Árvore Modelo Frente a Uma Rede Neural Artificial Para a Modelagem Chuva-Vazão

Abstract

O objetivo deste estudo é investigar o desempenho da árvore modelo (M5P) e sua sensibilidade à poda e comparação com o desempenho de uma Rede Neural Artificial (RNA) para a simulação da vazão média diária mensal. A motivação para esta análise está na maior simplicidade e velocidade de processamento da M5P comparado às RNAs e a carência de estudos aplicando este método na modelagem hidrológica. O estudo foi desenvolvido na bacia hidrográfica do Alto Canoas, tendo um delineamento experimental composto por um período de treinamento, um de validação cruzada e dois períodos de testes. A RNA utilizada foi a Multi Layer Perceptron (MLP), implementada no software MATLAB, e a M5P (com e sem poda), disponível do software WEKA. O algoritmo M5P se mostrou sensível à poda em somente metade dos tratamentos. A M5P apresentou bom ajuste na modelagem, porém a RNA apresentou desempenho superior em todos os tratamentos.Palavras-chave: rede neural artificial; árvore de regressão; Bacia do Alto Canoas. MODEL TREE IN COMPARISON TO ARTIFICIAL NEURAL NETWORK FOR RAINFALL-RUNOFF MODELING ABSTRACT: The aim of this study is to investigate the performance of the model tree (M5P) and its sensitivity to pruning and comparison to the performance of an Artificial Neural network (ANN) for the simulation of daily average discharge of the month. The motivation for this analysis is on simplicity and speed of processing M5P compared the RNAs. The study was developed in the Alto Canoas watershed, having an experiment consisting of a training period, a cross-validation and two testing periods. The ANN used was the Multi Layer Perceptron (MLP), implemented in MATLAB software, and M5P (with and without pruning), available from the WEKA software. M5P algorithm proved sensitive to pruning in half of the treatments. The M5P showed good fit in the modeling, but the RNA presented superior performance in all treatments.Keywords: artificial neural network; regression tree; Basin Alto Canoas.

Streamflow forecasting in Tocantins river basins using machine learning

“…The streamflow forecasting and prognoses of hydrological behavior are often performed using hydrological models, which can be classified as conceptual or empirical (Debastiani et al 2019). 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).…”

Séries Temporais e Técnicas de Regressão: Uma Análise Comparativa a Partir de Dados de Precipitações Pluviométricas Coletados por Estação Meteorológica Automática

“…Ainda assim em alguns meses também aconteceram resultados ainda negativos, não gerando um grupo de modelos adequado a ser utilizado por todo o ano. Analisando os trabalhos relacionados, os resultados ainda não são satisfatórios, mesmo considerando serem outros conjuntos de dados, pois se encontram abaixo de 57,8% obtido pelos [Debastiani et al 2019]. É preciso uma análise aprofundada dos dados da estac ¸ão pluviométrica e aplicar métodos mais robustos, como o MLP usado pelos [Debastiani et al 2019] ou mesmo NARX em [de Mendonc ¸a et al 2021].…”

“…Analisando os trabalhos relacionados, os resultados ainda não são satisfatórios, mesmo considerando serem outros conjuntos de dados, pois se encontram abaixo de 57,8% obtido pelos [Debastiani et al 2019]. É preciso uma análise aprofundada dos dados da estac ¸ão pluviométrica e aplicar métodos mais robustos, como o MLP usado pelos [Debastiani et al 2019] ou mesmo NARX em [de Mendonc ¸a et al 2021]. A metodologia aplicada por [Yan et al 2021] pode ser um caminho a ser usado novamente, visto que trouxe o melhor desempenho.…”

“…O artigo [Debastiani et al 2019] analisou o desempenho da árvore modelo (M5P) e sua sensibilidade à poda e comparac ¸ão com o desempenho da MultiLayer Perceptron (MLP) para a simulac ¸ão da vazão média diária mensal da bacia hidrográfica do Alto Canoas. Além da sua simplicidade e velocidade de processamento, o M5P apresentou bom ajuste na modelagem, porém a MLP apresentou desempenho superior em todos os índice de Nash (NS).…”

“…Como ferramentas computacionais de apoio ao planejamento e gestão dos recursos hídricos, os modelos hidrológicos são instrumentos de alta importância para realizar simulac ¸ões que fornec ¸am subsídios para a regionalizac ¸ão de vazões em bacias hidrográficas, pois permitem a predic ¸ão do regime fluvial [Schroder et al 2020, Debastiani et al 2019.…”