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

Abstract

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.