Título
PREVISÃO HIDROLÓGICA NA BACIA HIDROGRÁFICA DO RIO MACAÉ COM REDES NEURAIS
Orientador(a)
Orientadora: Profa. Janaina Sant’Anna Gomide Gomes
Co-orientador: Prof. Rafael Malheiro da Silva do Amaral Ferreira
Resumo
A previsão hidrológica é uma ferramenta útil para lidar com problemas socioambientais e técnicos, podendo ser utilizada em sistemas de alertas de desastres naturais, gerenciamento de obras hídricas e como auxílio na tomada de decisão de políticas públicas. Baseado nisso, esse trabalho apresenta a aplicação de um modelo hidrológico baseado em Redes Neurais Artificiais do tipo perceptron de múltiplas camadas (MLP), a fim de prever o nível da estação fluviométrica Fazenda Airis situada na bacia hidrográfica do rio Macaé. Para tal, foram utilizados registros diários de estações fluviométricas e pluviométricas, do período de 2010 a 2013, disponibilizados pela Agência Nacional de Águas (ANA) e pelo Sistema de Alerta de Cheias do Instituto Estadual do Ambiente (INEA). A metodologia adotada investiga a influência das variáveis de entrada e arquitetura nas redes no desempenho dos modelos. Os resultados obtidos foram considerados muito satisfatórios e sustentam a proposição do potencial das Redes Neurais Artificiais para previsão hidrológica. Obteve-se que dos 189 modelos criados 42,3% tiveram o coeficiente de determinação R2 acima de 0,80. A melhor RNA desenvolvida recebeu dados diários de 6 estações pluviométricas e de 1 estação fluviométrica, obtendo para as métricas R2, MAE os valores 0,88 e 7,03 cm, respectivamente. Por fim, os resultados ainda foram comparados com modelos desenvolvidos em trabalhos relacionados.
Abstract
Hydrological forecasting is a valuable tool for dealing with socio-environmental problems, and it can be used in natural disaster alert systems and as assistant aid in making public policies. This work presents an application of a hydrological model based on Artificial Neural Networks (ANN). The variable modeled was the flood stage of the fluviometric station Fazenda Airis, located in the drainage basin of the Macaé River. To this end, were used daily records of flow and rainfall stations between 2010 to 2013, made available by the National Water Agency (ANA) and the INEA Flood Alert System, were used. The adopted methodology investigates the influence of the input variables and ANN architecture on the models’ performance. The results obtained were considered very satisfactory and support the proposition of the potential of Artificial Neural Networks for hydrological forecasting. It was found that of the 189 models created, 42.3 % had the coefficient of determination R2 above 0.80. The best ANN developed received daily data from six rainfall stations and one fluviometric station, obtaining for metrics R2, MAE the values of 0.88, 7.03 cm, respectively. Finally, The results were compared with related works.
