Aplicação de machine learning e deep learning para modelagem de uma bacia hidrográfica

Resumo

O desenvolvimento econômico associado a aspectos como a desigualdade social são processos que provocam a deterioração de recursos ambientais. São emergenciais o aperfeiçoamento das tecnologias para combater os efeitos dos desastres naturais, como a melhoria dos processos de transformação de chuva em vazão e da modelagem dos fenômenos hidrológicos em bacias hidrográficas. O objetivo desta comunicação científica foi obter, com o auxílio de técnicas de machine learning, previsões do comportamento hidrológico na Bacia do Rio Bananal. Essas informações reunidas foram submetidas aos seguintes modelos: redes neurais artificiais de aprendizado profundo (Deep Learning - InceptionTime, Resnet, FCN e ResCNN) e de aprendizado de máquina (Machine Learning - regressão linear, árvore de decisão e support-vector machine), e gradient boosting para levantar séries históricas consistentes e comparar os padrões de precipitação e da vazão (modelo chuva-vazão) do curso hídrico. Foram utilizadas as séries temporais médias diárias de 2002 a 2014 para treinamento a fim de estabelecer um comportamento otimizado para 2015. Foi possível concluir que o coeficiente R² com a melhor performance foi da arquitetura InceptionTime, com RMSE de 4.62, MAE de 2.36. O resultado com amior desempenho foi a árvore de decisão com R² de 0.73.