ABSTRACT
Proximity sensors are broadly used in mobile robots for obstacle detection. The traditional calibration process of this kind of sensor could be a time-consuming task because it is usually done by identification in a manual and repetitive way. The resulting obstacles detection models are usually nonlinear functions that can be different for each proximity sensor attached to the robot. In addition, the model is highly dependent on the type of sensor (e.g., ultrasonic or infrared), on changes in light intensity, and on the properties of the obstacle such as shape, colour, and surface texture, among others. That is why in some situations it could be useful to gather all the measurements provided by different kinds of sensor in order to build a unique model that estimates the distances to the obstacles around the robot. This paper presents a novel approach to get an obstacles detection model based on the fusion of sensors data and automatic calibration by using artificial neural networks.
ABSTRACT
Many hydrologic models have been developed to help manage natural resources all over the world. Nevertheless, most models have presented a high complexity regarding data base requirements, as well as, many calibration parameters. This has brought serious difficulties for applying them in watersheds where there is scarcity of data. The development of the Lavras Simulation of Hydrology (LASH) in a GIS framework is described in this study, which focuses on its main components, parameters, and capabilities. Coupled with LASH, sensitivity analysis, parameter range reduction, and uncertainty analysis were performed prior to the calibration effort by using specific techniques (Morris method, Monte Carlo simulation and a Generalized Likelihood Uncertainty Estimation -GLUE) with a data base from a Brazilian Tropical Experimental Watershed (32 km²), in order to predict streamflow on a daily basis. LASH is a simple deterministic and spatially distributed model using long-term data sets, and a few maps to predict streamflow at a watershed outlet. We were able to identify the most sensitive parameters which are associated with the base flow and surface runoff components, using a reference watershed. Using a conservative threshold, two parameters had their range of values reduced, thus resulting in outputs closer to measured values and facilitating automatic calibration of the model with less required iterations. GLUE was found to be an efficient method to analyze uncertainties related to the prediction of mean daily streamflow in the watershed.
Diversos modelos hidrológicos têm sido desenvolvidos no intuito de auxiliar na gestão de recursos naturais em todo o mundo. Porém, a maioria desses modelos apresenta um alto grau de complexidade em relação tanto à necessidade de base de dados, quanto ao número de parâmetros de calibração. Em virtude desses fatores, se torna difícil a aplicação em bacias hidrográficas que têm bases de dados reduzidas. Neste artigo é descrito o desenvolvimento do modelo Lavras Simulation of Hydrology (LASH) em uma estrutura de SIG, buscando enfatizar seus principais componentes e parâmetros, bem como suas potencialidades. Além da descrição do modelo, também foram realizadas a análise de sensibilidade, a redução do intervalo de parâmetros e a análise de incertezas, anteriormente à fase de calibração, utilizando metodologias específicas (método de Morris, simulação de Monte Carlo e o método Generalized Likelihood Uncertainty Equation (GLUE)), com a base de dados de uma bacia hidrográfica experimental tropical brasileira (32 km²), a fim de simular a vazão total média diária. O LASH é um modelo classificado como determinístico e distribuído, que utiliza dados de longo termo e poucos mapas para predizer vazão na seção de controle de bacias hidrográficas. Foi possível identificar os parâmetros mais sensíveis do modelo para a bacia hidrográfica de referência, os quais estão associados com os componentes de escoamento de base e superficial direto. Em função do limiar conservador utilizado neste estudo, foram reduzidos os intervalos de dois parâmetros, dessa forma gerando resultados simulados mais realísticos e também facilitando a calibração automática do modelo com um menor número de iterações necessárias. O método da GLUE mostrou ser eficiente frente à análise de incertezas relacionadas à predição de vazão na bacia de estudo.
ABSTRACT
Many hydrologic models have been developed to help manage natural resources all over the world. Nevertheless, most models have presented a high complexity regarding data base requirements, as well as, many calibration parameters. This has brought serious difficulties for applying them in watersheds where there is scarcity of data. The development of the Lavras Simulation of Hydrology (LASH) in a GIS framework is described in this study, which focuses on its main components, parameters, and capabilities. Coupled with LASH, sensitivity analysis, parameter range reduction, and uncertainty analysis were performed prior to the calibration effort by using specific techniques (Morris method, Monte Carlo simulation and a Generalized Likelihood Uncertainty Estimation -GLUE) with a data base from a Brazilian Tropical Experimental Watershed (32 km²), in order to predict streamflow on a daily basis. LASH is a simple deterministic and spatially distributed model using long-term data sets, and a few maps to predict streamflow at a watershed outlet. We were able to identify the most sensitive parameters which are associated with the base flow and surface runoff components, using a reference watershed. Using a conservative threshold, two parameters had their range of values reduced, thus resulting in outputs closer to measured values and facilitating automatic calibration of the model with less required iterations. GLUE was found to be an efficient method to analyze uncertainties related to the prediction of mean daily streamflow in the watershed.
Diversos modelos hidrológicos têm sido desenvolvidos no intuito de auxiliar na gestão de recursos naturais em todo o mundo. Porém, a maioria desses modelos apresenta um alto grau de complexidade em relação tanto à necessidade de base de dados, quanto ao número de parâmetros de calibração. Em virtude desses fatores, se torna difícil a aplicação em bacias hidrográficas que têm bases de dados reduzidas. Neste artigo é descrito o desenvolvimento do modelo Lavras Simulation of Hydrology (LASH) em uma estrutura de SIG, buscando enfatizar seus principais componentes e parâmetros, bem como suas potencialidades. Além da descrição do modelo, também foram realizadas a análise de sensibilidade, a redução do intervalo de parâmetros e a análise de incertezas, anteriormente à fase de calibração, utilizando metodologias específicas (método de Morris, simulação de Monte Carlo e o método Generalized Likelihood Uncertainty Equation (GLUE)), com a base de dados de uma bacia hidrográfica experimental tropical brasileira (32 km²), a fim de simular a vazão total média diária. O LASH é um modelo classificado como determinístico e distribuído, que utiliza dados de longo termo e poucos mapas para predizer vazão na seção de controle de bacias hidrográficas. Foi possível identificar os parâmetros mais sensíveis do modelo para a bacia hidrográfica de referência, os quais estão associados com os componentes de escoamento de base e superficial direto. Em função do limiar conservador utilizado neste estudo, foram reduzidos os intervalos de dois parâmetros, dessa forma gerando resultados simulados mais realísticos e também facilitando a calibração automática do modelo com um menor número de iterações necessárias. O método da GLUE mostrou ser eficiente frente à análise de incertezas relacionadas à predição de vazão na bacia de estudo.