Previsão probabilística de enchentes para uma pequena bacia hidrográfica do Pantanal.
O monitoramento para a previsão de cheias de pequenas bacias hidrográficas é de grande importância tendo em vista a relação dos recursos hídricos com a sociedade, pois pode garantir o uso sustentável às comunidades urbanas de cidades lindeiras à bacia. O rio Aquidauana está inserido na planície Pantaneira sendo considerado vulnerável à inundações, no entanto, falta de um sistema eficiente para previsões de cheias e inundações. Assim, este estudo propõe um sistema de previsão probalística de enchentes para a bacia do Rio Aquidauana. Para tanto foram utilizadas as redes neurais artificiais (RNAs) do tipo MultiLayer Perceptron (treinamento backpropagation) com parâmetros otimizados pelos Algoritmos Genéticos. A RNA foi treinada e avaliada com base em dados de chuva acumulada (mm) e nível de rio (cm) à montante entre os anos de 1995 a 2014. A previsão realizada foi de 1 a 5 dias, tendo como melhor desempenho o modelo para 1 dia de previsão, com resultado de coeficiente de determinação e erro quadrático médio de 0,93 e 30 (cm), respectivamente.
Main Authors: | , , , , , |
---|---|
Other Authors: | |
Format: | Separatas biblioteca |
Language: | pt_BR por |
Published: |
2018-11-28
|
Subjects: | Cheias, Enchente, Hidrologia, Chuva, Hydrology, Water flow, Rainfall simulators, |
Online Access: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1100303 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Summary: | O monitoramento para a previsão de cheias de pequenas bacias hidrográficas é de grande importância tendo em vista a relação dos recursos hídricos com a sociedade, pois pode garantir o uso sustentável às comunidades urbanas de cidades lindeiras à bacia. O rio Aquidauana está inserido na planície Pantaneira sendo considerado vulnerável à inundações, no entanto, falta de um sistema eficiente para previsões de cheias e inundações. Assim, este estudo propõe um sistema de previsão probalística de enchentes para a bacia do Rio Aquidauana. Para tanto foram utilizadas as redes neurais artificiais (RNAs) do tipo MultiLayer Perceptron (treinamento backpropagation) com parâmetros otimizados pelos Algoritmos Genéticos. A RNA foi treinada e avaliada com base em dados de chuva acumulada (mm) e nível de rio (cm) à montante entre os anos de 1995 a 2014. A previsão realizada foi de 1 a 5 dias, tendo como melhor desempenho o modelo para 1 dia de previsão, com resultado de coeficiente de determinação e erro quadrático médio de 0,93 e 30 (cm), respectivamente. |
---|