PREVISÃO DE VAZÕES EM BACIAS DE CABECEIRA: DESAFIOS E OPORTUNIDADES NA APLICAÇÃO DE REDES NEURAIS

Código

XXVI-SBRH0556

Autores

Gabriel Rodrigues Pereira, Rodrigo Perdigão Gomes Bezerra, Bruno Melo Brentan, André Ferreira Rodrigues

Tema

A - Planejamento e Gestão de Recursos Hídricos e Segurança Hídrica

Resumo

Previsões de vazões constituem instrumentos estratégicos fundamentais para a gestão e o planejamento de recursos hídricos, seja para operação de usinas hidroelétricas, predições de eventos extremos, sistemas de alertas, ou ainda para estimativas de disponibilidade hídrica. O cenário torna-se desafiador quando o conjunto de aplicações se concentram em regiões de cabeceira, próximas às nascentes dos cursos d'água, onde, em razão de suas características ambientais, a resposta hidrológica pode apresentar maior variabilidade espacial e temporal. Nesse sentido, propõe-se o uso de uma rede neural recorrente (RNN), do tipo Long Short-Term Memory (LSTM), a fim de realizar previsões em horizontes de um dia, uma semana, um mês e seis meses. O banco de dados fora obtido da base de séries históricas da Agência Nacional de Águas e Saneamento (ANA), de frequência diária, entre 1970-2023. Para verificação e validação do modelo, as seguintes métricas foram selecionadas: Coeficiente de Determinação (R2), Kling-Gupta Efficiency (KGE), Mean Squared Error (MSE), Nash-Sutcliffe Efficiency (NSE) e Percent bias (PBIAS). Como resultado, observou-se melhor desempenho para horizontes de curto e médio prazo, enquanto, para previsões sazonais, maiores foram as incertezas associadas ao modelo. Apesar das dificuldades, a curva de permanência prevista foi próxima à observada, indicando a capacidade do modelo em simular vazões médias, importante para o planejamento de reservatórios (e.g., balanço hídrico e geração de energia). Assim, destacam-se futuras aplicações dessas técnicas para previsão de vazões para Pequenas Centrais Hidrelétricas (PCHs), considerando o potencial energético disponível nessas regiões e a demanda do setor por previsões mais assertivas.