Modelagem de redes neurais artificiais MLP para previsão de vazões na bacia do rio Miranda afluente do Pantanal

• Ano de defesa: 2024
• Autor(a) principal: Bouix, Christian Pascal Silva
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado de máquina; Artificial intelligence; Bacias hidrográficas; Hidrologia; Hydrology; Inteligência artificial; Machine learning; Multilayer perceptron; Watersheds
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-10052024-112545/

A crescente necessidade global de prever eventos extremos e desastres naturais, intensificada pelas instabilidades ambientais, é evidente no Brasil, destacando-se o impacto no bioma do Pantanal. Considerado como uma das maiores superfícies alagadas do planeta, esse bioma enfrenta desafios socioeconômicos devido a sua dinâmica de cheias e vazantes, promovendo períodos frequentes de inundações e secas. Uma das formas de quantificar o volume de água que abastece o Pantanal é a partir do monitoramento das bacias hidrográficas do planalto adjacente que circundam o bioma. O monitoramento hidrológico é crucial para compreender e mitigar danos, sendo a modelagem hidrológica convencional uma ferramenta valiosa, apesar de sua complexidade de aplicação e sua dependência por associar-se a outras ferramentas, como softwares de SIG. Somado a isso, a região pantaneira enfrenta deficiência em estações pluviométricas, impulsionando a busca por alternativas na obtenção de dados, como coleções de imagens de satélite, para suprir lacunas de informações. A integração de Aprendizado de Máquina (AM) e Inteligência Artificial (IA) emerge como uma solução, possibilitando a análise de padrões nos dados climatológicos que podem ser aplicados em estudos de previsões de vazão. Dentre as técnicas de IA, as redes neurais artificiais (RNA) se destacam, simulando o aprendizado do cérebro humano e apresentando potencial para prever o comportamento hidrológico de bacias hidrográficas. Assim, este trabalho propõe a hipótese de que algoritmos de IA, utilizando a técnica de RNA, podem compreender e prever o fluxo de água de uma bacia de planalto componente do Pantanal. Diante disso, o objetivo geral do trabalho proposto consistiu em realizar a modelagem de diferentes redes neurais artificiais do tipo Multilayer Perceptron (MLP) para a previsão de vazões na bacia hidrográfica do rio Miranda, afluente do bioma Pantanal. Foram utilizadas séries históricas de vazão, precipitação e evapotranspiração como entradas dos modelos, por estas serem componentes principais do ciclo hidrológico. Os dados de vazão foram coletados a partir de postos fluviométricos presentes nos municípios de Miranda/MS e Bonito/MS e os dados de evapotranspiração e precipitação foram extraídos a partir de coleções de imagens de satélite. Em sequência, foi feito o pré-processamento dos dados e verificado a existência de dados faltantes nas séries para o período de interesse e todas as informações foram sincronizadas na escala diária. Foi usada a técnica de Médias Móveis para a suavização de dados, visando reduzir a variabilidade presente nas informações coletadas. Foi realizado o estudo de cada variável, independentemente, para as porções de montante e total da sub-bacia do rio Miranda. Em sequência foram testadas seis arquiteturas de redes neurais artificiais do tipo MLP em quatro blocos de análise: a) Redes neurais com dados em escala diária; b) Redes neurais com dados suavizados por Médias Móveis; c) Redes neurais com dados em escala mensal e d) Redes neurais com retirada de variáveis dos modelos. A avaliação de performance dos modelos se deu através das métricas estatísticas de Erro médio absoluto (MAE), Raiz quadrada do erro médio (RMSE) e coeficiente de determinação (R2), após as etapas de teste e validação dos modelos. Os resultados obtidos comprovam que o desempenho de uma rede neural do tipo MLP é bastante variável de acordo com os hiper parâmetros da rede escolhidos, assim como o número de neurônios e camadas intermediárias utilizadas em suas arquiteturas. A técnica de suavização por Médias Móveis e a utilização de dados mensais melhorou a performance e taxas de previsão dos modelos propostos em comparação com os dados em escala diária. Dessa forma, conclui-se que a utilização de redes neurais artificiais do tipo MLP é uma técnica promissora para a previsão de vazões em áreas de bacias hidrográficas pouco monitoradas e que carecem de informações importantes sobre seu comportamento hidrológico.