Modelagem de vazões máximas e mínimas com base em aprendizado de máquina

Abstract

O comportamento hidrológico de diversas bacias hidrográficas tem sido afetado por fatores como uso e cobertura da terra, demanda hídrica e mudanças climáticas, levando ao comprometimento da disponibilidade hídrica ou à ocorrência de eventos extremos de vazão. Esse comportamento pode ser avaliado por meio de testes não-paramétricos, que mostram a tendência de variáveis hidroclimatológicas de interesse para a gestão ambiental. Além dessa análise, em estudos hidrológicos tem-se a necessidade de aumentar os horizontes de previsão da vazão, principalmente em bacias com frequente ocorrência de eventos de alta magnitude. Assim, objetivou-se compreender o comportamento hidrológico e suas possíveis mudanças nos últimos anos na bacia hidrográfica do rio Muriaé, além de modelar a vazão com base em diferentes cenários de dias de antecedência na sua previsão. No Capítulo 1 foram aplicados testes não-paramétricos para a identificação de tendências de mudança no comportamento hidrológico em anos/meses em diferentes níveis de significância, bem como a investigação de fatores que poderiam estar associados às mudanças. Os testes não-paramétricos mostraram tendência negativa dos valores extremos de vazão, principalmente no período de estiagem, com destaque para o mês de outubro. Na análise dos fatores, a precipitação e a demanda hídrica apresentaram indicativos de influência no regime de vazões, diferentemente do uso e cobertura da terra. Os diferentes métodos estatísticos permitiram encontrar resultados satisfatórios sobre o comportamento hidrológico da bacia, enquanto as análises dos fatores climáticos e antrópicos possibilitaram conhecer as possíveis influências nas mudanças de tendência da vazão. No Capítulo 2 foi explorada a utilização de técnicas de Aprendizado de Máquina como o Modelo Linear Generalizado (GLM), as Splines de Regressão Adaptativa Multivariada (MARS) e o Random Forest (RF) na previsão da vazão considerando cenários de dados com um, dois e três dias de antecedência. A modelagem mostrou que todas as técnicas tiveram um desempenho muito bom na previsão das vazões com um dia de antecedência. Por outro lado, houve uma redução do desempenho com o aumento do horizonte de previsão, principalmente no cenário de três dias. Em todos os períodos de antecedência a técnica RF se mostrou superior às demais, mesmo que tenha apresentado subestimação das vazões máximas. A modelagem em diferentes cenários de previsão com Aprendizado de Máquina mostrou a aplicabilidade dos algoritmos na previsão da vazão, principalmente em bacias com ocorrência elevada de eventos máximos de vazão, com possibilidade de serem utilizados nos sistemas de alerta e, assim, reduzir os impactos socioambientais causados por esses eventos. Palavras-chave: Comportamento hidrológico. Modelagem hidrológica. Períodos de antecedência.