Verificação do pontencial das redes neurais artificiais em reproduzir o processo chuva-vazão mensal com cenários de modelos climáticos regionais

Abstract

Resumo: A etapa do projeto CLARIS LPB desenvolvida no Departamento de Hidráulica e Saneamento da Universidade Federal do Paraná, teve como objetivo avaliar os impactos das mudanças climáticas na hidroeletricidade na Bacia do Rio da Prata. Para isso utilizaram-se de dois Modelos Climáticos Regionais (RCM), PROMES e RCA, para se fazer previsões de temperatura e chuva em longo prazo, e do modelo chuva-vazão Variable Infiltration Capacity (VIC) para simular o comportamento das vazões. Com o objetivo de confrontar os resultados obtidos pelo modelo VIC, esta pesquisa modelou o processo chuva-vazão através do uso de Redes Neurais Artificiais (RNA) para nove bacias hidrográficas também estudadas no projeto CLARIS LPB. Este trabalho pode ser dividido em quatro etapas: calibração e validação dos modelos chuva-vazão a partir de dados observados; análise e correção das séries simuladas pelos RCM’s; uso dos modelos validados com as séries corrigidas; e verificação do potencial das RNA’s em descrever o processo chuva-vazão mensal com uso das séries corrigidas. Durante a etapa de calibração e validação dos modelos, pode-se concluir que as RNA’s foram capazes de descrever os processos chuva-vazão. Para a etapa seguinte, pode-se concluir que as séries simuladas pelos RCM’s apresentavam bias (tendências) e para sua correção foram propostos três métodos. Os resultados obtidos da correção, de modo geral, apresentaram melhoras nos coeficientes de Nash-Sutcliffe, porém estas melhoras não foram consideradas satisfatórias. Quando comparadas as simulações da RNA com as do VIC para um período com dados observados pode-se concluir que, as RNA’s apresentaram resultados melhores em oito das nove bacias hidrográficas quando usadas as séries simuladas pelo RCM PROMES e sete das nove bacias quando usadas as séries do modelo RCA. A não capacidade das RNA em apresentar boas séries de simulações pode ser atribuída principalmente á baixa qualidade das precipitações e temperatura simuladas pelos RCM’s . Palavra-chave: Redes Neurais Artificiais, modelos chuva-vazão, PROMES, RCA, bias, simulação.

Abstract: The CLARIS LPB Project portion developed by Hydraulics and Sanitation Department of Universidade Federal do Parana aimed of assessing the impacts of climate changes on hydropower in Rio da Prata basin.Two Regional Climate Models (PROMES and RCA) were applied in order to make temperature and rainfall predictions (forecast) in long term. In addition, Variable Infiltration Capacity (VIC) rainfall-runoff model was applied to simulate flow's behaviour. With the purpose of comparing the results obtained by VIC model, this research modeled the rainfall-runoff process by using Artificial Neural Networks (ANN) for nine watersheds that were also studied in Claris LPB project. This work can be split into four steps: calibration and validation of rainfall-runoff models based on observed data; analysis and correction of series simulated by the RCM's; use of validated models with adjusted series; and verification of ANN's potential for describing the monthly rainfall-runoff process with the use of corrected series. During the step of calibration and validation of models, it could be concluded that ANN's were able to describe the rain-runoff processes. For the next step, the conclusion is that the series simulated by RCM's presented bias (trends) and three methods for its correction have been proposed. The results obtained after the corrections showed improvement in the Nash-Sutcliffe coefficients, but these improvements were not considered satisfactory. When comparing ANN's and VIC simulations for a given observed data period it can be concluded that the ANN's outperformed in eight out of nine basins studied when used series simulated by RCM PROMES and seven out of nine basins when used the RCA series model. The inability of ANN in presenting good series of simulations can be assigned mainly to the low quality of precipitation and temperature data simulated by the RCM's.