MONITORAMENTO INTELIGENTE DA QUALIDADE DA ÁGUA: PREDIÇÃO DE ALCALINIDADE NA BACIA DO RIO GUANDU UTILIZANDO TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL

Código

XXVI-SBRH1074

Autores

Diogo Cabral Zaror, Leonard Barreto Moreira, Leila Weitzel Coelho da Silva, Sofia Kitaeva de Broutelles

Tema

F - Processos Hidrológicos e Monitoramento Integrado de Recursos Hídricos

Resumo

Este estudo teve como objetivo predizer os níveis de alcalinidade em amostras de água bruta coletadas em um ponto de captação na bacia do Rio Guandu (RJ). Foram analisados dados físico-químicos coletados a cada 2 horas entre janeiro de 2020 e abril de 2023, totalizando 14.579 amostras. A metodologia empregou modelos de deep learning?GRU, TFT, NHITS e KAN?avaliados pelas métricas MAE, sMAPE e RMSE. O modelo TFT destacou-se com os melhores resultados: MAE de 1,129, sMAPE de 2,7% e RMSE de 1,932, superando os demais (NHITS: MAE=1,481; GRU: MAE=1,274; KAN: MAE=1,234). Os gráficos de treinamento e teste confirmaram alta precisão nas predições, validando sua eficácia. Concluiu-se que o TFT é a abordagem mais adequada para prever alcalinidade nesse contexto, oferecendo potencial aplicação em monitoramento ambiental e gestão hídrica.