PREVISÃO DE VAZÕES COM REDES NEURAIS ARTIFICIAIS NA BACIA DO ALTO PARAGUAI

Código

XXVI-SBRH0264

Autores

Thaiana Todeschini, Frederico Carlos Martins de Menezes Filho

Tema

F - Processos Hidrológicos e Monitoramento Integrado de Recursos Hídricos

Resumo

O aumento da demanda por água, impulsionado pelo crescimento urbano e pela intensificação das atividades agropecuárias, tem ampliado os desafios relacionados à gestão dos recursos hídricos, especialmente em regiões ecologicamente sensíveis como o Pantanal. A Bacia do Alto Paraguai, que compreende o Pantanal, uma das maiores áreas úmidas contínuas do planeta, destaca-se por sua relevância hidrológica. Modelos tradicionais de previsão, baseados em balanço hídrico, requerem grande volume de dados e informações específicas da bacia, o que limita sua aplicabilidade em áreas com escassez de dados. Nesse contexto, modelos baseados em aprendizagem de máquina têm se destacado como alternativas viáveis, por exigirem menor volume de dados e apresentarem bom desempenho na previsão de séries temporais. Entre esses, destacam-se as Redes Neurais Artificiais (RNA), capazes de capturar padrões hidrológicos complexos com elevada acurácia. Dentre as arquiteturas de RNA, a Multi-Layer Perceptron (MLP) tem se mostrado eficaz na modelagem de séries temporais hidrológicas. Este estudo avaliou o desempenho da MLP na previsão de vazões médias mensais na Bacia Hidrográfica do Rio Itiquira, localizada na região do Alto Paraguai, em Mato Grosso, para os horizontes de 3, 6, 9 e 12 meses. Os resultados demonstraram desempenho satisfatório do modelo, com RMSE de 0,013 e NSE de 0,99 para um horizonte de 12 meses. Tais resultados evidenciam a elevada capacidade da MLP em modelar padrões sazonais, reforçando seu potencial como ferramenta de suporte à gestão hidrológica em regiões com escassez de dados.