Use este identificador para citar ou linkar para este item: https://repositorio.ufms.br/handle/123456789/1587
Tipo: Artigo de Periódico
Título: Estimativa da erosividade local das chuvas, utilizando redes neurais artificiais
Autor(es): Alves Sobrinho, Teodorico
Pertussatti, Caroline Alvarenga
Rebucci, Lais Cristina Soares
Oliveira, Paulo Tarso Sanches de
Abstract: A obtenção de valores locais de erosividade da chuva é fundamental para a estimativa da perda de solo a partir do modelo Universal Soil Loss Equation (USLE), sendo assim, útil no planejamento conservacionista do solo e da água. Desse modo, objetivou-se no presente estudo, desenvolver uma Rede Neural Artificial (RNA) capaz de estimar, com precisão satisfatória, a erosividade da chuva em qualquer localidade do Estado de Mato Grosso do Sul. Para tanto, foram utilizados dados de erosividade da chuva, latitude, longitude e altitude de estações pluviométricas e pluviográficas localizadas no Estado para o treinamento e teste de uma RNA. Após o treinamento com várias configurações de rede, selecionou-se a que apresentou melhor desempenho, ou seja, maior coeficiente de determinação, calculado com base nos dados de erosividade da amostra teste e dos respectivos valores estimados pela RNA. Na avaliação dos resultados obtidos, foram utilizados, além do coeficiente de determinação, o índice de confiança e o índice de concordância. Verificou-se que é possível estimar a erosividade da chuva para qualquer localidade do Estado de Mato Grosso do Sul, de forma confiável, utilizando-se apenas dados de coordenadas geográficas e altitude.
ABSTRACT - The information retrieval of local values of rainfall erosivity is essential for soil loss estimation with the Universal Soil Loss Equation (USLE), and thus is very useful in soil and water conservation planning. In this manner, the objective of this study was to develop an Artificial Neural Network (ANN) with the capacity of estimating, with satisfactory accuracy, the rainfall erosivity in any location of the Mato Grosso do Sul state. We used data from rain erosivity, latitude, longitude, altitude of pluviometric and pluviographic stations located in the state to train and test an ANN. After training with various network configurations, we selected the best performance and higher coefficient of determination calculated on the basis of data erosivity of the sample test and the values estimated by ANN. In evaluating the results, the confidence and the agreement indices were used in addition to the coefficient of determination. It was found that it is possible to estimate the rainfall erosivity for any location in the state of Mato Grosso do Sul, in a reliable way, using only data of geographical coordinates and altitude.
Palavras-chave: Inteligência Artificial
Artificial Intelligence
Redes Neurais (Computação)
Neural Networks (Computer Science)
Solos - conservação
Soil Conservation
Erosão
Erosion
Editor: Revista Ambiente & Água - An Interdisciplinary Journal of Applied Science
Tipo de Acesso: Acesso Aberto
URI: https://repositorio.ufms.br/handle/123456789/1588
Data do documento: 2011
Aparece nas coleções:FAENG - Artigos publicados em periódicos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Teodorico Alves Sobrinho CCET 2.pdf236,27 kBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.