DESEMPENHO DO MACHINE LEARNING PARA O PREENCHIMENTO DE FALHAS EM SÉRIES DE VAZÕES DIÁRIAS E MENSAIS

Código

PAP022405

Autores

Carolina Natel de Moura, Eder Alexandre Schatz Sá, Víctor Luís Padilha, Sílvio Luís Rafaeli Neto

Tema

4 - Hidrologia superficial e hidrometria

Resumo

Séries temporais confiáveis e representativas de vazões são essenciais para os estudos em hidrologia. No entanto, com frequência os hidrólogos encontram séries históricas de vazões com ausência de dados devido a uma variedade de razões. Este trabalho objetiva avaliar o desempenho de Machine Learning, a partir de um modelo de regressão linear, no preenchimento de falhas em séries de vazões diárias e de vazões mensais. O estudo foi realizado com dados de estações hidrológicas localizadas na bacia hidrográfica do Rio Canoas. As falhas foram simuladas e os preenchimentos realizados pelo modelo. Os coeficientes de Nash-Sutcliffe obtidos no desempenho do método nos pares de estações foram 0,75 e 0,85 para Vila Canoas - Rio Bonito, nas escalas diária e mensal, respectivamente; 0,70 e 0,92 para Rio Bonito - Encruzilhada II e 0,79 e 0,86 para Passo Caru - Passo Marombas. Conclui-se que o desempenho do método aplicado nas duas escalas temporais foi bem representadas pelo modelo, com destaque para as séries mensais.