Modelo de Aprendizado de Máquina e de Base Física para Simulações de Vazões de uma Bacia Hidrográfica da Amazônia
Resumo
Este estudo comparou modelagens de vazões de uma sub-bacia hidrográfica do rio Guamá na Amazônia. O modelo de aprendizado de máquina desenvolvido foi uma Rede Neural Recorrente Autorregressiva Não Linear com Entradas Exógenas (RNN-NARX) e o modelo físico considerado foi o HEC-HMS. Dados diários de precipitação, vazão e temperatura foram utilizados para entrada, calibração e validação dos modelos. O desempenho dos modelos foi de “Bom” a “Excelente”, conforme classificação disponível na literatura. Entretanto, as simulações de vazão performaram melhor com as RNN-NARX, pois os valores de NSE e KGE aproximaram-se de 1,0. As simulações com o HEC-HMS, apesar de terem menor desempenho, foram importantes no estabelecimento da comparação entre um modelo físico e um modelo de aprendizagem de máquina. Assim, o modelo das RNN-NARX mostrou-se mais adequado para simular com maior precisão as vazões da sub-bacia hidrográfica do rio Guamá. Outro destaque, no melhor desempenho das redes neurais, é a menor quantidade de dados necessários para a modelagem, comparada ao volume de dados necessários para a modelagem com o HEC-HMS. Fato importante, em se tratando de Amazônia, onde a logística para coleta de dados, às vezes, torna-se impraticável devido às condições morfoclimáticas da região.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Revista de Gestão de Água da América Latina
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
No ato do envio do artigo, observe que:
Responsabilizar-se pelos demais autores, quando houver, como co-responsáveis pelo conteúdo técnico e científico do artigo, obedecendo ao Artigo 5º da Lei no 9.610, que trata do Direito Autoral.
Todas as declarações publicadas nos artigos são de inteira responsabilidade dos autores. Entretanto, todo material publicado, torna-se propriedade da REGA, que passa a reservar os direitos autorais. Portanto, nenhum material publicado na REGA poderá ser reproduzido sem a permissão por escrito da REGA. Todos os autores de artigos submetidos à REGA deverão assinar um Termo de Transferência de Direitos Autorais, que entrará em vigor a partir da data de aceite do artigo. Este termo será solicitado pela REGA antes da publicação do artigo. O autor responsável pelo artigo receberá, sem custos, a separata eletrônica da publicação (em formato PDF).
Todos os artigos publicados em acesso aberto serão imediata e permanentemente gratuitos para que todos possam ler, baixar, copiar e distribuir. A reutilização permitida é definida por sua escolha de uma das seguintes licenças de usuário:
Atribuição Creative Commons (CC BY): permite que outras pessoas distribuam e copiem o artigo, para criar extratos, resumos e outras versões revisadas, adaptações ou trabalhos derivados de ou de um artigo (como uma tradução), para incluir em um trabalho coletivo ( como uma antologia), para extrair texto ou dados do artigo, mesmo para fins comerciais, desde que creditem o (s) autor (es), não representem o autor como endossando sua adaptação ao artigo e não modifiquem o artigo em de maneira a prejudicar a honra ou a reputação do autor.
Direitos de Autor
Para a publicação de acesso aberto, esta revista usa um contrato de licença exclusivo. Os autores manterão os direitos autorais juntamente com os direitos de uso acadêmico e a REGA receberá direitos de publicação e distribuição.
Política de auto-arquivamento do autor
Esta revista permite e incentiva os autores a postar itens submetidos à revista em sites pessoais e repositórios institucionais ou financiadores após a publicação. A versão final publicada em PDF deve ser usada e os detalhes bibliográficos que creditam a publicação nesta revista devem ser incluídos.
O sistema LOCKSS e CLOCKSS tem permissão para coletar, preservar e servir como unidade de arquivamento.
