Modelo Hidrológico Híbrido para Previsão de Vazões na Bacia do Rio Piracicaba-MG

Abstract

Resumo Os modelos hidrológicos conceituais e as Redes Neurais Artificiais (RNAs) podem ser associados, caracterizando uma conformação híbrida que represente, ao mesmo tempo, os processos conceituais e não lineares relacionados ao escoamento. O objetivo do trabalho foi avaliar a utilização das RNAs combinadas aos modelos hidrológicos conceituais IPH II e SAC-SMA, de forma a obter um modelo híbrido para estimativa de vazões dos cursos de água da bacia do rio Piracicaba-MG. Como dados de entrada das RNAs foram utilizadas as vazões estimadas com os modelos IPH II e SAC-SMA e como paradigma neural foi empregado o Perceptron de múltiplas camadas. Para o treinamento e a validação das RNAs foram utilizados dados de estações pluviométricas, fluviométricas e meteorológica localizadas na bacia hidrográfica do rio Piracicaba e no seu entorno. A fim de se verificar o desempenho dos modelos híbridos na estimativa das vazões da bacia do rio Piracicaba, as vazões estimadas por esses modelos foram comparadas com as vazões medidas nas estações fluviométricas utilizando-se o erro absoluto médio (MAE); a raiz do erro quadrático médio (RMSE); o viés; o índice de concordância de Willmott (d); e o índice de eficiência de Nash-Sutcliffe (ENS). A utilização das vazões preditas pelo modelo IPH II como dado de entrada das RNAs aumentou a acurácia das estimativas das vazões visto que o erro do modelo híbrido ficou menor. Já a associação das RNAs com o modelo SAC-SMA não proporcionou melhoria das estimativas quando comparada aos resultados advindos da aplicação isolada do referido modelo. Com base nos resultados obtidos pode-se concluir que a associação das RNAs com o modelo hidrológico IPH II, caracterizando uma conformação híbrida, permitiu melhorar as estimativas das vazões diárias na bacia do rio Piracicaba e que a qualidade das estimativas do modelo híbrido depende do modelo conceitual utilizado. Detectou-se, ainda, que os modelos híbridos tiveram melhor desempenho na estimativa das vazões associadas às maiores áreas de drenagem da bacia do rio Piracicaba.

Keywords

• inteligência artificial
• modelo empírico
• acurácia
• modelagem hidrológica