Modelagem Hidrológica: Comparação entre o Modelo Monte Carlo e um Modelo de Rede Neural do tipo Multi-Layer Perceptron

Código

XXVI-SBRH1059

Autores

Erickson Johny Galindo da Silva, Bruno Melo Brentan, André Ferreira Rodrigues

Tema

F - Processos Hidrológicos e Monitoramento Integrado de Recursos Hídricos

Resumo

Este estudo investiga o desempenho comparativo entre um modelo hidrológico concentrado baseado em processos físicos (MILC) e uma rede neural artificial do tipo Multi-Layer Perceptron (MLP) na previsão de vazões na bacia do rio Capibaribe, região semiárida do Brasil. Utilizando dados do CAMELS-BR e séries de precipitação, evapotranspiração e vazão, o MILC foi calibrado por simulação de Monte Carlo, enquanto o MLP foi treinado com séries temporais normalizadas para horizontes de predição de 1 e 7 dias. Os resultados mostraram que o MILC possui maior coerência física, porém apresentou limitações na representação dos picos de cheia. O MLP apresentou melhor desempenho preditivo em curto prazo, mas gerou valores negativos de vazão em predições mais longas, indicando a ausência de restrições físicas. A análise revela que a bacia possui baixa memória hidrológica, o que dificulta a generalização dos modelos. Conclui-se que ambos os modelos são complementares e que o uso de técnicas de inteligência artificial explicável (XAI) pode contribuir para melhor interpretar as predições e apoiar a gestão hidrológica em contextos críticos.