Portal de Periódicos da CAPES

Artigo Acesso aberto Produção Nacional

BIBTEX RIS

MODELOS CHUVA-VAZÃO: USO DE TÉCNICAS DE APRENDIZAGEM DE MÁQUINAS PARA CALIBRAÇÃO DE MODELOS EM UMA PEQUENA BACIA HIDROGRÁFICA

2020; UNIVERSIDADE FEDERAL DE GOIÁS; Issue: 37 Linguagem: Português

10.5216/revgeoamb.vi37.62872

1679-9860

Thiago Boeno Patricio Luiz, T. Schröder,

Flood Risk Assessment and Management

Estimativas de vazões em bacias hidrográficas baseadas em dados de precipitação pluviométrica são extremamente importantes para atividades relacionadas à gestão dos recursos hídricos. A elaboração de cenários de disponibilidade hídrica com boa precisão pode contribuir com os processos de planejamento dos recursos ambientais e evitar possíveis conflitos pelo uso da água. Este trabalho utilizou estruturas baseadas em aprendizagem de máquinas (Machine Learning) para calibrar dois modelos de chuva-vazão em escala diária na Bacia Hidrográfica do Arroio Grande no leste do Rio Grande do Sul. Foram empregados métodos de Redes Neurais Artificiais (RNA) e Gradient Boosting Machine (GBM) com a técnica bootstrap de reamostragem. O objetivo deste trabalho foi avaliar a capacidade dessas técnicas para modelar a série histórica de vazão, considerando-se a influência de dois pluviômetros localizados próximos à estação fluviométrica. A performance das técnicas utilizadas foi verificada por meio do coeficiente de determinação (R²), que atingiu 0,93 para o algoritmo de redes neurais e de 0,99 para o algoritmo de boosting, bem como pelos baixos valores do desvio absoluto. Através dos gráficos de resíduos foi possível observar o bom desempenho de calibração alcançado na aplicação dessas técnicas, onde a técnica GBM apresentou-se levemente superior à de RNA.