Métodos numéricos aplicados à detecção de anomalias em dados de vazão

Abstract

Resumo: Este trabalho tem como objetivo principal detectar possíveis anomalias em séries de dados de vazão. A análise da qualidade de dados hidrológicos é extremamente importante, pois todos os dados observados (monitorados) necessitam de tratamentos e processamentos básicos para que possam ser utilizados com confiabilidade. Por meio de técnicas utilizadas para a resolução de problemas de previsão e classificação, baseadas em redes neurais Self-Organizing Maps (SOM), Radial Basis Functions (RBF), e métodos de interpolações (smooth spline) de dados, busca-se apontar possíveis anomalias nas séries oriundas dos postos hidrológicos das sub-bacias de Porto Amazonas e União da Vitória do estado do Paraná, fornecidos pelo Sistema Meteorológico do Paraná (SIMEPAR). Os três métodos propostos retornaram resultados satisfatórios, cumprindo o objetivo da pesquisa, entretanto, o projeto utilizado para a aplicação da rede neural RBF demonstrou capacidade superior de detecção de anomalias nas séries de vazão, em especial para a sub-bacia de Porto Amazonas que é considerada uma sub-bacia de resposta rápida a ocorrência de precipitação.

Abstract: This work aims to detect possible anomalies in data flow series. Quality analysis of hydrological data is extremely important, because all the observed (monitored) data require basic treatments and processing so they can be used reliably. Through techniques used for solving prediction and classification problems, based on neural networks Self-Organizing Maps (SOM), Radial Basis Functions (RBF), and methods of interpolation (smooth spline) data, it was seeked to identify possible anomalies in the series from the hydrological stations of the sub-basins of Porto Amazonas and União da Vitória in Paraná state, provided by the Sistema Meteorológico do Paraná (SIMEPAR). The three proposed methods returned satisfactory results, fulfilling the purpose of the research, however, the project used for the application of RBF neural network demonstrated superior ability to detect anomalies in flow series, especially for the sub-basin of Porto Amazonas which is considered a rapid response sub-basin to precipitation events.