Previsões de vazão diária para a bacia do alto iguaçu com o emprego de redes neurais artificiais de função de base radial

Abstract

Resumo : Este trabalho avaliou a capacidade de previsão de vazões diárias de uma rede neural do tipo Função de Base Radial (RBF) quando submetida a dados pretéritos de vazão e precipitação, para a bacia do Alto Iguaçu. O trabalho teve como objetivo comparar o desempenho de dois tipos de redes neurais artificiais: as redes RBF e Perceptron Multicamadas (MLP). Por fim, foi feito uma avaliação do desempenho da rede neural para vazões consideradas extremas. Foram utilizados dados de vazão e precipitação dos sítios Hidroweb e Climate Prediction Certer (CPC), respectivamente. Adotou-se duas maneiras distintas para configurar os dados de entrada da RNA, sendo que uma configuração utilizou apenas dados de vazão pretérita e a outra utilizou dados de vazão e precipitação pretéritas. Para cada experimento realizado, variou-se o número de neurônios na camada oculta também, buscando encontrar a melhor configuração. Foram obtidos índices estatísticos para as fases de treinamento e operação das redes neurais em questão. O índice de Nash-Sutcliffe foi considerado como o índice de maior relevância para avaliar a acurácia dos modelos. Com base neste índice, a rede RBF mostrou-se ligeiramente melhor em todas as previsões, para a fase de operação. Os índices de qualidade obtidos ao avaliar as vazões extremas foram satisfatórios até o quinto horizonte de previsão.