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

• DOI: 10.5216/revgeoamb.vi37.62872
• Publication Date: 2020-11-10T14:13:41Z
• Authors: Thiago Boeno Patr...; Thomas Schroder

Estimativas de vazões em bacias hidrográficas baseadas dados precipitação pluviométrica são extremamente importantes para atividades relacionadas à gestão dos recursos hídricos. A elaboração cenários disponibilidade hídrica com boa precisão pode contribuir os processos planejamento ambientais e evitar possíveis conflitos pelo uso da água. Este trabalho utilizou estruturas aprendizagem máquinas (Machine Learning) calibrar dois modelos chuva-vazão escala diária na Bacia Hidrográfica do Arroio Grande no leste Rio Sul. Foram empregados métodos Redes Neurais Artificiais (RNA) Gradient Boosting Machine (GBM) a técnica bootstrap reamostragem. O objetivo deste foi avaliar capacidade dessas técnicas modelar série histórica vazão, considerando-se influência pluviômetros localizados próximos estação fluviométrica. performance das utilizadas verificada por meio coeficiente determinação (R²), que atingiu 0,93 o algoritmo redes neurais 0,99 boosting, bem como pelos baixos valores desvio absoluto. Através gráficos resíduos possível observar bom desempenho calibração alcançado aplicação técnicas, onde GBM apresentou-se levemente superior RNA.