL APRESENTOU UMA MAIOR EFICIÊNCIA NOS PREENCHIMENTOS DAS LACUNAS DOS DADOS EM RELAÇÃO À REGRESSÃO LINEAR MÚLTIPLA." "modalidade" => "Comunicação Oral (CO)" "area_tematica" => "AT 05: Gestão, Qualidade e Acesso às Águas" "palavra_chave" => "BACIA DO RIO PIANCÓ, INTELIGÊNCIA ARTIFICIAL, SOFTWARE LIVRE" "idioma" => "Português" "arquivo" => "TRABALHO_EV133_MD1_SA39_ID1846_05112019231021.pdf" "created_at" => "2020-05-28 15:53:59" "updated_at" => "2020-06-10 11:45:46" "ativo" => 1 "autor_nome" => "JOÃO MARIA DE ANDRADE" "autor_nome_curto" => "JOÃO DE ANDRADE" "autor_email" => "andradejmn@gmail.com" "autor_ies" => "UNIVERSIDADE FEDERAL DE CAMPINA GRANDE" "autor_imagem" => "" "edicao_url" => "anais-i-conimas-e-iii-conidis" "edicao_nome" => "Anais I CONIMAS e III CONIDIS" "edicao_evento" => "Congresso Internacional de Meio Ambiente e Sociedade e III Congresso Internacional da Diversidade do Semiárido" "edicao_ano" => 2019 "edicao_pasta" => "anais/conimas-e-conidis/2019" "edicao_logo" => "5e4a0ac95979e_17022020003849.png" "edicao_capa" => "5f184b3570210_22072020112037.jpg" "data_publicacao" => null "edicao_publicada_em" => "2019-11-20 00:00:00" "publicacao_id" => 33 "publicacao_nome" => "Anais CONIDIS" "publicacao_codigo" => "2526-186X" "tipo_codigo_id" => 1 "tipo_codigo_nome" => "ISSN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #original: array:35 [ "id" => 63358 "edicao_id" => 114 "trabalho_id" => 751 "inscrito_id" => 1846 "titulo" => "COMPARATIVO DE REDES NEURAIS ARTIFICIAIS E REGRESSÃO LINEAR MÚLTIPLA PARA PREENCHIMENTO DE FALHAS DE PRECIPITAÇÃO DIÁRIA EM REGIÃO SEMIÁRIDA" "resumo" => "A FALTA DE INFORMAÇÕES E DADOS HIDROGRÁFICOS EM UMA BACIA HIDROGRÁFICA, PRINCIPALMENTE DADOS DE PRECIPITAÇÃO, PODEM CAUSAR ENORMES PREJUÍZOS NA ELABORAÇÃO DE PROJETOS E DIMENSIONAMENTO DE ESTRUTURAS HIDRÁULICA, ALÉM DE INTERFERIR NA REPRESENTAÇÃO DOS PROCESSOS HIDROLÓGICOS. UMA SOLUÇÃO É O PREENCHIMENTO DESTAS FALHAS A PARTIR DE INFORMAÇÕES DOS POSTOS ADJACENTES. O OBJETIVO DESTE ESTUDO FOI COMPARAR A TÉCNICA DE REGRESSÃO LINEAR MÚLTIPLA (RLM) E REDES NEURAIS ARTIFICIAIS (RNA) PARA O PREENCHIMENTO DE FALHAS EM SÉRIES DIÁRIAS DE PRECIPITAÇÃO NA BACIA HIDROGRÁFICA DO RIO PIANCÓ, NA PARAÍBA. OS MODELOS PROPOSTOS NESTE ESTUDO FORAM DESENVOLVIDOS UTILIZANDO O SOFTWARE RSTUDIO. PARA SE AVALIAR O SEUS DESEMPENHOS, FORAM UTILIZADOS OS SEGUINTES ÍNDICES: COEFICIENTE DE EFICIÊNCIA DE NASH E SUTCLIFFE (NSE), RAIZ DO ERRO QUADRÁTICO MÉDIO (RMSE) E COEFICIENTE DE CORRELAÇÃO (R). POR MEIO DOS RESULTADOS, OBSERVOU-SE QUE OS MODELOS APRESENTARAM BAIXO DESEMPENHO EM DECORRÊNCIA DOS FATORES CLIMATOLÓGICOS DA BACIA E DISPOSIÇÃO DOS POSTOS PLUVIOMÉTRICOS. DE FORMA GERAL, A REDE NEURAL APRESENTOU UMA MAIOR EFICIÊNCIA NOS PREENCHIMENTOS DAS LACUNAS DOS DADOS EM RELAÇÃO À REGRESSÃO LINEAR MÚLTIPLA." "modalidade" => "Comunicação Oral (CO)" "area_tematica" => "AT 05: Gestão, Qualidade e Acesso às Águas" "palavra_chave" => "BACIA DO RIO PIANCÓ, INTELIGÊNCIA ARTIFICIAL, SOFTWARE LIVRE" "idioma" => "Português" "arquivo" => "TRABALHO_EV133_MD1_SA39_ID1846_05112019231021.pdf" "created_at" => "2020-05-28 15:53:59" "updated_at" => "2020-06-10 11:45:46" "ativo" => 1 "autor_nome" => "JOÃO MARIA DE ANDRADE" "autor_nome_curto" => "JOÃO DE ANDRADE" "autor_email" => "andradejmn@gmail.com" "autor_ies" => "UNIVERSIDADE FEDERAL DE CAMPINA GRANDE" "autor_imagem" => "" "edicao_url" => "anais-i-conimas-e-iii-conidis" "edicao_nome" => "Anais I CONIMAS e III CONIDIS" "edicao_evento" => "Congresso Internacional de Meio Ambiente e Sociedade e III Congresso Internacional da Diversidade do Semiárido" "edicao_ano" => 2019 "edicao_pasta" => "anais/conimas-e-conidis/2019" "edicao_logo" => "5e4a0ac95979e_17022020003849.png" "edicao_capa" => "5f184b3570210_22072020112037.jpg" "data_publicacao" => null "edicao_publicada_em" => "2019-11-20 00:00:00" "publicacao_id" => 33 "publicacao_nome" => "Anais CONIDIS" "publicacao_codigo" => "2526-186X" "tipo_codigo_id" => 1 "tipo_codigo_nome" => "ISSN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #changes: [] #casts: array:14 [ "id" => "integer" "edicao_id" => "integer" "trabalho_id" => "integer" "inscrito_id" => "integer" "titulo" => "string" "resumo" => "string" "modalidade" => "string" "area_tematica" => "string" "palavra_chave" => "string" "idioma" => "string" "arquivo" => "string" "created_at" => "datetime" "updated_at" => "datetime" "ativo" => "boolean" ] #classCastCache: [] #attributeCastCache: [] #dates: [] #dateFormat: null #appends: [] #dispatchesEvents: [] #observables: [] #relations: [] #touches: [] +timestamps: false #hidden: [] #visible: [] +fillable: array:13 [ 0 => "edicao_id" 1 => "trabalho_id" 2 => "inscrito_id" 3 => "titulo" 4 => "resumo" 5 => "modalidade" 6 => "area_tematica" 7 => "palavra_chave" 8 => "idioma" 9 => "arquivo" 10 => "created_at" 11 => "updated_at" 12 => "ativo" ] #guarded: array:1 [ 0 => "*" ] }