Título: Inferência Bayesiana no Desenvolvimento de Previsores Neurais de Vazão Diária Utilizando Informações de Precipitação
Autores: Leocádio, Caio Monteiro; Ferreira, Vitor Hugo
Resumo: Este trabalho apresenta a utilização da inferência bayesiana aplicada a perceptrons de múltiplas camadas (BMLP) para previsão de vazão diária, incluindo algoritmos automáticos para seleção de entradas, estabilização de estrutura e controle de complexidade. A base de dados considerada inclui históricos de vazão e precipitação em base diária para a bacia do Rio Grande, permitindo a avaliação da aplicabilidade da inclusão da informação de precipitação nos modelos de previsão diária de vazão visando reduzir o erro de previsão dos modelos neurais desenvolvidos. Seis estratégias de previsão são comparadas, todas utilizando o BMLP porém com espaço de representação das entradas distinto, incluindo modelos utilizando somente valores atrasados da série de vazão e modelos que combinam valores atrasados de vazão e precipitação. O uso de variáveis binárias para representação do período seco, úmido e de transição também é testado. Os resultados obtidos mostram a viabilidade da aplicação do BMLP utilizando informações de vazão e precipitação como entradas do modelo de previsão de vazão diária, com estes modelos apresentando os melhores resultados para os períodos de teste considerados.
Palavras-chave: Previsão de vazão diária; planejamento energético; redes neurais; inferência bayesiana aplicada a perceptrons de múltiplas camadas
Páginas: 9
Código DOI: 10.21528/lmln-vol10-no3-art2
Artigo em PDF: vol10-no3-art2.pdf
Arquivo BibTex: vol10-no3-art2.bib