Um dos grandes desafios para a gestão dos recursos hídricos é o conhecimento da disponibilidade hídrica em regiões, onde não se tem disponibilidade de dados hidrológicos. Diante disso, uma alternativa utilizada pelos órgãos gestores brasileiros afim de se obter informações hidrológicas, é a técnica de regionalização de vazões. Uma metodologia muito utilizada em estudos e trabalhos hidrológicos, é o método tradicional proposto pela Eletrobrás em 1985, o qual consiste na identificação de regiões hidrologicamente homogêneas e na geração de equações de regressão. Por outro lado, como uma nova proposta metodológica para a regionalização de vazões, a aprendizagem de máquina vem ganhando cada vez mais espaço nos estudos hidrológicos. Desta forma, objetivou-se com o presente trabalho regionalizar as vazões mínimas de permanência em 90% e 95% do tempo (Q 90 e Q 95 ) e médias de longa duração na bacia hidrográfica Tocantins-Araguaia utilizando o método tradicional e a modelagem de aprendizagem de máquina. Na metodologia tradicional, foi utilizada a regressão linear simples, considerando três variáveis independentes: a Peq, Peq 750 e área de drenagem. Já na aprendizagem de máquina, foram utilizados seis algoritmos: Randon Forest, Support Vector Machine, K-nearest neightbor, Earth, Modelo linear e Cubist, e três parâmetros de performance: LCCC, NSE e MAE. Para cada algoritmo, foram utilizadas 203 covariáveis (morfométricas, climáticas e de superfície) sendo estas inseridas nos modelos como o valor médio e o desvio padrão em cada área de drenagem, as quais passaram por um processo de seleção. Foram identificadas na bacia, 75 estações fluviométricas distribuídas em 5 regiões hidrologicamente homogêneas. Avaliando a sazonalidade das vazões, verifica-se que a adoção da mesma como fator de otimização dos recursos hídricos, proporciona um aumento na disponibilidade hídrica na bacia do Tocantins-Araguaia. A regionalização de vazões pelo método tradicional, apresentou ótimos ajustes estatísticos, sendo a Peq e a Peq 750 as variáveis que apresentaram maior poder explicativo da variação da Q 90 , Q 95 e Q mld . No processo de seleção das covariáveis para a modelagem de aprendizado de máquina, a Peq foi a variável que se mostrou com maior importância no processo de predição das vazões para a maioria dos modelos. Dentre os modelos de aprendizagem de máquina, os algoritmos linear e Earth não apresentaram desempenhos satisfatórios. O modelo cubist foi aquele que mostrou maior habilidade no processo de predição das vazões, podendo ser uma alternativa promissora para a técnica de regionalização de vazões. No entanto, mesmo sendo um modelo menos complexo, requerendo uma menor quantidade de variáveis, a regressão linear simples pelo método tradicional, apresentou desempenho similar ao apresentado pelo cubist. Palavras-chave: Disponibilidade hídrica. Regionalização de vazões. Aprendizagem de máquina.
