Regionalização de série de vazões mensais utilizando redes neurais artificiais

Abstract

Resumo: Pelo fato do Estado do Paraná ser uma das regiões mais propícias do país à instalação de aproveitamentos hidrelétricos – dada sua morfologia privilegiada e sua farta disponibilidade hídrica o ano todo – um dos pontos chave para o uso destes recursos é o conhecimento dos processos hidrológicos que nele ocorrem. Como não são todos os rios do estado que possuem estações de monitoramento fluviométrico, técnicas de regionalização hidrológica são geralmente empregadas para transferir informações para as regiões de interesse. Como muitas vezes tais técnicas envolvem abordagens subjetivas, dependentes da opinião do hidrólogo responsável, o objetivo desta dissertação foi propor um novo método de regionalização baseado em técnicas objetivas. O método consiste em regionalizar parâmetros de um modelo chuva-vazão, nesse caso Redes Neurais Artificiais (RNAs), para bacias hidrográficas carentes de medições fluviométricas, mas que apresentam medições históricas de chuva e temperatura. Para tornar objetivo o método, técnicas de análise estatística multivariada foram empregadas, como análise de componentes principais, análise de agrupamentos e análise discriminante. No trabalho foram estudadas 15 estações fluviométricas localizadas no interior do Estado e, destas, duas foram utilizadas como bacias hidrográficas teste para validação do método. Tanto os resultados da aplicação do modelo chuva-vazão como do método de regionalização foram bons, com índices de determinação e Nash-Sutcliffe elevados e erro médio quadrático baixo, quando confrontadas as vazões observadas e simuladas pelo modelo.

Abstract: Because of the state of Paraná is one of the most favorable regions of the country to the installation of hydroelectric plants - given its unique morphology and its plentiful water availability throughout the year - one of the key points for its development is the knowledge of its hydrological processes. As not all the rivers of the state have gaging monitoring, technical regionalization of hydrological stations are usually used to transfer information to the regions of interest. As very often such techniques involve subjective, dependent on the opinion of the hydrologist responsible, the goal of this thesis was to propose a new method for regionalization based on objective techniques. The method consists in regionalizing the parameters of a rainfall-runoff model, in this case Artificial Neural Networks (ANN), for needy catchments gauged measurements, but having historical measurements of precipitation and temperature. Thereby, multivariate statistical analysis techniques were performed, such as principal component analysis, cluster analysis and discriminant analysis. In this thesis, 15 gauged stations located within the state were studied, and among them, two basins were used as test method validation. Both the results of the application of rainfall-runoff model and the method of regionalization were satisfactory with high statistical indices when confronted flow rates observed and simulated by the model.