PREVISÃO DE VAZÕES COM REDES NEURAIS DO TIPO MLP: ESTUDO DE CASO NA SUB-BACIA DO RIO PIRACICABA (MG)

Código

XXVI-SBRH0600

Autores

Taís Fonte Boa de Campos Maia, Marina Marcela de Paula Kolanski, André Ferreira Rodrigues, Bruno Melo Brentan, GUSTAVO MEIRELLES LIMA

Tema

F - Processos Hidrológicos e Monitoramento Integrado de Recursos Hídricos

Resumo

Redes neurais são modelos computacionais capazes de aprender e fazer previsões a partir de dados. Este estudo teve como objetivo avaliar a aplicação de um modelo específico de rede neural, o Perceptron Multicamadas (MLP ? Multilayer Perceptron), na previsão de vazões na bacia hidrográfica do Rio Piracicaba, localizada no estado de Minas Gerais. A modelagem foi fundamentada em 9 estações hidrometeorológicas da Agência Nacional de Águas e Saneamento Básico (ANA). A rede neural foi implementada em ambiente Python, utilizando bibliotecas como PyTorch e Scikit-learn, e testada em diferentes arquiteturas com combinações variadas de neurônios e camadas ocultas. A avaliação do desempenho do modelo considerou dois horizontes diferentes de previsão, 1 e 7 dias, e foi realizada com base nas métricas estatísticas MAE (Erro Absoluto Médio), RMSE (Raiz do Erro Quadrático Médio), NSE (Eficiência de Nash-Sutcliffe) e PBIAS (Tendência de Viés Percentual). O modelo MLP apresentou desempenho satisfatório para horizontes de previsão de 1 dia (MAE = 13,93 m³/s; NSE = 0,90), mas desempenho reduzido em horizontes de 7 dias, principalmente em eventos de alta vazão, sugerindo limitações na capacidade do modelo em capturar picos hidrológicos.