X Simpósio de Recursos
Hídricos do Nordeste
Normalização Gama: Uma alternativa
para a extrapolação de uma Rede Neural
na previsão de vazões
Lara Dantas – UPE – Ecomp
([email protected])
Mêuser Valença – UPE – Ecomp
([email protected])
Roteiro
•
•
•
•
•
•
•
Motivação
Objetivo
Rede Neural
Preparação de dados
Normalização
Resultados
Conclusão
Motivação
• As hidroelétricas são as maiores fontes de
produção de energia elétrica do país.
• As
usinas
apresentam
grande
necessidade de uma maior precisão na
previsão dos valores de vazão.
Objetivo
• Utilizar uma rede neural juntamente com
uma nova técnica de normalização para
realizar previsões de valores de vazões
superiores aos que estão disponíveis na
base de dados para treinamento.
Rede Neural Artificial
• A Rede Neural Artificial (Artificial Neural
Network – ANN) é um modelo que se baseia
no comportamento e funcionamento do
cérebro humano.
• O
cérebro
realiza
processamentos
paralelos e é capaz de tomar decisões
baseadas no processo de aprendizagem.
• Capaz de aproximar funções não-lineares.
Rede Neural Artificial
• A ANN utilizada nesse trabalho foi a Multi
Layer Perceptron (MLP).
• Apresentam 3 camadas:
– Camada de entrada;
– Camada escondida
– Camada de saída.
Preparação dos dados
• A usina de Sobradinho, situada no Rio São
Francisco, foi escolhida como alvo de estudo.
• O histórico utilizado foi de valores diários de
vazão de 1931 à 2007.
• No ano de 1979 ocorreu a maior cheia do
histórico, por isso, foi utilizado para testes e não
durante o treinamento.
• Foram utilizados 14 valores passados para
realizar a previsão de 7 dias a frente.
Normalização dos dados
• Como os dados possuem intervalos de
variação diferentes, se faz necessário a
normalização dos dados para que assim,
a rede neural possa tratá-los com a
mesma ênfase durante o treinamento.
• Existem na literatura diversas técnicas de
normalização:
normalização
linear,
estatística e simples.
Normalização dos dados
• Foi observado que as técnicas existentes não
conseguiam obter bons resultados ao realizar
a previsão no ano onde ocorreu a maior cheia
já registrada, 1979.
• Assim, com o objetivo de melhorar o
rendimento da rede neural, foi proposta a
técnica de normalização utilizando a função
probabilística gama. Ao ser utilizada, todos os
valores ficarão em um intervalo entre 0 e 1.
Normalização dos dados
• Por ser uma função bastante complexa,
foram
desenvolvidos
estudos
que
estabeleceram fórmulas auxiliares para o
cálculo dos parâmetros da função.
• Com todos os dados de vazão preparados,
as fórmulas são aplicadas para todos os
valores.
Normalização dos dados
Tabela com uma amostra dos dados após a normalização
Treinamento da Rede Neural
• Após
os
dados
estarem
devidamente
normalizados foi utilizado o software NeuroHidro
para realizar o treinamento da rede neural.
• Várias simulações foram realizadas e os
melhores valores de taxa de aprendizagem e
momentum foram definidos.
• A parada do treinamento foi feita através de
validação cruzada de forma a evitar o
superajustamento, ou seja, selecionar o ponto
ótimo de parada. (overfit).
Treinamento da Rede Neural
• Taxa de aprendizagem, responsável pelo
ajuste dos pesos durante o processo de
treinamento, foi usado o valor igual a 40%;
• Fator
momentum,
responsável
por
minimizar o risco da rede neural ficar
presa a mínimos locais, foi usado o valor
igual a 80%.
Resultados
• Para explicitar melhor os resultados do
teste da rede neural, foram construídos
dois gráficos que representam a diferença
da técnica de normalização normalmente
utilizada (linear) e a técnica proposta.
Resultados
Conjunto de dados normalizados com a técnica linear
Resultados
Conjunto de dados normalizados com a técnica probabilística
Conclusão
• Conforme se pode observar nos dois gráficos
mostrados acima, a técnica de normalização
proposta neste artigo obteve melhores
resultados. Isso é constatado ao realizar a
comparação entre as duas figuras, onde é
possível notar que com a normalização
utilizando a função gama, a curva dos
valores previstos ficou mais próxima da curva
dos valores reais, caracterizando uma melhor
previsão de vazão.
Obrigada.