Algoritmo do gradiente conjugado escalonado em RNA para a previsão do consumo horário de água em sistemas de abastecimento.

Abstract

Resumo – Este trabalho investiga a utilização do algoritmo do gradiente conjugado escalonado em modelo de redes neurais artificiais na previsão da demanda horária de água em sistemas urbanos de abastecimento, tendo como área de estudo a zona da Alça Leste localizada na região metropolitana de São Paulo. Os dados de entrada do modelo de previsão são referentes à estação Penha. O modelo é testado sazonalmente para as quatro estações do ano. A escolha da técnica de RNA’s para o cálculo da demanda horária de água se deu pelo fato de que, em relação às técnicas de séries temporais do tipo Box-Jenkins, as RNA’s conseguem calibrar com base em período de observações históricas de menor extensão, alcançando resultados praticamente iguais.

Abstract - This work investigates the use of a model of artificial neural networks (ANN) aiming at forecasting the hourly water demand in urban water supply systems. The case study area is located in a branch of the metropolitan area of São Paulo, which is named Alça Leste. The input data are associated to the Penha station . The model is tested for four seasons, winter, spring, summer, autumn. The selected optimization algorithm, introduced by Moller in 1993, is the conjugated gradient method, which is included in the group of the second order algorithms. The choice of the ANN technique to have an estimate of the hourly water demand, is based on the superior advantages when compared to the performance of time series modeling (Box-Jenkins).