PREVISÃO DE VAZÕES NO RIO IGUAÇU E NO RIO AMAZONAS UTILIZANDO MODELO DE REDES NEURAIS

Código

XXVI-SBRH0376

Autores

Pérsio Puertas Garcia Lorenti, Vagner Przibiciem, Júlio Gomes, DANIEL HENRIQUE MARCO DETZEL

Tema

A - Planejamento e Gestão de Recursos Hídricos e Segurança Hídrica

Resumo

Modelos de previsão de vazões são ferramentas essenciais para a gestão e o planejamento de recursos hídricos, uma vez que podem ser utilizados para prever eventos extremos que impactam significativamente regiões vulneráveis. Entre as opções que podem ser utilizadas para a previsão de vazões de curto e longo prazo estão os modelos de aprendizado de máquina, como a Feedforward neural network (FNN). O presente trabalho visa avaliar a utilização de modelos FNN no rio Iguaçu em União da Vitória e no rio Amazonas em Óbidos para a previsão de vazões médias diárias a partir das vazões anteriores. Os modelos desenvolvidos diferem entre si pela variação de três parâmetros básicos: número de vazões anteriores usadas como entrada (n), sendo n igual a 1, 7 e 30; horizonte de previsão (h) em dias, onde o valor de h foi igual a 1, 2, 7 e 30 para o rio Iguaçu e 1, 7 e 30 para o rio Amazonas; e, por fim, a alteração das séries históricas subtraindo a vazão média mensal das vazões médias diárias. Essas variações resultaram em 42 modelos, os quais tiveram seus resultados avaliados pelo cálculo de parâmetros estatísticos amplamente utilizados em hidrologia. Os resultados mostraram que as características do rio Amazonas em Óbidos levam a modelos com melhor desempenho e que o aumento do horizonte de previsão (h) para o rio Iguaçu em União da Vitória implica em uma grande perda na qualidade das previsões.