PREVISÃO DE COTAS UTILIZANDO REDES NEURAIS ARTIFICIAIS: UM ESTUDO DE CASO NA BACIA DO RIO MURIAÉ (MG)

Código

II-END0012

Autores

Caluan Rodrigues Capozzoli, Ricardo Gabriel Bandeira de Almeida, MARCOS FIGUEIREDO SALVIANO, Vanesca Sartorelli Medeiros, ERICO CHAVES FONTES LIMA

Tema

Estudos relacionados a inundações

Resumo

No Brasil os eventos de inundação são o tipo de desastre natural com maior frequência de registros na base de dados EM-DAT. Nesse contexto, os sistemas de alertas hidrológicos apresentam papel fundamental na mitigação dos impactos sociais e econômicos decorrentes dos eventos de inundação (Kobiyama et al., 2004). Na bacia do rio Muriaé, onde é operado pela CPRM ? Serviço Geológico do Brasil o sistema de alertas para previsão de inundações SACE-Muriaé, tentativas de calibração de um modelo semi-distribuído em escala temporal sub-diária não mostrou resultados satisfatórios o suficiente para aplicação operacional à montante da bacia (SALVIANO, 2019). O objetivo deste trabalho foi desenvolver um modelo de previsão de cotas para estação 58920000 ? Patrocínio do Muriaé (PMU), localizada no município de Patrocínio do Muriaé (MG), em um trecho mais a montante da bacia do rio Muriaé. Para isso, foi realizado o treinamento de um modelo de RNA com leituras de nível d?água convencionais (7h e 17h) como dados de entrada. A capacidade de representação do modelo de RNA foi classificada como boa ou muito boa e apresentou melhores estimativas, ao se comparar com a abordagem convencional RLM, para cotas de pico no período de interesse.