Vorhersage des fluviometrischen Index mit Hilfe eines Neuro-Fuzzy-Ansatzes

In dieser Arbeit wird ein Vorschlag für die Überwachung und Vorhersage des Pegels des Amazonas in der Stadt Santarém vorgestellt, wobei ein ANFIS-Ansatz und historische Daten über den jährlichen fluviometrischen Zyklus verwendet werden. Die Daten wurden in den Städten Santarém, Manaus und Itaituba gesammelt und auf den Zeitraum vom 01/03/03 bis 28/02/17 gefiltert. Die Daten wurden analysiert, um Schwellenwerte für Warnungen vor neuen Situationen bei der Überwachung des Flusspegels festzulegen, die die Zeiten der Wassermengen umfassen: Trockenheit, Trockenheit-normal, normal, normal-voll und Hochwasser. Die historischen Reihen können als zuverlässig angesehen werden, da die jährlichen hydrologischen Zyklen der Flüsse klar erkennbar sind. Mit Hilfe von statistischen und computergestützten Lösungen lassen sich solche Vorhersagen mit relativ geringen Fehlerquoten für die Flusspegel automatisieren. Vor diesem Hintergrund wird davon ausgegangen, dass die vorgeschlagene Lösung dazu verwendet werden kann, Maßnahmen zu ergreifen, die die Beeinträchtigung der Stadt Santarém in extremen Situationen der Wassermengen des Amazonas minimieren. Es hat sich gezeigt, dass der vorgeschlagene Ansatz auch in anderen Umgebungen mit hydrologischen Zyklen anwendbar ist und daher möglicherweise auch weltweit eingesetzt werden kann.

Autorentext

Daniel Hannemann est titulaire d'une maîtrise en informatique de l'Université fédérale du Pará (UFPA). Licence en informatique (UNAMA). Spécialisation en bases de données (UNAMA). Assistant technique en informatique entre 2010 et 2012 (CIOP). Analyste de systèmes entre 2012 et 2017 (SEMAS). Technicien en gestion informatique depuis 2018 (SEMAS).