Análise de sensibilidade em uma rede neural para previsão hidrológica de alta resolução temporal

Cintia Pereira de Freitas, Emerson Jean da Silva, Leonardo Bacelar Lima Santos

Resumo


Eventos meteorológicos extremos tem ocorrido com uma frequência e severidade cada vez maior. Com isso,  ́e cada vez mais importante o estudo e a criação de ferramentas que possam simular com maior precisão os processos ambientais, em especial os que envolvem observáveis meteorológicos, como chuva, e hidrológicos, como nível dos rios. [...]


Texto completo:

PDF

Referências


de Lima, G. R. T., Santos, L. B. L., de Carvalho, T. J., Carvalho, A. R., Cortivo, F. D.,Scofield, G.B. and Negri, R.G. An operational dynamical neuro-forecasting model for hy-drological disasters,Modeling Earth Systems and Environment, volume 2, 94, 2016. DOI:10.1007/s40808-016-0145-3.

Freitas, C. P., Diniz, M. M., de Lima, G. R. T., Quiles, M. G., Stephany, S. and Santos, L. B.L. Combining Rainfall and Water Level Data for Multistep High Temporal Resolution Em-pirical Hydrological Forecasting,Anais do XXIII ENMC – Encontro Nacional de ModelagemComputacional e XI ECTM – Encontro de Ciˆencias e Tecnologia de Materiais, Palmas-TO,798–807, 2020.

Mosavi, A., Ozturk, P. and Chau, K. W.Flood prediction using machine learning models:literature review, Water, volume 10, 11, 2018. DOI: 10.3390/w10111536


Apontamentos

  • Não há apontamentos.


SBMAC - Sociedade de Matemática Aplicada e Computacional
Edifício Medical Center - Rua Maestro João Seppe, nº. 900, 16º. andar - Sala 163 | São Carlos/SP - CEP: 13561-120
 


Normas para publicação | Contato