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

Abstract

Estimativas de vazoes em bacias hidrograficas baseadas em dados de precipitacao pluviometrica sao extremamente importantes para atividades relacionadas a gestao dos recursos hidricos. A elaboracao de cenarios de disponibilidade hidrica com boa precisao pode contribuir com os processos de planejamento dos recursos ambientais e evitar possiveis conflitos pelo uso da agua. Este trabalho utilizou estruturas baseadas em aprendizagem de maquinas (Machine Learning) para calibrar dois modelos de chuva-vazao em escala diaria na Bacia Hidrografica do Arroio Grande no leste do Rio Grande do Sul. Foram empregados metodos de Redes Neurais Artificiais (RNA) e Gradient Boosting Machine (GBM) com a tecnica bootstrap de reamostragem. O objetivo deste trabalho foi avaliar a capacidade dessas tecnicas para modelar a serie historica de vazao, considerando-se a influencia de dois pluviometros localizados proximos a estacao fluviometrica.  A performance das tecnicas utilizadas foi verificada por meio do coeficiente de determinacao (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. Atraves dos graficos de residuos foi possivel observar o bom desempenho de calibracao alcancado na aplicacao dessas tecnicas, onde a tecnica GBM apresentou-se levemente superior a de RNA.