PREVISÕES DE VAZÕES AFLUENTES COM MODELOS DE MACHINE LEARNING APLICADOS AO RESERVATÓRIO DE TRÊS MARIAS

Código

XXV-SBRH0625

Autores

Antonio Duarte Marcos Junior, Cleiton da Silva Silveira, José Micael Ferreira da Costa, Suellen Teixeira Nobre Gonçalves

Tema

STE23 - Previsão Hidrológica

Resumo

A gestão adequada dos recursos hídricos é importante para garantir a segurança e o abastecimento de água futuro. As previsões de vazões afluentes são ferramentas essenciais na gestão dos recursos hídricos. Diferentes metodologias são utilizadas para a previsão de cenários futuros de vazão como: modelos hidrológicos, estatísticos e machine learning. O modelo hidrológico SMAP é um dos mais utilizados no Brasil, usando como dados de entrada os modelos de previsão de precipitação. Entre os modelos estatísticos estão o PAR e o SARIMA, que podem ser combinados em sua entrada com modelos de previsão de precipitação para aprimorar as previsões. E dentre os modelos de machine learning destaca-se o XGBoost, que tem sido aplicado em problemas de regressão e classificação. Neste trabalho foi realizada a aplicação dos modelos listados para a previsão de vazão na bacia hidrográfica de Três Marias. Os resultados mostram que o XGBoost, combinado com previsões de precipitação do NMME, têm potencial para gerar cenários futuros de vazão mais assertivos que os demais modelos. O modelo PAR, atualmente utilizado em várias bacias hidrográficas do SIN, foi o que apresentou as piores métricas de avaliação. Conclui-se então que as novas técnicas de machine learning podem gerar previsões melhores que a dos métodos tradicionais, para a bacia em estudo.