APLICAÇÃO DA REDE NEURAL LSTM PARA PREDIÇÃO DE NÍVEL DO RIO CAÍ NO RIO GRANDE DO SUL

Código

XXVI-SBRH0476

Autores

Luciana da Silva Mieres, ARTHUR DA FONTOURA TSCHIEDEL, Elaine Parros Machado de Sousa, CLAUDINEIA BRAZIL

Tema

I - Desastres e Emergência Climática

Resumo

O aumento da frequência e intensidade de eventos naturais extremos, intensificado pelas mudanças climáticas, tem causado sérios danos socioeconômicos, como exemplificado pelas recentes inundações ocorridas no Rio Grande do Sul. Nesse contexto, torna-se fundamental investir na fase de prevenção de desastres, especialmente por meio do uso de tecnologias como a Inteligência Artificial. Diante disso, este estudo avalia a aplicação da rede neural recorrente Long Short-Term Memory (LSTM) para prever o nível do rio Caí, em São Sebastião do Caí/RS, município historicamente afetado por inundações. Para tanto, utilizou-se uma série temporal de 32 anos de dados diários de precipitação e nível do rio, fornecidos pela Agência Nacional de Águas (ANA). O estudo foi subdividido em etapas que consistiram na limpeza e tratamento dos dados, na subdivisão em conjunto de treinamento (70%) e teste (30%), na normalização desses conjuntos e na adaptação ao formato exigido pelo modelo LSTM. O treinamento envolveu a busca pelos melhores hiperparâmetros e a predição foi avaliada por métricas como MSE, RMSE e NSE, demonstrando bom desempenho. Entretanto, ficou evidenciado que melhores resultados estão relacionados à necessidade de ampliação do conjunto de dados que deve ser enriquecido com um número maior de amostras de níveis máximos do rio. Propõe-se, assim, ampliar a série histórica com dados indiretos, como os obtidos por sensoriamento remoto, para melhorar a capacidade do modelo em prever eventos críticos. Em resumo, a LSTM mostrou-se eficaz na previsão de níveis fluviais, com potencial para contribuir na emissão de alertas antecipados e mitigação de desastres.