Navegando por Assunto "Redes neurais recorrentes"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Estudo e aplicação de redes neurais recorrentes para a imputação de dados em monitoramento da integridade de estruturas civis(2019) HOUNSOU, Israël Sèwanou; SILVA, Moisés Felipe Mello da; http://lattes.cnpq.br/8154941342611201; SALES JUNIOR, Claudomiro de Souza de; http://lattes.cnpq.br/4742268936279649Na contemporaneidade, novos desenvolvimentos e métodos tecnológicos estão sendo utilizados como parte de um processo denominado de Monitoramento de Integridade Estrutural (em Inglês Strutural Health Monitoring - SHM). O SHM consiste no desenvolvimento de estratégias para detecção, prevenção e caracterização de danos indesejáveis em estruturas civis e mecânicas de comportamento estático (i.e., prédios, pontes, ferrovias) e dinâmicos (i.e., satélites, veículos, equipamentos industriais). Um grande número de sensores coleta as informações em um intervalo de tempo, o que pode gerar uma quantidade elevada de dados que precisam ser transmitidos e armazenados. No entanto, a falha ou outros problemas de funcionamento podem causar a perda de dados, o que impacta diretamente análise e tomada de decisões. Para contornar esse problema, uma nova técnica aparece: A Imputação de dados. Um processo de imputação basicamente substitui os dados perdidos por valores adequados correspondentes a região de dados faltantes; “preenche” os dados perdidos da aplicação com valores plausíveis. Essa imputação é uma prática de preenchimento de dados faltantes e evita a complexidade gerada pelos dados faltantes. Para isto que este trabalho procederá a um estudo comparativo de várias técnicas de imputação referindo-se à imputação por média, moda, regressão, knn e redes neurais recorrentes. Baseado nisto, este trabalho propõe um método de avaliação compara a taxa de erros gerada na detecção de danos. Os métodos foram testados utilizando conjuntos de dados de um sistema de monitoramento instalados na ponte Z-24 (Suíça), que foi submetida a condições de variabilidades diversas, além de ensaios progressivos de dano. A ocorrência de dados ausentes foi feita de maneira artificial. Os resultados mostram que a imputação por rede neural recorrente fornece os melhores resultados.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Previsão de vazão afluente da UHE-Tucuruí por redes neurais recorrentes LSTM(2022-07-11) SANTOS, Ayla Lis Lopes; TEIXEIRA, Raphael Barros; http://lattes.cnpq.br/4902824086591521A previsão de vazões afluentes aos reservatórios das usinas hidrelétricas é de grande importância na otimização do planejamento de operação, e tem como objetivo apresentar um cenário futuro que poderá impactar no processo de geração de energia através do aumento ou diminuição de vazão afluente prevista. Neste processo de previsão são geralmente utilizados modelos matemáticos computacionais baseados em redes neurais. Neste trabalho apresentamos um estudo da aplicação de Redes Neurais Recorrentes Long Short-Term Memory (LSTM) no problema de previsão de vazão afluente diária da Usina Hidrelétrica (UHE) de Tucuruí localizada na Bacia Hidrográfica Tocantins Araguaia, no horizonte de 1 até 7 dias à frente, considerando as séries históricas de dados medidos pela Agência Nacional de Águas (ANA) de UHE’s localizadas à montante do seu reservatório. Os resultados obtidos através do treinamento do modelo, mostraram viabilidade de sua aplicação para previsão de vazão afluente diária por meio dos testes e análises realizadas ao longo do trabalho, onde o ajuste de cada cenário apresentado ficou em aproximadamente 91% ao ser realizada a comparação entre os valores computacionais, com a porção dos dados originais do conjunto separados para a validação.