Modelagem chuva-vazão via redes neurais artificiais para simulação de vazões de uma bacia hidrográfica da Amazônia

Autores

  • Leonardo Melo de Mendonça Faculdade de Engenharia Ambiental e Energias Renováveis, Universidade Federal Rural da Amazônia, Capanema, Pará, Brasil https://orcid.org/0000-0002-1698-0838
  • Igor de Souza Gomide Faculdade de Engenharia Ambiental e Energias Renováveis, Universidade Federal Rural da Amazônia, Capanema, Pará, Brasil https://orcid.org/0000-0002-2703-2737
  • Jaime Viana de Sousa Faculdade de Engenharia Ambiental e Energias Renováveis, Universidade Federal Rural da Amazônia, Capanema, Pará, Brasil https://orcid.org/0000-0003-4351-1743
  • Claudio José Cavalcante Blanco UFPA

Resumo

As técnicas de redes neurais artificiais (RNAs) têm sido utilizadas na previsão de variáveis hidrológicas pela capacidade de generalizar informações, o que torna a implementação de modelos menos onerosa e mais ágil. Neste estudo, foi simulado o fenômeno de conversão de chuvas em vazões de uma Sub-bacia Hidrográfica do Rio Guamá (SHRG) no Estado do Pará, Amazônia. Os modelos são baseados em RNAs de arquiteturas MLP (Multilayer Perceptron) e NARX (Nonlinear Autoregressive with Exogenous Inputs), com função de ativação Tangente Hiperbólica nos neurônios de camada oculta, sendo treinadas pelo algoritmo de treinamento supervisionado Levenberg-Marquardt. Comparando as RNAs propostas, os modelos RNA-NARX apresentaram melhores desempenhos comparados ao modelo RNA-MLP. O melhor dos modelos RNA-NARX apresentou, em média, para as fases de treinamento, validação e teste, R² igual a 0,9901, RMSE igual a 11,73 m3s-1 e MAPE igual a 5,94%. Esses resultados mostram a possibilidade da simulação de vazões de pequenas e médias bacias hidrográficas da Amazônia através da combinação de RNAs NARXs, principalmente bacias com ausência ou limitação de dados chuva-vazão.

Downloads

Publicado

2021-05-18