Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/26725| Título: | Filtragem estocástica não linear aplicada ao problema de monitoramento e estimativa de enchentes |
| Autor(es): | Mellos, Julia Zibetti Castilhos de |
| Orientador(es): | Frencl, Victor Baptista |
| Palavras-chave: | Kalman, Filtragem de Modelos matemáticos Monte Carlo, Método de Inundações - Previsão Kalman filtering Mathematical models Monte Carlo method Floods - Forecasting |
| Data do documento: | 28-Out-2020 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | MELLOS, Julia Zibetti Castilhos de. Filtragem estocástica não linear aplicada ao problema de monitoramento e estimativa de enchentes. 2021. Trabalho de Conclusão de Curso (Engenharia de Controle e Automação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2021. |
| Resumo: | Na última década, há um aumento na conscientização sobre a necessidade de prevenção de enchentes, gerando um impulso de melhorar as técnicas de monitoramento e previsão de enchentes, das quais a predição do nível de água é parte crucial. O objetivo desse trabalho é a implementação de filtros estocásticos não-lineares para aplicação em um sistema de monitoramento e estimativa de enchentes, cujo modelo matemático também é não linear. Para isso, realiza-se um estudo da teoria de filtragem estocástica, a partir do Filtro de Kalman (FK), até o Filtro de Kalman Estendido (FKE), o Filtro de Kalman Unscented (FKU), e o Filtro de Particulas (FP). Os estados a serem monitorados em um sistema de estimativa e monitoramento de enchentes são definidos a partir de três modelos matemáticos encontrados na literatura. Os três filtros estocásticos são implementados em MATLAB e as medições dos três modelos matemáticos são geradas via simulação. Quantifica-se o desempenho de cada um dos filtros através da análise de erros, a partir do MSE e do RMSE, e das trajetórias das estimativas realizadas pelos filtros estocásticos, e realiza-se um comparativo entre os filtros e os modelos trabalhados. A aplicação desses filtros estocásticos não-lineares para um modelo matemático não-linear é quantificada nos resultados para os modelos matemáticos encontrados na literatura, permitindo uma comparação entre os filtros e o impacto de suas particularidades para cada modelo matemático. O primeiro modelo matemático apresentou resultados superiores para o FP, em que os erros de estimativa desse filtro estocástico foram consideravelmente menores em relação aos erros apresentados pelos derivados do FK. Para os demais modelos matemáticos, entretanto, os derivados do FK apresentaram melhores performances, em especial o FKU, que realizou as melhores estimativas. |
| Abstract: | In the last decade, there has been an increase in the awareness about flood prevention, creating an impulse to improve flood monitoring and forecasting techniques, of which water level prediction is a crucial part. The purpose of this study is the implementation of non-linear stochastic filters applied to a system of flood level estimation and monitoring, for which the mathematical model is also non-linear. For this reason, a study on the stochastic filtering theory is carried, from the Kalman Filter (KF) to the Extended Kalman Filter (EKF), the Unscented Kalman Filter (UKF), and the Particle Filter (PF). The states to be monitored on a flood level estimation and monitoring system are defined in three different mathematical models found in the literature. The three stochastic filters are implemented using MATLAB and, for all mathematical models, the measurements are generated via simulation. The performance of each filter is quantified through error analysis, from MSE and RMSE, and through the analysis of the stochastic filters’ estimates trajectories, and a comparative between the filters and mathematical models takes place. The application of these non-linear stochastic filters for a non-linear mathematical model is quantified in the results for the mathematical models found in the literature, allowing a comparative of the filters and of the impact of their particularities for each mathematical model to be held. The PF presented superior results for the implementation applied to the first mathematical model, presenting smaller errors when compared to the KF derivatives. For the other mathematical models, however, the KF derivatives had better performances, especially the FKU, which presented the best estimates. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/26725 |
| Aparece nas coleções: | CT - Engenharia de Controle e Automação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| CT_COEAU_2020_1_02.pdf | 7,05 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.