APLICAÇÕES DE TÉCNICAS DE PROBLEMAS INVERSOS POR MEIO DE REDES NEURAIS ARTIFICIAIS NA SOLUÇÃO DE PROBLEMAS DE PREDIÇÃO

Resumo

Problemas Inversos (PI) constituem uma classe interessante e comum de problemas em ciência e engenharia, estão ligados a obter características ou parâmetros de modelos matemáticos com base no conhecimento reduzido das soluções das correspondentes equações. Segundo Silva Neto (2005) PI’s admitem mais de uma solução em algumas aplicações, em alguns casos tal existência leva á necessidade da implementação de ferramentas matemáticas que permitam ao usuário escolher a melhor solução para o problema. Foi desenvolvido um sistema simples para aplicar técnicas de PI’s por meio de RNA’s na solução de problemas de Predição. No projeto da RNA o tipo de rede escolhido foi multicamadas feedfoward utilizando o algoritmo backpropagation para o treinamento, pois segundo Haykin (2001) são as mais utilizadas neste tipo de problema. O programa foi implementado em C, com interface amigável a entrada de dados. Define-se a estrutura da RNA: o número de neurônios da camada de entrada, oculta e de saída. Depois treina-se a RNA, através do fornecimento de dados de entrada e ajuste dos pesos sinápticos entre os neurônios para obter resultados o mais próximo possível dos resultados desejados na saída. O programa implementado foi usado com sucesso com uma serie de funções teste e o resultado atendeu as expectativas. Como próximo passo pretende-se aplicar o software em estudos de qualidade da água, usando resultados do MOHID. Para verificar os resultados os dados de teste foram utilizados e confrontados com os dados obtidos pela RNA.Constatou-se que PI é uma área de intensa pesquisa e possui significante importância no desenvolvimento da sociedade moderna. A Predição de funções por meio de técnicas de PI usando RNA apresentou um resultado válido para pontos diferentes das funções teste. Uma das vantagens de usar RNA ao invés de métodos estatísticos, neste tipo de problema, é quando a função tem grande quantidade de variáveis ou não é linear.