Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/40411
Type: Artigo de periódico
Title: Previsão de vazões médias mensais usando redes neurais nebulosas
Author: Ballini, R.
Soares, S.
Andrade, Marinho G.
Abstract: This paper presents a neural fuzzy network model for seasonal streamflow forecasting. The model is based on a constructive learning method where neurons groups compete when the network receives a new input, so that it learns the fuzzy rules and membership functions essential for modelling a fuzzy system. The model was applied to the problem of seasonal streamflow forecasting using a database of average monthly inflows of three Brazilian hydroelectric plants located at different river basins. The performance of the model developed was compared with conventional approaches used to forecast streamflows. The results show that the neural fuzzy network model provides a better one-step-ahead streamflow forecasting, with forecasting errors significantly lower than the other approaches.
Este trabalho apresenta um modelo de rede neural nebulosa para previsão de vazões sazonais. O modelo é baseado em um método de aprendizado construtivo onde grupos de neurônios competem quando a rede recebe uma nova entrada. A rede aprende os parâmetros fundamentais para definir as regras nebulosas e funções de pertinência para cada variável de entrada. O modelo foi aplicado para o problema de previsão de vazões médias mensais de três usinas hidroelétricas situadas em diferentes regiões do Brasil. O desempenho do modelo foi comparado com métodos convencionais usados para previsão de vazões. Os resultados mostraram que a rede neural nebulosa forneceu um melhor desempenho para previsão um passo à frente, com erros significativamente menores que as outras abordagens.
Subject: Previsão de vazões
redes neurais
sistemas de inferência nebulosa
séries temporais
Streamflow forecasting
neural networks
inference fuzzy system
time series
Editor: Sociedade Brasileira de Automática
Rights: aberto
Identifier DOI: 10.1590/S0103-17592003000300008
Address: http://dx.doi.org/10.1590/S0103-17592003000300008
http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592003000300008
Date Issue: 1-Sep-2003
Appears in Collections:Artigos e Materiais de Revistas Científicas - Unicamp

Files in This Item:
File Description SizeFormat 
S0103-17592003000300008.pdf568.01 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.