Modelo Hidrológico Híbrido para Previsão de Vazões na Bacia do Rio Piracicaba-MG

Abstract

Resumo Os modelos hidrológicos conceituais e as Redes Neurais Artificiais (RNAs) podem ser associados, caracterizando uma conformação híbrida que represente, ao mesmo tempo, os processos conceituais e não lineares relacionados ao escoamento. O objetivo do trabalho foi avaliar a utilização das RNAs combinadas aos modelos hidrológicos conceituais IPH II e SAC-SMA, de forma a obter um modelo híbrido para estimativa de vazões dos cursos de água da bacia do rio Piracicaba-MG. Como dados de entrada das RNAs foram utilizadas as vazões estimadas com os modelos IPH II e SAC-SMA e como paradigma neural foi empregado o Perceptron de múltiplas camadas. Para o treinamento e a validação das RNAs foram utilizados dados de estações pluviométricas, fluviométricas e meteorológica localizadas na bacia hidrográfica do rio Piracicaba e no seu entorno. A fim de se verificar o desempenho dos modelos híbridos na estimativa das vazões da bacia do rio Piracicaba, as vazões estimadas por esses modelos foram comparadas com as vazões medidas nas estações fluviométricas utilizando-se o erro absoluto médio (MAE); a raiz do erro quadrático médio (RMSE); o viés; o índice de concordância de Willmott (d); e o índice de eficiência de Nash-Sutcliffe (ENS). A utilização das vazões preditas pelo modelo IPH II como dado de entrada das RNAs aumentou a acurácia das estimativas das vazões visto que o erro do modelo híbrido ficou menor. Já a associação das RNAs com o modelo SAC-SMA não proporcionou melhoria das estimativas quando comparada aos resultados advindos da aplicação isolada do referido modelo. Com base nos resultados obtidos pode-se concluir que a associação das RNAs com o modelo hidrológico IPH II, caracterizando uma conformação híbrida, permitiu melhorar as estimativas das vazões diárias na bacia do rio Piracicaba e que a qualidade das estimativas do modelo híbrido depende do modelo conceitual utilizado. Detectou-se, ainda, que os modelos híbridos tiveram melhor desempenho na estimativa das vazões associadas às maiores áreas de drenagem da bacia do rio Piracicaba.

Streamflow forecasting in Tocantins river basins using machine learning

“…Conceptual hydrological models are based on physical characteristics of basins and require large amounts of data, which in many contexts are difficult to be acquired, are unavailable or insufficient for covering all the spatial and time variability (Yang et al 2019). Empirical models, on the other hand, use a system's data series for mathematical functions to establish connections between the target variable of the estimate and the input variables in the system, disregarding the intervening physical processes (Uliana et al 2019).…”