Avaliação da aplicabilidade de bases físicas em modelo LSTM para Sistemas de Previsão de Cheias: Estudo de Caso da Bacia do Rio Piracicaba

Código

XXVI-SBRH1113

Autores

Rodrigo Perdigão Gomes Bezerra, Pedro Henrique Bernardes Solha, Bruno Melo Brentan, Julian Cardoso Eleutério, André Ferreira Rodrigues

Tema

F - Processos Hidrológicos e Monitoramento Integrado de Recursos Hídricos

Resumo

A previsão de cheias permanece como um desafio relevante na engenharia de recursos hídricos, especialmente diante do aumento na frequência e intensidade de eventos extremos. Modelos baseados em redes neurais recorrentes, como o Long Short-Term Memory (LSTM), têm demonstrado grande potencial para a previsão de vazões por sua capacidade de capturar dependências não lineares e temporais. No entanto, a incorporação de conhecimento hidrológico explícito nesses modelos ainda é limitada. Este estudo propõe o uso do tempo de translado dos hidrogramas entre estações a montante e jusante como parâmetro orientador para a seleção da janela de dados passados utilizada como entrada no modelo LSTM. A hipótese central é que essa abordagem hidrologicamente embasada permite reduzir a inserção de informações redundantes e potencializar a capacidade preditiva do modelo. A metodologia é aplicada à bacia do rio Piracicaba (MG), combinando análise de sensibilidade hidrológica e experimentos computacionais. Os resultados apontam ganhos em desempenho preditivo e coerência hidrológica, reforçando o potencial de modelos mais robustos e interpretáveis para sistemas de previsão de cheias.