INTELIGÊNCIA ARTIFICAL NA MODELAGEM HIDROLÓGICA BRASILEIRA: UMA ABORDAGEM REGIONAL

Código

XXV-SBRH1094

Autores

Pedro Alberto Pereira Zamboni, Andre Almagro, Wesley Nunes Gonçalves, João Lucas Aparecido Rocha Paes, Paulo Tarso Sanches de Oliveira

Tema

10 - Energia, Fontes Renováveis, Hidrologia e Recursos Hídricos

Resumo

A modelagem hidrológica é essencial para compreender e prever processos hidrológicos, facilitando a gestão eficiente dos recursos hídricos. Embora métodos convencionais, como abordagens estatísticas e modelos físico-matemáticos, sejam amplamente utilizados, eles enfrentam desafios ao lidar com a complexidade e não linearidade dos processos hidrológicos. Com os avanços na tecnologia computacional, o aprendizado de máquina, especialmente o deep learning, tem se destacado na modelagem hidrológica, devido à sua capacidade de lidar com dados hidrológicos complexos, multivariados e dinâmicos. Redes neurais recorrentes (RNNs), especialmente a arquitetura LSTM, são amplamente utilizadas na hidrologia devido à sua capacidade de capturar dependências temporais de longo prazo e modelar padrões complexos em sequências temporais, como séries de vazão. Neste estudo, avaliamos o desempenho do algoritmo LSTM, na simulação de vazão em bacias hidrográficas brasileiras. Utilizamos duas abordagens, local e regional, e comparamos os resultados com um modelo hidrológico convencional. Os resultados mostraram que o LSTM supera significativamente o modelo hidrológico convencional (NSE=0,24), principalmente na fase de teste/validação. Além disso, a abordagem regional (NSE=0,64), que treina um único modelo com dados de várias bacias, teve um desempenho superior em relação aos modelos individuais (NSE=0,61). Nossos resultados contribuem para entender as vantagens e desafios do uso de técnicas de aprendizado de máquina na modelagem hidrológica no Brasil. A comparação entre métodos e abordagens diferentes fornece insights e ferramentas valiosas para o gerenciamento dos recursos hídricos, melhorando a compreensão e previsão de eventos hidrológicos, como cheias e secas.