Produção Nacional
Aplicação de redes neurais artificiais para previsão de enchentes no rio Itajaí-Açu em Blumenau, SC, Brasil
2021; Escola Superior de Sustentabilidade; Volume: 12; Issue: 4 Linguagem: Português
10.6008/cbpc2179-6858.2021.004.0053
ISSN2179-6858
AutoresGabriel Barreto Alberton, Dirceu Luís Severo, Mateus Nascimento Vieira de Melo, Hélio Potelicki, Andreza Sartori,
Tópico(s)Hydrology and Watershed Management Studies
ResumoAs redes neurais artificiais (RNA) têm sido utilizadas com sucesso em previsões de variáveis baseadas em acontecimentos anteriores, porém, escassos são os estudos sobre a aplicação dessa solução à previsão de níveis de rio em eventos de enchentes. Este estudo teve como objetivo avaliar a aplicação de RNA para previsão em curto prazo dos níveis do rio Itajaí-Açu no município de Blumenau, Santa Catarina, Brasil. O município foi escolhido como área de estudo por seu extenso histórico de inundações. Utilizou-se para o treinamento das redes dados de chuva e de nível do rio das estações telemétricas do Sistema Nacional de Informações sobre Recursos Hídricos (SNIRH) da Agência Nacional de Águas (ANA) localizadas na bacia hidrográfica do rio Itajaí-Açu. Ambos dados apresentam frequência de 15 min. Foram selecionados 7 eventos hidrológicos de alerta registrados pela estação limnimétrica instalada no município de Blumenau. Os dados foram coletados e reunidos de acordo com sua localização e tipo, e foram escalados à mesma unidade de medida: cm para níveis e mm para dados de precipitação. Foram utilizados dois tipos de redes: Long Short Term Memory (LSTM) e Multi Layer Perceptron (MLP). Para avaliação de desempenho dos modelos, utilizou-se os seguintes parâmetros: coeficiente de determinação (R2), o Coeficiente de Eficiência de Nash-Sutcliffe (NSE), a Raíz do Erro Quadrático Médio (RMSE), Erro Quadrático Médio (MSE), o Erro Médio Absoluto (MAE) e a Média Percentual Absoluta do Erro (MAPE). Para o modelo com melhor desempenho – modelo LSTM com horizonte de previsão de 6 h – obteve-se: R2 = 0,996594; NSE = 0,9995548; RMSE = 7,72 cm; MSE = 59,65 cm; MAE = 4,82 cm; MAPE = 1,89 %; e MSE val. = 0,000035. O estudo evidenciou que o modelo LSTM, com simples pré-processamento, é capaz de prever o nível do Itajaí-Açu durante eventos extremos de cheia, com alta precisão, apresentando resultados melhores em comparação com o modelo MLP. Este estudo apresenta uma proposta de solução de modelo de previsão de níveis viável, passível de aplicação como ferramenta de previsão em tempo real para a área de estudo. Este trabalho contribui para o desenvolvimento de sistemas de apoio à gestão de recursos hídricos e para mitigação dos impactos provocados por desastres, abrangendo os âmbitos social, econômico e ambiental.
Referência(s)