Análise do regime hidrológico em bacia hidrográfica do sudeste brasileiro e predição de séries temporais de vazões diárias utilizando aprendizado de máquina

• Autor(a) principal: Reis, Guilherme Barbosa
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: https://locus.ufv.br//handle/123456789/28459
• topic: Bacias hidrográficas - Modelos estatísticos; Aprendizado do computador; Extremos Climáticos; Desenvolvimento de recursos hídricos; Tendências; Engenharia de Água e Solo

O aumento da ocorrência de eventos extremos em bacias hidrográficas leva à necessidade de melhor entendimento do regime hidrológico em áreas com alta vulnerabilidade a cenários de enchente e escassez hídrica, uma vez que atividades essenciais como a produção de alimentos, geração de energia elétrica, abastecimento humano, segurança de obras hidráulicas e manutenção de ecossistemas são altamente impactadas por este regime. Além de conhecer o comportamento hidrológico, se faz necessário projetar e entender diferentes cenários, sendo que para isso a modelagem hidrológica constitui-se em uma ferramenta fundamental. O objetivo geral do presente trabalho foi identificar o comportamento das vazões na bacia do rio Piranga, bem como buscar melhorias na modelagem hidrológica visando a predição de vazões diárias utilizando aprendizado de máquina. Todo o estudo foi realizado na bacia hidrográfica do rio Piranga, localizada no Estado de Minas Gerais – Brasil. No primeiro capítulo foram utilizadas técnicas estatísticas aplicadas às séries temporais de vazão com o intuito de caracterizar o comportamento hidrológico da área de estudo. Foram estabelecidos eventos extremos máximos e mínimos e realizados testes não paramétricos de Mann-Kendall, Pettitt e Spearman para identificar tendências temporais nos dados. Os resultados mostraram que a vazão correspondente à cota de inundação na foz da bacia tem baixo período de retorno, o que explica o fato de haver problemas recorrentes de enchentes. Por outro lado, a análise da vazão média de longa duração (Q mld ) e da vazão mínima média de sete dias consecutivos, associada a um período de retorno de 10 anos (Q 7,10 ) mostrou redução destas comparadas a períodos anteriores. Foi possível observar, também, que todas as estações fluviométricas apresentaram tendência de redução da vazão em pelo menos um mês do ano, principalmente nos meses do período seco. A recorrência de eventos máximos e a tendência de redução de vazões mínimas mostra a necessidade de um adequado planejamento e gestão de recursos hídricos para promover o desenvolvimento da região. No segundo capítulo foram utilizados dois métodos de seleção de covariáveis por importância, o Recursive Feature Elimination (RFE) e o Forward Feature Selection (FFS), para avaliar o efeito destes no desempenho dos modelos de aprendizado de máquina para predição de vazões diárias. Foram utilizados os modelos Regressão Adaptativa Multivariada (EARTH), Regressão Linear Múltipla (MLR) e RandomForest (RF). Os resultados mostraram que os três modelos de aprendizado de máquina utilizados apresentaram desempenho satisfatório com ambos os métodos de seleção de covariáveis, sendo que dentre eles o RF se sobressaiu. Observou-se, ainda, que a utilização do FFS, na maioria dos casos, proporcionou melhoria no desempenho dos modelos e reduziu o número de covariáveis selecionadas. Dessa forma, a utilização do aprendizado de máquina na predição de vazões diárias mostrou-se eficiente e a utilização do FFS para seleção de covariáveis deve ser considerada, pois tende a potencializar o desempenho dos modelos de aprendizado de máquina. Palavras-chave: Análises de tendência. Aprendizado supervisionado. Modelagem hidrológica.