MÉTODOS NUMÉRICOS E INTELIGÊNCIA ARTIFICIAL APLICADOS À DETECÇÃO DE ANOMALIAS EM DADOS HIDROLÓGICOS
Séries de dados hidrológicos
confiáveis e consistentes, incluindo cota
fluviométrica, vazão e precipitação, são
fundamentais para a realização de estudos
e operação de empreendimentos dos mais
variados tipos, tais como: operações de
reservatórios em usinas hidrelétricas; gestão
de eventos críticos: cheias e estiagens; projetos
de irrigação ou abastecimento público. Com
isso, o objetivo deste trabalho é apresentar
métodos desenvolvidos para identificar
anomalias em séries de dados hidrológicos
de cota e precipitação baseados em métodos
numéricos (múltiplos smooth splines) e redes
neurais artificiais (Self-Organizing Maps),
respectivamente. Operando em tempo quase
real, os métodos estimam probabilidades
dos dados serem anômalos e para o caso
dos dados de cota propõem sugestões de
correção das anomalias. São utilizadas séries
históricas de dados medidos automaticamente
pela Companhia Energética de Minas Gerais
(CEMIG) para a aplicação e avaliação dos
resultados, demonstrando bom desempenho
na identificação de anomalias, tanto para cota
quanto para precipitação.
MÉTODOS NUMÉRICOS E INTELIGÊNCIA ARTIFICIAL APLICADOS À DETECÇÃO DE ANOMALIAS EM DADOS HIDROLÓGICOS
-
DOI: 10.22533/at.ed.24719090120
-
Palavras-chave: Consistência de dados, métodos numéricos, probabilidade de anomalia.
-
Keywords: Data quality assurance, numerical methods, anomaly probability.
-
Abstract:
Reliable and consistent
hydrological data, including river stage, river
flow and precipitation, are critical for studies and
operations of all kinds, like: reservoir operation
in hydro power plants, risk management in
floods and dry periods, water supply and
irrigation. This work has the objective to show
the developed methods to identify bad data
in hydrological data series of river stage and
rainfall. These methods are the multiple smooth
splines numerical method and self-organizing
maps artificial neural networks. Working in near
real time schedule, they estimate the probability
of recent data to be an anomaly. For river stage
data the procedure compute suggested values
for data with high anomaly probability. These
methods were applied over historical data
measured by automatic gauges from Power
Agency of Minas Gerais State (CEMIG). The
results showed good performance to identify
-
Número de páginas: 15
- Alana Renata Ribeiro
