Do Lógico ao Abstrato: A Ciência no Cotidiano
23 a 28 de outubro de 2017
Trabalho 8763
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Pós-graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Recursos Florestais e Engenharia Florestal |
| Setor | Departamento de Engenharia Florestal |
| Conclusão de bolsa | Não |
| Primeiro autor | Ricardo Rodrigues de Oliveira Neto |
| Orientador | HELIO GARCIA LEITE |
| Outros membros | Ana Carolina de Albuquerque Santos, Crismeire Isbaex |
| Título | Interpolação de dados altimétricos da Bacia Hidrográfica do Alto Rio Jequitinhonha utilizando Redes Neurais Artificiais (RNA). |
| Resumo | As abordagens utilizando metaheuristicas, tais como redes neurais artificiais (RNA)têm representado um expressivo avanço em diversas áreas do conhecimento, modelando problemas de alta complexidade de forma precisa quando os modelos matemáticos são ineficientes para tal. O objetivo deste trabalho foi analisar a acurácia das redes neurais artificiais para interpolação de dados altimétricos, em comparação ao resultado obtido pelo interpolador Topo to raster presente no software Arcgis. A área selecionada para realização deste estudo foi a bacia hidrográfica do Alto Rio Jequitinhonha localizada em Minas Gerais. Foram utilizadas as curvas de nível extraídas das cartas do IBGE por restituição analógicas, na escala de 1:50000, e 260 pontos coletados no local. Com dados, foi gerado um modelo digital de elevação hidrologicamente consistido utilizando o interpolador Topo to raster. Para o treinamento das redes neurais artificiais foram selecionados os pontos de inflexão das curvas de nível considerando as seguintes distâncias entre eles: 50 metros, 100 metros e 200 metros. Após o treinamento da rede, essa foi aplicada aos pontos coletados no campo. As estimativas dos pontos cotados obtidas pela RNA e Topo to raster foram comparadas. Optou-se por avaliar os seguintes critérios estatísticos: dispersão dos erros percentuais, histograma de frequência dos erros percentuais (erro%) e erro médio quadrático (RQEM%). Comparando os resultados verificou se que as RNAs ajustadas obtiveram resultados melhores comparadas com o interpolador Topo to Raster em todos os parâmetros estatísticos comparados.Em relação aos resultados das validações para as diferentes intensidades de amostragem, observa-se, que as amostragens de 100 e 200 metros superestimaram ligeiramente as cotas altimetricas com 50% e 67% dos erros entre +- 5%. Na amostragem de 50 metros foram obtidos os melhores resultados com 65% variando entre +- 5%, com 25 % dos erros variando entre+- 2,5%.Conclui-se neste trabalho que as RNAs podem reduzir o tempo e custo de processamento de um um MDEs devido a redução da base de dados para interpolação. |
| Palavras-chave | Inteligência artificial, Topo to raster, Redes neurais artificiais. |
| Forma de apresentação..... | Painel |