Please use this identifier to cite or link to this item: https://bdm.ufpa.br:8443/jspui/handle/prefix/1335
Compartilhar:
metadata.dc.type: Trabalho de Conclusão de Curso - Graduação
Title: Predição do consumo de água por meio de redes neurais artificiais: um estudo de caso em Belém-PA
metadata.dc.creator: ROCHA, Jessé da Costa
metadata.dc.contributor.advisor1: ARAÚJO, Fabíola Pantoja Oliveira
Issue Date: 2-Mar-2018
Citation: ROCHA, Jessé da Costa. Predição do consumo de água por meio de redes neurais artificiais: um estudo de caso em Belém-PA. Orientadora: Fabíola Pantoja Oliveira Araújo. 2018. 51 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Faculdade de Computação, Instituto de Ciências Exatas e Naturais, Universidade Federal do Pará, Belém, 2018. Disponível em: http://bdm.ufpa.br/jspui/handle/prefix/1335. Acesso em:.
metadata.dc.description.resumo: A escassez de água é um problema sério e constante em muitas cidades do Pará e do Brasil. Neste cenário, as várias técnicas de Inteligência Artificial, especialmente as Redes Neurais Artificiais, aparecem como alternativas capazes de auxiliar no planejamento e gerenciamento de Sistemas de Abastecimento de Água. Entre as muitas abordagens possíveis, optamos por analisar as variações no consumo de água em função do clima (temperatura, umidade e precipitação). Esta escolha é justificada porque o clima está entre os fatores que mais influenciam o consumo de água e também porque ainda há poucos estudos publicados nesta linha de pesquisa. Nesta perspectiva, o principal objetivo deste trabalho foi elaborar uma Rede de Neurais Artificiais para prever o consumo de água em um Sistema de Abastecimento localizado na cidade de Belém-PA e a principal motivação foi estimular a coleta e armazenamento de consumo de água, bem como o uso desses dados em sistemas inteligentes capazes de apoiar as decisões dos gestores de recursos hídricos na cidade de Belém e no Estado do Pará. Após quatro experimentos concluiu-se que a melhor arquitetura e configuração de RNA para resolver o problema proposto é uma rede com uma única camada escondida com 5 neurônios e função de ativação sigmoidal e uma camada de saída com um neurônio com função de ativação linear.
Abstract: Water scarcity is a serious and constant problem in many cities in Pará and Brazil. In this scenario, the various techniques of Artificial Intelligence, especially Artificial Neural Networks, appear as alternatives capable of assisting in the planning and management of Water Supply Systems. Among the many possible approaches, we opted to analyze variations in water consumption as a function of climate (temperature, humidity and rainfall). This choice is justified because the climate is among the factors that most influence the consumption of water and also because there are still few studies published in this line of research. In this perspective, the main objective of this work was to elaborate an Artificial Neural Network to predict the water consumption in a Supply System located in the city of Belém-PA, and the main motivation was to stimulate the collection and storage of water consumption, as well as the use of this data in intelligent systems capable of supporting the decisions of the water resources managers in the city of Belém and in the State of Pará. After four experiments it was concluded that the best architecture and configuration of RNA to solve the proposed problem is a network with a single hidden layer with 5 neurons and sigmoidal activation function, and an output layer with a neuron with linear activation function.
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO
Keywords: Redes neurais artificiais
Inteligência artificial
Consumo de água
Variáveis climatológicas
metadata.dc.rights: Acesso Aberto
metadata.dc.source: 1 CD-ROM
Appears in Collections:Faculdade de Computação - FC/ICEN

Files in This Item:
File Description SizeFormat 
TCC_PredicaoConsumoAgua.pdf2,13 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons