Modelo Hidrológico Híbrido para Previsão de Vazões na Bacia do Rio Piracicaba-MG

Abstract

Resumo Os modelos hidrológicos conceituais e as Redes Neurais Artificiais (RNAs) podem ser associados, caracterizando uma conformação híbrida que represente, ao mesmo tempo, os processos conceituais e não lineares relacionados ao escoamento. O objetivo do trabalho foi avaliar a utilização das RNAs combinadas aos modelos hidrológicos conceituais IPH II e SAC-SMA, de forma a obter um modelo híbrido para estimativa de vazões dos cursos de água da bacia do rio Piracicaba-MG. Como dados de entrada das RNAs foram utilizadas as vazões estimadas com os modelos IPH II e SAC-SMA e como paradigma neural foi empregado o Perceptron de múltiplas camadas. Para o treinamento e a validação das RNAs foram utilizados dados de estações pluviométricas, fluviométricas e meteorológica localizadas na bacia hidrográfica do rio Piracicaba e no seu entorno. A fim de se verificar o desempenho dos modelos híbridos na estimativa das vazões da bacia do rio Piracicaba, as vazões estimadas por esses modelos foram comparadas com as vazões medidas nas estações fluviométricas utilizando-se o erro absoluto médio (MAE); a raiz do erro quadrático médio (RMSE); o viés; o índice de concordância de Willmott (d); e o índice de eficiência de Nash-Sutcliffe (ENS). A utilização das vazões preditas pelo modelo IPH II como dado de entrada das RNAs aumentou a acurácia das estimativas das vazões visto que o erro do modelo híbrido ficou menor. Já a associação das RNAs com o modelo SAC-SMA não proporcionou melhoria das estimativas quando comparada aos resultados advindos da aplicação isolada do referido modelo. Com base nos resultados obtidos pode-se concluir que a associação das RNAs com o modelo hidrológico IPH II, caracterizando uma conformação híbrida, permitiu melhorar as estimativas das vazões diárias na bacia do rio Piracicaba e que a qualidade das estimativas do modelo híbrido depende do modelo conceitual utilizado. Detectou-se, ainda, que os modelos híbridos tiveram melhor desempenho na estimativa das vazões associadas às maiores áreas de drenagem da bacia do rio Piracicaba.Abstract The association of conceptual hydrological models and artificial neural networks (ANNs) characterizes a hybrid conformation that represents simultaneously conceptual and non-linear processes related to water flow. This study aimed to evaluate the use of ANNs combined with the conceptual hydrological models IPH II and SAC-SMA to obtain a hybrid model for the estimation of watercourse flows in the Piracicaba River basin, located in the state of Minas Gerais - Brazil. The water flow rates estimated by IPH II and SAC-SMA models were used as input data for the ANN, and a multi-layered perceptron was employed as a neural paradigm. Data from pluviometric, fluviometric, and meteorological stations located in the studied basin and surrounding areas were used for the ANN training and validation. To verify the performance of the hybrid models in estimating water flow, the estimated flow rates were compared with those measured in the fluviometric stations using mean absolute error (MAE), root mean square error (RMSE), bias, Willmott’s concordance index, and Nash-Sutcliffe efficiency index (Ef). The results showed that the use of IPH II model as input data for an ANN increased the accuracy of flow prediction as the hybrid model error decreased. Conversely, if compared to the results from its isolated application, when associated with the ANN, SAC-SMA-model did not improve water flow estimates. Lastly, the hybrid conformation using the IPH II hydrological model improved daily flow estimates of the Piracicaba River basin; therefore, the quality of estimates in a hybrid model depends on the conceptual model used. In addition, the hybrid models had better performance when estimating water flows in larger drainage areas within the Piracicaba River basin.