Dissertação
Data Driven Modelling of a Dam System Discharge EVALUATED
No estudo de bacias hidrográficas é frequente a utilização de modelos computacionais físicos. Contudo estes modelos não têm em consideração elementos não naturais (e.g. barragens) que podem alterar o curso de água natural. A previsão do caudal de saída de uma barragem requer a utilização de modelos que tem por base dados. Neste estudo são propostas duas abordagens para prever o caudal de saída de um sistema de barragens localizado no rio Ulla (Espanha). Um abordagem linear com base na modelação de series temporais e outra não linear com uso de redes neuronais. Neste estudo são utilizados dados diários, entre 2013 e 2018, de um sistema constituído por três barragens para produção etérica. O primeiro modelo tem como objetivo prever a entrada de agua na primeira barragem com base em variáveis meteorológicas e de valores de caudal obtidos por estações localizadas no rio. Cada barragem foi simulada com um modelo para a descarga e outro para o armazenamento. Para as redes neuronais, dois algoritmos foram testados tendo a sua estrutura sido otimizada através do ajuste de hiperparametros com recurso a otimização bayseana. Os modelos foram comparados, e os melhores modelos foram testados em serie e validados em 330 dias. A comparação dos resultados dos vários modelos propostos mostra que o melhor resultado foi obtido para redes neuronais. Este resultado demonstra que este tipo de modelos pode ser aplicado com sucesso a sistemas de barragens para a previsão de caudal de saída.
janeiro 19, 2021, 16:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Susana Margarida da Silva Vieira
Departamento de Engenharia Mecânica (DEM)
Professor Associado
