Please use this identifier to cite or link to this item:
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/28043
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.creator.ID | MENEZES, P. L. | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/9781159016378038 | pt_BR |
dc.contributor.advisor1 | AZEVEDO, Carlos Alberto Vieira de. | - |
dc.contributor.advisor1ID | AZEVEDO, C. A. V. | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/4086387731166686 | pt_BR |
dc.contributor.advisor2 | EYNG, Eduardo. | - |
dc.contributor.advisor2ID | EYNG, E. | pt_BR |
dc.contributor.advisor2Lattes | http://lattes.cnpq.br/1101075438495044 | pt_BR |
dc.contributor.referee1 | LIMA, Vera Lúcia Antunes de. | - |
dc.contributor.referee1ID | LIMA, V. L. A. | pt_BR |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/5379077061489077 | pt_BR |
dc.contributor.referee2 | DANTAS NETO, José. | - |
dc.contributor.referee2ID | DANTAS NETO, J. | pt_BR |
dc.contributor.referee3 | AZEVEDO, Márcia Rejane de Queiroz Almeida. | - |
dc.contributor.referee3ID | AZEVEDO, M. R. Q. A. | pt_BR |
dc.contributor.referee4 | APRÍGIO, Antônio. | - |
dc.contributor.referee4ID | APRÍGIO, A. | pt_BR |
dc.description.resumo | A eficiência de um sistema de irrigação por aspersão depende do desempenho do aspersor, que é dependente de algumas características como diâmetro do bocal, pressão de operação, velocidade e direção do vento, disposição e espaçamento no campo. A determinação dos coeficientes de uniformidade e a eficiência dos sistemas de aspersão dependem, em geral, de ensaios em campo que envolvem tempo e recursos financeiros. Uma alternativa para reduzir custo e tempo é a utilização de simulações para estimar os valores de precipitação ou dos coeficientes de uniformidade e eficiência. Neste trabalho foi proposta e testada a aplicação de uma rede neural artificial (RNA) do tipo Perceptron Multicamadas para simular a precipitação de um aspersor cujos parâmetros de entrada são os valores de pressão de operação, velocidade do vento, direção do vento e diâmetro do bocal do aspersor. Ensaios foram feitos em campo com um aspersor operando em uma malha de 16 x 16 coletores com espaçamento de 1,5 m, e diferentes combinações de bocais, pressões e condições de vento. Uma rede neural artificial foi treinada com vista a simular e estimar os valores de precipitação para o aspersor, dentro das condições ensaiadas. O modelo RNA apresentou bons resultados na simulação da precipitação com correlação de Spearman entre os dados obtidos em ensaio de campo e os dados simulados, apresentado valores entre 0,92 e 0,97 para dez ensaios analisados. Para a correlação entre o perfil de distribuição com os dados simulados pelo modelo RNA e os dados obtidos em ensaio de campo foram observados, para os mesmos dez ensaios, valores de coeficiente R2 de 0,95 a 0,99. O modelo RNA mostrou-se promissor na simulação da precipitação de aspersores em sistemas de irrigação por aspersão. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Centro de Tecnologia e Recursos Naturais - CTRN | pt_BR |
dc.publisher.program | PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA | pt_BR |
dc.publisher.initials | UFCG | pt_BR |
dc.subject.cnpq | Engenharia de Agrícola. | pt_BR |
dc.title | Desenvolvimento de modelos em redes neurais para simulação de precipitação na irrigação por aspersão. | pt_BR |
dc.description.abstract | The efficiency of a sprinkler irrigation system depends on the performance of the sprinkler head, which is dependent on certain characteristics such as nozzle diameter, operating pressure, wind speed and direction, and layout and spacing in the field. Determining the coefficients of uniformity and the efficiency of sprinkler systems usually depends on field trials requiring time and financial resources. One alternative to reduce time and expense is the use of simulations to estimate the values of water distribution or the coefficients of uniformity and efficiency. In this study, we proposed and tested the application of a multilayer perceptron-type artificial neural network (ANN) to simulate the precipitation of a sprinkler having as input parameters the values of operating pressure, wind speed, wind direction, and sprinkler nozzle diameter. Trials were performed in the field with sprinklers operating in a grid of 16 x 16 collectors with 1.5 meter spacing, with different combinations of nozzles, pressures, and wind conditions. An artificial neural network was trained to simulate and estimate the water distribution values for the sprinkler at conditions tested. The ANN model showed good results in the simulation of precipitation, with the Spearman correlation ( ) between the data obtained in the field trial and the simulated data having values between 0.92 and 0.97 for the ten trials analyzed. For the correlation between the distribution profile with the data simulated by the ANN model and the data obtained in field trials, for the same ten trials, R2 coefficient values of 0.95 to 0.99 were observed. The ANN model shows promise in the simulation of water distribution of sprinklers in sprinkler irrigation systems. | pt_BR |
dc.identifier.uri | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/28043 | - |
dc.date.accessioned | 2022-11-28T18:44:32Z | - |
dc.date.available | 2022-11-28 | - |
dc.date.available | 2022-11-28T18:44:32Z | - |
dc.type | Tese | pt_BR |
dc.subject | Redes neurais artificiais - modelos | pt_BR |
dc.subject | Simulação da precipitação - irrigação por aspersão | pt_BR |
dc.subject | Irrigação por aspersão | pt_BR |
dc.subject | Irrigação e drenagem | pt_BR |
dc.subject | Modelagem e simulação | pt_BR |
dc.subject | Modelo computacional | pt_BR |
dc.subject | Aspersores | pt_BR |
dc.subject | Uniformidade de distribuição - irrigação | pt_BR |
dc.subject | Sistema de irrigação por aspersão | pt_BR |
dc.subject | Coeficientes de uniformidade - sistemas de aspersão | pt_BR |
dc.subject | Rede neural artificial perceptron multicamadas | pt_BR |
dc.subject | Perceptron multicamadas - rede neural artificial | pt_BR |
dc.subject | Algoritmo de treinamento backpropagation | pt_BR |
dc.subject | Artificial neural networks - models | pt_BR |
dc.subject | Precipitation simulation - sprinkler irrigation | pt_BR |
dc.subject | Sprinkler irrigation | pt_BR |
dc.subject | Irrigation and drainage | pt_BR |
dc.subject | Modeling and simulation | pt_BR |
dc.subject | Computational model | pt_BR |
dc.subject | Sprinklers | pt_BR |
dc.subject | Distribution uniformity - irrigation | pt_BR |
dc.subject | Sprinkler irrigation system | pt_BR |
dc.subject | Uniformity coefficients - sprinkler systems | pt_BR |
dc.subject | Multilayer perceptron artificial neural network | pt_BR |
dc.subject | Backpropagation training algorithm | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.creator | MENEZES, Paulo Lopes de. | - |
dc.publisher | Universidade Federal de Campina Grande | pt_BR |
dc.language | por | pt_BR |
dc.title.alternative | Development of models in neural networks for simulation of precipitation in sprinkler irrigation. | pt_BR |
dc.identifier.citation | MENEZES, Paulo Lopes de. Desenvolvimento de modelos em redes neurais para simulação de precipitação na irrigação por aspersão. 2014. 91f. (Tese de Doutorado) Programa de Pós-Graduação em Engenharia Agrícola, Centro de Tecnologia e Recursos Naturais, Universidade Federal de Campina Grande - Paraíba - Brasil, 2014. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/28043 | pt_BR |
Appears in Collections: | Doutorado em Engenharia Agrícola. |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
PAULO LOPES DE MENEZES - TESE PPGEA CTRN 2014.pdf | Paulo Lopes de Menezes - Tese PPGEA CTRN 2014 | 7.59 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.