• Informações do Trabalho

Titulo Modelos de Aprendizado Profundo com Transferência de Aprendizagem para Modelagem Hidrológica Subtítulo Autor HENRIQUE COLONESE ECHTERNACHT Orientador LUCIANA CONCEICAO DIAS CAMPOS Resumo Devido ao crescente uso da inteligência artificial, torna-se cada vez mais necessário o estudo e o desenvolvimento de ferramentas eficazes para a solução dos mais diversos problemas como, por exemplo, a capacidade de prever a vazão de rios em bacias hidrográficas. Esse problema se torna relevante, uma vez que o uso dos rios tem impacto direto em diversas áreas da sociedade, como em transporte, agricultura e geração de energia. Nesse trabalho, é proposta a criação de um modelo de aprendizado profundo com transferência de aprendizagem que utiliza uma rede neural profunda, do tipo convolucional (CNN), para prever a vazão em de rios utilizando séries temporais hidrológicas. O modelo desenvolvido neste trabalho é capaz de prever a vazão do dia corrente com base no valor da vazão dos três ou sete últimos. Para isso, foram utilizas séries temporais contendo informações de duas bacias, sendo elas: bacia do Paraíba do Sul, localizado no Brasil; e bacia do Zambeze, localizado no continente africano. Como resultado, foi obtido uma redução de até 27% no tempo de treinamento perdendo somente 0.31% de desempenho para os dados do Paraíba do Sul. Já para os dados do Zambeze, foi obtida uma redução de até 48% do tempo de treinamento perdendo somente 2% de desempenho. Palavras-Chave Redes Neurais Convolucionais, Deep Learning, Redes Neurais, Series Temporais, Rio Paraíba do Sul, Rio Zambeze.