IMPACTO DO USO DE DIFERENTES FONTES DE DADOS NA MODELAGEM HIDROLÓGICA UTILIZANDO REDES NEURAIS RECORRENTES

Código

XXIV-SBRH0199

Autores

João Marcos Carvalho, Carolina Natel de Moura, DANIEL HENRIQUE MARCO DETZEL, LEANDRO MARIO AVILA RANGEL

Tema

SE09.B - Aprendizado de Máquina na Área de Recursos Hídricos

Resumo

Nos últimos anos houve um aumento no número de fontes de dados hidrológicos disponíveis que possibilitam análises hidrológicas de larga escala, contudo o impacto de diferentes fontes na modelagem hidrológica ainda é pouco explorado. Este trabalho avaliou o impacto do uso de 4 diferentes fontes de dados de precipitação na previsão de vazão diária utilizando a Rede Neural Recorrente (RNN) do tipo Long-Short Term Memory (LSTM). Para isso foram simuladas vazões diárias para 114 bacias distribuídas nas 12 regiões hidrográficas brasileiras, através das seguintes bases de dados: rede hidrometeorológica nacional brasileira (HidroWeb), dados hidrometeorológicos consistidos (CAMELS-BR) e dois modelos meteorológicos globais de reanálise (CFSv2 e ECMWF). Os resultados obtidos indicaram que todas as quatro bases de dados possuem capacidades similares de previsão de vazões, sendo que os dados do modelo CFSv2 foram os que apresentaram os piores resultados gerais. Agregando a esses resultados, o modelo de redes neurais foi capaz de representar satisfatoriamente parte das bacias escolhidas, porém outros métodos de definição dos hiperparâmetros da rede podem vir a melhorar ainda mais esses resultados.