APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA A MODELAGEM HIDROLÓGICA DE BACIAS HIDROGRÁFICAS
Nome: LAISI BELLON CESCONETTO
Tipo: Tese de doutorado
Data de publicação: 30/08/2021
Orientador:
Nome |
Papel |
|---|---|
| ROBERTO AVELINO CECÍLIO | Co-orientador |
| SIDNEY SARA ZANETTI | Orientador |
Banca:
| Nome |
Papel |
|---|---|
| ELIAS FERNANDES DE SOUSA | Examinador Externo |
| MARCO AURÉLIO COSTA CAIADO | Examinador Externo |
| MICHEL CASTRO MOREIRA | Examinador Externo |
| ROBERTO AVELINO CECÍLIO | Coorientador |
| SIDNEY SARA ZANETTI | Orientador |
Resumo: A água é um recurso natural imprescindível à manutenção da vida. É um elemento essencial para o desenvolvimento da agricultura, manutenção de ecossistemas, desenvolvimentos de florestas, dentre outros. O crescimento populacional e, consequentemente, o aumento na demanda hídrica, tem promovido o desenvolvimento de estudos sobre as técnicas que contribuam positivamente para o gerenciamento dos recursos hídricos. Atualmente existem muitos modelos hidrológicos, porém alguns desses modelos requerem uma grande quantidade de variáveis. Entretanto, os avanços computacionais, atrelado à inteligência artificial, tem permitido a formulação de melhores modelos para a estimativa de variáveis hidrológicas. As redes neurais artificiais (RNAs) são ferramentas eficientes, multivariadas e não lineares, e as que utilizam o método multilayer perceptron (MLP) tem sido as mais utilizadas na modelagem dos recursos hídricos. Assim, o objetivo deste trabalho foi desenvolver um método de simulação de vazões diárias totais por meio da utilização de RNAs e avaliar a aplicabilidade para estimar vazões de referência. Foram geradas séries sintéticas de dados diários de vazão a partir de dados diários de precipitação e outras variáveis testadas (área e o mês). O processo de escolha do modelo foi embasado em índices estatísticos. As RNAs utilizadas neste trabalho foram do tipo MLP contendo três camadas. Inicialmente, foi proposto um modelo geral para toda a região aplicada no estudo de caso (estado do Espírito Santo, região Sudeste do Brasil) e o treinamento das redes ocorreu de forma simultânea para toda a base de dados, porém sempre deixando de fora os dados de uma estação fluviométrica, representando a amostra de teste. Além disso, também foram testados modelos aplicados em agrupamentos e em pares de estações. Para o modelo geral, considerando as variáveis de entrada proposta por Vilanova, Zanetti e Cecílio (2019), observou-se que os valores de NSE e NSElog foram superiores a 0,30, com exceção dos testes feitos nas bacias hidrográficas dos Rios São Mateus, Jucu e Santa Joana, onde os resultados foram piores. Constatou que a inclusão das precipitações acumuladas de dias anteriores, do número do mês e da área de drenagem, simultaneamente, resultou em uma melhoria mais expressiva nos resultados. Já para os modelos aplicados nos agrupamentos houve melhora apenas para o agrupamento 1. Para o modelo aplicado aos pares de estações, de forma geral, não houve melhoria nos resultados. Com relação as vazões de referência, houve uma tendência de superestimativa na q7,10 estimada pelos modelos geral, por agrupamento e por pares, em relação a q7,10 estimada com os dados registrados. Entretanto, para a q90 notou-se uma melhora expressiva nos resultados obtidos quando o modelo foi aplicado no agrupamento 2. Já para as vazões médias, observou-se que há uma tendência de superestimativa em relação a qmld dos dados registrados; entretanto os erros percentuais médios da vazão média simulada pelos modelos na região Metropolitana foram inferiores aos estimados pelo método tradicional de regionalização de vazões. Sendo assim, pode-se considerar que o modelo RNA proposto é viável na estimativa das vazões e a escolha da amplitude espacial de aplicação do método dependerá da disponibilidade de dados registrados e do objetivo do trabalho.
Palavras chaves: modelagem hidrológica, rede neural artificial, modelo chuva-vazão, simulação de vazão.
