REDES NEURAIS ARTIFICIAIS PARA PREVISÃO DE CHEIAS NO RIO TAQUARI, MUNICÍPIO DE SANTA TEREZA, RS

Código

V-END_II-EBHE0217

Autores

Juliana carolino reis, GUILHERME GARCIA DE OLIVEIRA, Fernanda Vier Jung, Josiane Leci Vanin Barbieri

Tema

01 - Metodologias de previsão de eventos geo-hidrológicos

Resumo

As inundações representam eventos hidrológicos extremos impactantes, exigindo o aperfeiçoamento de sistemas de previsão e alerta. Este trabalho avalia o desempenho de Redes Neurais Artificiais do tipo Perceptron Multicamadas (MLP) para previsão de cheias no rio Taquari, para o município de Santa Tereza (RS), considerando horizontes de antecedência de 2 e 8 horas. Foram utilizados dados horários de precipitação e níveis fluviais, entre 2022 e 2025, provenientes de estações da Agência Nacional de Águas e do Serviço Geológico do Brasil, disponíveis no portal HidroTelemetria. As redes foram implementadas em MATLAB, treinadas por retropropagação com gradiente descendente adaptativo, utilizando eventos de cheia separados em conjuntos de treino, validação e teste. Compararam-se duas abordagens: o modelo convencional (CONV), voltado à previsão do nível absoluto futuro, e o modelo alternativo (ALT), baseado na previsão da diferença de nível futuro. Um algoritmo em Python selecionou as melhores combinações de variáveis de entrada, incluindo chuva acumulada, níveis observados e diferenças de nível. O desempenho foi avaliado pelos coeficientes NSE e PME, pelo erro absoluto médio e pelo erro não superado em 95% das amostras. Os resultados indicaram maior estabilidade e precisão dos modelos ALT, especialmente no horizonte de 2 horas. Em 8 horas, o desempenho foi mais heterogêneo, embora os modelos ALT tenham apresentado melhores coeficientes de eficiência. Conclui-se que a abordagem baseada na diferença de nível apresenta potencial operacional para previsão hidrológica de curto prazo.