COMPARAÇÃO ENTRE MODELOS ESTATÍSTICOS, ARIMA E TÉCNICAS DE MACHINE LEARNING PARA PREVISÃO DE VAZÕES EM PORTO VELHO, BACIA DO RIO MADEIRA

Código

XXIII-SBRH0224

Autores

Camilla Turon Baran, MARCUS SUASSUNA SANTOS

Tema

02 - Hidrologia

Resumo

As ferramentas de previsão de vazão são fundamentais na gestão de riscos e desastres, em particular na região de Porto Velho/RO (bacia do rio Madeira), que sofre com recorrentes inundações. Os modelos estatísticos são muito utilizados em previsões hidrológicas e têm sido comparados a técnicas mais complexas de inteligência artificial. O objetivo do estudo é implementar diferentes modelos estatísticos e de machine learning para previsão de vazões em Porto Velho e comparar seus desempenhos. Foram testados modelos por decomposição STL, suavização exponencial, regressão linear, ARIMA e regressão dinâmica harmônica. Os modelos de machine learning ajustados foram Support Vector Machine, Random Forest, Bayesian Regularized Neural Networks, Boosted Linear Model e Generalized Linear Model. Foi avaliado o efeito das vazões de Jirau Jusante Beni como variáveis exógenas. A acurácia dos modelos foi avaliada pelos erros médio, absoluto e percentual. Os modelos que obtiveram melhor desempenho foram a regressão dinâmica harmônica e o ARIMA com variável externa. Os modelos de machine learning não se igualaram aos modelos mais simples, por apresentarem maiores erros e maior custo computacional. Os resultados do estudo podem contribuir com a melhoria de ferramentas de previsão de cheias.