PREVISÃO DE MODELO CHUVA-VAZÃO EM UNGAUGED BASINS USANDO REDES NEURAIS ARTIFICIAIS (ANN), UMA ABORDAGEM GENERALIZADA

Código

XXIII-SBRH1567

Autores

Francisco José Matos Nogueira Filho, Victor Costa Porto, Francisco de Assis de Souza Filho, Renan Vieira Rocha

Tema

02 - Hidrologia

Resumo

Acentuada pelas mudanças climáticas, períodos de estresse hídrico e de regiões urbanas e rurais se tornam cada vez mais frequentes. Nesse cenário, a elaboração de modelos chuva-vazão baseados na regionalizados de parâmetros usando características físicas da bacia se fazem necessários, exigindo o uso de técnicas cada vez mais eficientes. Apesar de serem consideradas Métodos Caixa-preta, as Redes Neurais Artificiais (ANN) estão sendo bastante utilizadas por conseguirem aproximar funções não lineares sem grandes dificuldades. O principal objetivo deste trabalho é mostrar a aplicação de técnicas de Machine Learning capazes de regionalizar Ungauged Basins. Para isto, foi realizada a regionalização de vazões para o Estado do Ceará considerando séries históricas de diversas bacias através da biblioteca Tensorflow 2.0-alpha. Também foram utilizados algoritmos como o K-means (Clusterização) e Regressão Stepwise (Seleção de atributos) com o intuito de otimizar os resultados. O modelo final apresentou NASHmed = 0.82, R2med = 0.90 e RMSEmed = 19.12. Dessa forma, podemos concluir que esse modelo de rede neural é capaz de representar vazões históricas com desempenho elevado (NASH > 0.7) para locais que não apresentem dados fluviométricos, porém que apresentam estações pluviométricas e poucas características fisiográficas, sendo elas Área de contribuição da bacia, Comprimento total de Drenagem, Curve number e Parcela da bacia no cristalino que são de fácil obtenção.