Neural classification under discontinuous hydrometeorological data for flash flood early warning

Autores

  • Glauston Lima Centro Nacional de Monitoramento e Alertas de Desastres Naturais - Cemaden
  • Pedro R. P. Lopes Universidade de São Paulo, Escola de Engenharia de Lorena
  • Rochane O. Caram Centro Nacional de Monitoramento e Alertas de Desastres Naturais - Cemaden
  • Layrson J. M. Gonçalves Universidade Federal do Pará

Palavras-chave:

data-driven hydrological modeling, neural networks, water level forecasting, flash flood early warning

Resumo

Este estudo apresenta o desenvolvimento de um modelo hidrológico orientado por dados para a previsão do nível d’água com antecedência de uma hora, utilizando uma rede neural do tipo Perceptron Multicamadas. O modelo foi treinado com dados de nível d’água e precipitação provenientes de 12 estações de monitoramento localizadas em uma pequena bacia hidrográfica de resposta rápida, suscetível a inundações repentinas. Os dados de treinamento abrangem o período de 2020 a 2023, enquanto um conjunto de dados independente de 2024 foi utilizado para teste. Inicialmente, a MLP foi implementada como um modelo de regressão; contudo, seu desempenho mostrou-se limitado pela presença de lacunas nos registros históricos de precipitação. Para contornar essa limitação, o problema foi reformulado como uma tarefa de classificação, na qual os níveis d’água previstos foram agrupados em três classes hidrologicamente significativas, representando condições não críticas, intermediárias e de alerta. Uma sequência de experimentos de classificação foi conduzida para refinar o modelo, incluindo o tratamento explícito de dados de precipitação ausentes e uma estratégia alternativa de definição de classes que incorpora níveis d’água antecedentes e acúmulo de precipitação para representar condições de pré-alerta. O classificador proposto apresentou desempenho estável e maior consistência na identificação de situações de alerta, oferecendo um arcabouço robusto e operacionalmente relevante para sistemas de alerta antecipado de inundações em curto prazo em ambientes com dados limitados.

Downloads

Publicado

2026-11-03