Modelos hidrológicos híbridos para a bacia do rio Paraíba do Sul: acoplando redes neurais artificiais com transformada wavelet para previsão de vazão em curto prazo com ênfase na previsão de vazões extremas

• Ano de defesa: 2022
• Autor(a) principal: Gorodetskaya, Yulia
• Orientador(a): Fonseca, Leonardo Goliatt da
• Banca de defesa: Campos, Luciana Conceição Dias , Bernardino, Heder Soares, Christo, Eliane da Silva, Saporetti, Camila Martins, Goliat, Priscila Vanessa Zabala Capriles
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
• Programa de Pós-Graduação: Programa de Pós-graduação em Modelagem Computacional
• Departamento: ICE – Instituto de Ciências Exatas
• País: Brasil
• Palavras-chave em Português: Redes neurais artificiais; Transformada wavelet; Previsão de vazão; Rio Paraíba do Sul; Artificial neural networks; Wavelet transform; Stream flow forecasting; Paraíba do Sul River
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
• Link de acesso: https://doi.org/10.34019/ufjf/te/2022/00078; https://repositorio.ufjf.br/jspui/handle/ufjf/14654

O rio Paraíba do Sul flui através da mais importante região industrial do Brasil, entre as cidades do Rio de Janeiro e de São Paulo. De acordo com a Agência Nacional de Águas, a bacia do rio Paraíba do Sul é caracterizada por conflitos de usos múltiplos de recursos hídricos (abastecimento urbano, diluição de esgotos, irrigação e geração de energia hidrelétrica). Em função de sua importância, o desenvolvimento de modelos precisos de previsão de vazão pode assumir valor estratégico para a gestão da quantidade e da qualidade de água nesta bacia. Estes modelos podem apoiar a tomada de decisão de gestores públicos sobre alertas para condições extremas de inundação ou seca e pode se tornar um elemento-chave para proteger a sociedade e favorecer uma reação oportuna, reduzindo efetivamente danos socioeconômicos. Os modelos baseados na inteligência artificial têm sido aplicados com sucesso para resolver problemas não-lineares em hidrologia. Nas últimas duas décadas, a transformada wavelet, uma técnica de pré-processamento de dados, tem sido estudada para uso em análise de séries temporais e tem se mostrado muito eficaz em dados não estacionários. A transformada wavelet divide as séries temporais originais em subcomponentes que servem como entradas para modelos de inteligência artificial. Assim, fornecem uma representação de tempo-frequência de um sinal em diferentes períodos no domínio do tempo, além de informações sobre a estrutura física de dados. Esta pesquisa visa contribuir com o fornecimento de uma metodologia de desenvolvimento de dois tipos de modelos híbridos chamados WANNone e WANNmulti acoplando redes neurais artificiais com uma técnica de pré-processamento de dados baseada em transformada wavelet À T rous. Os modelos desenvolvidos são aplicados para previsão de vazão natural média diária de 1, 3, 5 e 7 dias à frente em 8 estações fluviométricas localizadas na bacia do rio Paraíba do Sul. O desempenho dos modelos baseados em wavelets e redes neurais artificiais é comparado com o dos modelos convencionais de redes neurais artificiais (ANN). Os resultados revelam que o desempenho dos modelos WANNone e WANNmulti são significativamente superiores aos modelos ANN em termos de medidas de eficiência da previsão MAPE, RMSE e R2 em todos os horizontes de previsão testados para todas as estações modeladas. Em termos de aplicabilidade a determinados cenários, o modelo WANNmulti consegue representar melhor os ciclos de vazões baixas, em cenários de seca, ao passo em que WANNone consegue acompanhar melhor a magnitude das vazões extremas altas, em situações de risco de inundação.