LSTM BASED SHORT TERM RIVER FORECASTING IN A HIGHLY URBANZED BASIN USING BAYESIAN HYPERPARAEMETER OPTIMIZATION

Código

XVI-ENAU_VI-SRRU0073

Autores

Thiago Masaharu Osawa, Dário Hachisu Hossoda, José Rodolfo Scarati Martins

Tema

ENAU - 02 - Processos Hidrológicos Urbanos, Modelagem e Qualidade da Água

Resumo

Este estudo avaliou um modelo HydroEcoLSTM baseado em LSTM para previsão do nível da água com antecedência de 120 min na estação [DH1.1][To1.2]de monitoramento, localizada na Bacia do Rio Tamanduateí, São Paulo, Brasil. Foi utilizada uma base hidrometeorológica de 10 min entre 2015 e 2025, com 20 postos pluviométricos selecionados como entradas e o nível do rio como variável-alvo. Os hiperparâmetros foram otimizados com Optuna, utilizando otimização Bayesiana, parada antecipada e poda por mediana. A otimização final avaliou 162 tentativas, com 138 completas e 24 podadas. O melhor modelo individual apresentou RMSE = 0,296 m, MAE = 0,158 m, NSE = 0,798 e KGE = 0,821 no período de teste independente, enquanto o ensemble dos três melhores modelos mostrou desempenho comparável e mais estável. Entretanto, a análise dos resíduos indicou forte autocorrelação temporal, e a avaliação por eventos mostrou limitações na reprodução do tempo de pico, magnitude do pico e volume do hidrograma. Os resultados indicam que modelos LSTM são promissores para previsão urbana de curto prazo, mas requerem melhorias para eventos extremos e sistemas operacionais de alerta.