Previsão supervisionada de volume como subsídio à identificação de secas no Sistema Cantareira, São Paulo

Código

XVI-ENAU_VI-SRRU0112

Autores

Raphael Ferreira Perez, Veronica Lima Gonsalez, Darwin Hermilo Cora Quispe, JOAQUIN IGNACIO BONNECARRERE GARCIA

Tema

ENAU - 03 - Gestão de Riscos, Eventos Extremos e Adaptação Climática

Resumo

A previsão de condições futuras de armazenamento em reservatórios é uma ferramenta relevante para antecipar situações de escassez hídrica e apoiar o planejamento de sistemas de abastecimento. Este trabalho avalia o uso de aprendizado de máquina supervisionado para estimar o volume armazenado no Sistema Cantareira, com foco inicial no reservatório Jaguari/Jacareí, principal componente de armazenamento do sistema. Foram utilizadas séries mensais de precipitação, evapotranspiração, total water storage, vazão natural, volume armazenado e variáveis operacionais entre jan/1984 e mar/2024. A partir dessas séries, foram construídos atributos temporais por meio de técnicas de feature engineering, incluindo defasagens, médias móveis, variáveis sazonais e índices padronizados de seca. Três conjuntos de atributos foram avaliados com o algoritmo XGBoost para previsão do volume em horizonte de três meses. O melhor experimento apresentou NSE de 0,675 e correlação de 0,859 no período de teste do modelo. A análise de interpretabilidade SHAP (SHapley Additive exPlanations) indicou maior influência dos atributos: volume atual, vazões operacionais para abastecimento e vazão natural. Os resultados preliminares sugerem que o modelo proposto é promissor como ferramenta de apoio à gestão de recursos hídricos.