Aplicação de rede neural linear para modelos autorregressivos em estações fluviométricas da Bacia do rio Taquari no Rio Grande do Sul

Abstract

A previsão hidrológica se mostra como uma importante ferramenta para a previsão dos desastres hidrológicos. Assim, possuir modelos que consigam performar em eventos extremos se torna preponderante. Este estudo tem por objetivo a aplicação de Rede Neural Linear para obtenção de equações de regressão linear múltipla autorregressiva para previsão de nível em estações do Sistema de Alerta Hidrológico (SAH) da Bacia do Rio Taquari em dois cenários de eventos de cheia, com três horizontes de previsão (4h, 3h e 2h). Para o artigo, foi utilizado o Framework TensorFlow com Keras, através de script em Python, para obtenção dos modelos autorregressivos. Foram utilizados dados fluviométricos de cota de estações da Rede Hidrometeorológica Nacional e que fazem parte do SAH da Bacia do Rio Taquari. Verificou-se que a estação que tem o modelo com melhores métricas é Taquari (86950000). Constatou-se também que usar dados de cheia a partir da cota de atenção melhorou os resultados em 86,1% em 4h, 36,1% em 3h, e 63,9% em 2h. Ainda, os resultados de previsão tiveram seus melhores valores com os horizontes de 2h, 3h e 4h, respectivamente. Concluiu-se que, conforme se avança de montante para jusante, melhores são os resultados dos modelos. Além disso, utilizar dados a partir da cota de atenção fornecem melhores resultados que os a partir de alerta. Ainda, conforme se diminui o horizonte de previsão, melhores também são os resultados.