APLICAÇÃO DO MODELO DE MACHINE LEARNING M5 MODEL TREE PARA PREVISÃO DE NÍVEIS DIÁRIOS NA BACIA DO RIO URUGUAI

Código

XXIV-SBRH0641

Autores

Camila Dalla Porta Mattiuzi, ARTUR JOSE SOARES MATOS, Franco Buffon

Tema

SE02.F - Previsão hidrológica

Resumo

A previsão da variação dos níveis fluviométricos é essencial para o monitoramento e planejamento das decisões em nível de bacia hidrográfica, principalmente em situações de eventos hidrológicos extremos. A previsão de níveis pode ser realizada a partir de modelos data driven, os quais capturam as relações entre variáveis sem o conhecimento prévio sobre o comportamento do sistema em estudo, como o M5 model tree, cuja principal característica é aprendizado automático e a construção de uma árvore de decisão com regressões lineares a partir de um conjunto de dados fornecido. O objetivo deste trabalho foi desenvolver uma aplicação do modelo de machine learning M5 model tree para realizar a previsão dos níveis na estação Passo São Borja, no Rio Uruguai, para horizontes de 1, 2 e 3 dias, utilizando dados de níveis das estações hidrometeorológicas e precipitação por satélite. Os modelos foram calibrados com dados de 01/01/2015 a 31/12/2018 e validados com dados de 01/01/2019 a 31/08/2018. O algoritmo M5 model tree se mostrou adequado para a construção de modelos de previsão de níveis; os modelos para t+1, t+2 e t+3 obtiveram valores de eficiência de Nash-Sutcliffe variando de 0,97 a 0,91, e Kling-Gupta variando de 0,98 a 0,88, o que aponta um excelente ajuste.