Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/30640
ORCID:  http://orcid.org/0000-0001-9832-6137
Document type: Dissertação
Access type: Acesso Aberto
Title: Uso de redes neurais artificiais e AHP na redução da subjetividade na seleção de áreas com potencial para coleta de água da chuva
Alternate title (s): Use of artificial neural networks and AHP to reduce subjectivity in the selection of areas with rainwater harvesting potential
Author: Fernandes, Januário Chirieleison
First Advisor: Schmidt, Marcio Augusto Reolon
First member of the Committee: Gonçalves, Rodrigo Mikosz
Second member of the Committee: Silva, Claudionor Ribeiro da
Third member of the Committee: Schmidt, Marcio Augusto Reolon
Summary: Os eventos extremos relacionados às chuvas, cheias e estiagem, apesar de naturais podem tem efeitos indesejados tanto no meio urbano quando rural. Portanto, as técnicas de captação de água da chuva, conhecidas como Rainwater Harvesting (RWH), são vistas como uma alternativa com boa relação de custo benefício para controlar o escoamento superficial. No entanto, para que a sua maior eficiência seja alcançada é necessário que se faça uma avaliação criteriosa da bacia em questão, para identificação das áreas com maior potencial para implantação dessas estruturas. Como essa análise depende de vários fatores, como declividade, uso e cobertura do solo, densidade da rede de drenagem, características hidrológicas do solo e precipitação, a análise de decisão multicritério com suporte a Sistemas de Informação Geográfica (SIGs) tem grande potencial para este fim. Dentro dessa metodologia a Análise Hierárquica de Processo (Analytic Hierarchy Process - AHP), é uma técnica bastante utilizada para a ponderação dos critérios. No entanto, esta técnica vem sendo questionada devido à sua incapacidade de detectar e minimizar as interferências causadas pela subjetividade dos especialistas na ponderação dos critérios. Com isto em vista, o presente trabalho propõe a utilização de Redes Neurais Artificiais como forma de minimizar esta subjetividade na ponderação de critérios para a seleção de áreas com potencial para RWH. Para isso, essas técnicas foram aplicadas à Bacia do Rio Uberabinha, localizada na mesorregião do Triângulo Mineiro e Alto Paranaíba, no estado de Minas Gerais, Brasil. Foi possível observar que apenas o Coeficiente de Consistência (CR) não se mostrou suficiente para a validação da subjetividade da AHP. Observou-se ainda que as redes neurais se mostraram eficientes para combinar os pesos atribuídos pelos especialistas e que o número e a configuração das camadas ocultas não interferiram na combinação dos pesos. No tocante às funções de ativação, observou-se que a logística produziu resultados diferente das outras funções. Por fim, observou-se que o fator que mais interferiu no resultado produzido pelas redes foi a média utilizada como alvo para o treinamento.
Abstract: Extreme events related to rainfall, as floods and drought, although natural, can have undesirable effects in both urban and rural environments. Therefore, rainwater harvesting techniques, known as Rainwater Harvesting (RWH), are seen as a cost-effective alternative to controlling runoff. However, in order to achieve greater efficiency, it is necessary to make a careful evaluation of the watershed in question to identify the areas with the greatest potential for implementation of these structures. As this analysis depends on several factors, such as slope, land use and coverage, drainage network density, soil hydrologic characteristics and precipitation, multicriteria decision analysis with support to Geographic Information Systems (GIS) has great potential for this end. Within this methodology Hierarchical Process Analysis (AHP), is a technique widely used to weigh the criteria. Nonetheless, this technique has been questioned due to its inability to detect and minimize the interference caused by the subjectivity of the specialists in the weighting of the criteria. However, the present work proposes the use of Artificial Neural Networks (ANNs) as a way of minimizing this subjectivity in the weighting of criteria for the selection of areas with potential for RWH. For this, these techniques are applied to the Uberabinha River Watershed, located in the mesoregion of the Triângulo Mineiro and Alto Paranaíba, in the state of Minas Gerais, Brazil. It was possible to sse that the Consistency Ratio (CR) was not enough to evaluate the AHP subjectivity. It was also noted that the neural nets revealed to be effective to combine the weight assigned by the specialists and the hidden layers numbers and settings didn’t interfere in the weight combination. Regarding the activation function, it was noted that the logistic function generated distinct output than the other function. At least, it was noted that the average employed as training target was the main factor to interfere in the nets results.
Keywords: Coleta de água da chuva
Análise de Decisão multicritério
Sistema de Informação Geográfica
Análise Hierárquica de Processo
Rede Neural Artificial
Rainwater Harvesting
Multicriteria Decision Analysis
Geographic Information System
Analytic Hierarchy Process
Artificial Neural Network
Area (s) of CNPq: CNPQ::ENGENHARIAS::ENGENHARIA SANITARIA::RECURSOS HIDRICOS::PLANEJAMENTO INTEGRADO DOS RECURSOS HIDRICOS
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL
Subject: Engenharia Civil
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Engenharia Civil
Quote: FERNANDES, Januário Chirieleison. Uso de redes neurais artificiais e AHP na redução da subjetividade na seleção de áreas com potencial para coleta de água da chuva. 2020. 91 f. Dissertação (Mestrado em Engenharia Civil) - Universidade Federal de Uberlândia, Uberlândia, 2020. DOI http://dx.doi.org/10.14393/ufu.F363u
Document identifier: http://dx.doi.org/10.14393/ufu.F363u
URI: https://repositorio.ufu.br/handle/123456789/30640
Date of defense: 2-Apr-2019
Appears in Collections:DISSERTAÇÃO - Engenharia Civil

Files in This Item:
File Description SizeFormat 
dissertacao_januario.pdf4.88 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons