II END - Encontro Nacional de Desastres da ABRHidro

Data: 15/12/2020 à 18/12/2020
Local: Virtual
Mais informações: https://www.abrhidro.org.br/iiend

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

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.

Sistema de publicação de trabalhos técnico ABRhidro - Associação Brasileira de Recursos Hídricos
Desenvolvido por Pierin.com