PREVISÃO DE VAZÕES BASEADA NO PROESSAMENTO PARALELO GPGPU DE REDE LSTM
Resumo
Previsão de vazões é um procedimento essencial no gerenciamento de bacias hidrográficas. As redes neurais artificiais (ANNs) são um tipo de modelo baseado em dados e possuem a habilidade de aprender com os dados em grande quantidade e de capturar complexidades e não linearidades. Uma categoria de ANNs são as redes neurais artificiais recorrentes (RNNs – Recurrent Neural Networks), que retem informações por mais tempo. No entanto, não possui bom desempenho em períodos longos de tempo. Para tanto surgiu uma nova variação das RNNs, as redes de memória longa de curto prazo (LSTM – Long Short-Term Memory). A aplicação de uma rede LSTM envolve as etapas de treinamento, validação e teste, e possui sucesso em tarefas complexas. Neste contexto, este projeto teve como objetivo geral implementar a rede LSTM para previsão de vazões na exutória de uma bacia hidrográfica. A metodologia foi estruturada nas etapas de aquisição de dados hidrológicos para a Bacia do Apuaê, RS; implementação da rede LSTM; e previsão de vazões. A rede LSTM treinada para previsão de vazões diárias na bacia de estudo teve bons resultados, contudo, ressalta-se a importância da realização de estudos posteriores para implementar maiores quantidades de séries temporais na entrada da rede.
Copyright (c) 2021 JORNADA DE INICIAÇÃO CIENTÍFICA E TECNOLÓGICA
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution 4.0 International License.
Submeto o trabalho apresentado como texto original à Comissão Científica da XVI JIC, o qual apresenta os resultados de subprojeto de pesquisa, e concordo que os direitos autorais a ele referentes se tornem propriedade do Anais da XVI JIC da UFFS.
Observação: Caso o trabalho possua caráter sigiloso, o apresentador deve informar à Comissão Organizadora através do e-mail jic.dpe@uffs.edu.br nos prazos indicados no Regulamento (www.uffs.edu.br/jic).