Modelo de Previsão Hidrológica Utilizando Redes Neurais Artificiais: Um Estudo de Caso na Bacia do Rio Xingu - Altamira-PA
Resumo
O conhecimento acerca da amplitude do transbordamento dos leitos fluviais é extremamente necessário para determinação de áreas de risco. A cidade de Altamira-PA, localizada às margens do rio Xingu, vem sofrendo com casos extremos de cheias que tendem a provocar inundações, resultando em severos prejuízos para a sua população. Considerando o problema, este artigo apresenta a proposta de um sistema de previsão de nível mensal do Rio Xingu baseado em Redes Neurais Artificiais Perceptron de múltiplas camadas. Para o desenvolvimento do sistema foram utilizados dados de precipitação na bacia e sub-bacias do Rio Xingu, e informações de Temperatura da Superfície do Mar (TSM) do período de 1979 a 2016. Os resultados satisfatórios obtidos demonstram a grande aplicabilidade das Redes Neurais Artificiais para o problema de previsão de cheias.
Referências
Adnan, R., Ruslan, F. A., Samad, A. M., Zain, Z. M. Artificial neural network modeling and flood water level prediction using extended Kalman filter. In: International Conference on Control System, Computer and Engineering, Penang, Malasya. IEEE2012.
ANA, Agência Nacional de Àguas. Hidro Web – Sistema de Informações Hidrológicas. Disponível em: [link]. Acesso em: 20 Jun. 2017.
Brasil, Ministério do Meio Ambiente. Estudos Preliminares e formulação de uma proposta técnica para implantação de um mosaico de Unidades de Conservação no Médio Xingu, Brasília: MMA – ISA, 2003.
Castro, A. R. G., Miranda, V., & Lima, S. (2011). Transformer fault diagnosis based on autoassociative neural networks. Intelligent System Application to Power System (ISAP), 2011 16 th International Conference on, IEEE, p. 1-5.
Chaowanawatee, K and Heednacram, A. (2012). Implementation of cuckoo search in RBF neural network for flood forecasting, in 2012 Fourth International Conference on Computational Intelligence, Communication Systems and Networks (CICSyN), IEEE, pp.22-26.
Coutouis, A; Johannet, A; Ayral, A; Cadilhac, L. Towards a neural networks-based prediction tool devoted to low water-levels forecasting: relevant architecture selection based on main physical processes. International congress on environmental Modelling and Software, 2016.
Dawson, C. W.; Wilby, R. L., Hidrological modelling using artificial neural networks. Progress in Physical Geography, 2001, v. 25, n.1, p. 80-108.
De Souza, E. B.; Kayano, M. T.; Ambrizzi, T. Interseasonal and submontly variability over the eastern Amazon and Northeast Brazil during the autumn rainy season. Theoretical and Applied Climatology, v. 81, p.177-191, 2005.
Dornelles, F., Goldenfum, J. A., and Pedrollo, O. C. (2013). Artificial neural network methods applied to forecasting river leves. Revista Brasileira de Recursos Hídricos.
Filippo, A. M.; Variabilidade do nível do mar em função de eventos meteorológicos de baixa freqüência. Tese de doutorado. Universidade Federal Fluminense. Niterói, Rio de Janeiro, 2003.
Franco, V. S. Previsão Hidrológica de cheia sazonal na sub-bacia do rio Xingu e análise de vulnerabilidade social em Altamira-PA, 2014. 68.Universidade Federal do Pará.
Gopakumar, R.; Takara, K. Water Level Forecasting in the Vembanad Water System Using Artificial Neural Networks. In: International Conference on Advances in Recent Technologies in Communication and Computing, Washington, DC, USA. Proceedings… IEEE, 2009.
Haykin, S. S., Haykin, S. S., & Haykin, S. S. (2009). Neural networks and learning machines (Vol. 3). Upper Saddle River, NJ, USA::Pearson.
Li, W.; Sá, L. A.; Galvão, G. P.; Bevilaqua, R. M. Prediction of the level os Paraguay River using Neural Networks. Pesquisa Agropecuária Brasileira, v. 33, n. Especial, 1791-1797p., 1998.
Miranda Neto, J. Q. Reassentamento da população urbana diretamente afetada pelo empreendimento hidrelétrico de Belo Monte em Altamira-PA. Revista Nacional de Gerenciamento de Cidades, v. 2, n. 13, p. 43-57, 2014.
Santos, D. M. Análise e Modelagem Hidrometeorológica na Bacia do Tocantins em Marabá-PA. 118f. Dissertação Mestrado. Universidade Federal do Pará. 2008.
Silva, C. A; Moreira, R. P.; Herrera, J. A. Usina Hidrelétrica de Belo Monte: o processo de des-reterritorialização na (i)mobilidade em Altamira/PA.In: Congresso Brasileiro de Geógrafos, 7., 2014. Vitória. Anais. Vitória: AGB, 2014.
Shamsudin, S. and Hashin, N.: Rainfall runoff simulation using MIKE 11 NAM, J. Civ. Eng., 15(2), 1-13, 2002.
Villas-Bôas. A. (Org). De olho na bacia do Xingu. São Paulo: Insitituto Socioambiental. 2012. 61 p.
Xie. J. C., Tian-Ping, W., Jiang-Long, Z., Shen, Y. A method of Fllod Forecasting of Chaotic Radial Basis Function Neural Network. Intelligent Systems and Applications (ISA) 2010.
ANA, Agência Nacional de Àguas. Hidro Web – Sistema de Informações Hidrológicas. Disponível em: [link]. Acesso em: 20 Jun. 2017.
Brasil, Ministério do Meio Ambiente. Estudos Preliminares e formulação de uma proposta técnica para implantação de um mosaico de Unidades de Conservação no Médio Xingu, Brasília: MMA – ISA, 2003.
Castro, A. R. G., Miranda, V., & Lima, S. (2011). Transformer fault diagnosis based on autoassociative neural networks. Intelligent System Application to Power System (ISAP), 2011 16 th International Conference on, IEEE, p. 1-5.
Chaowanawatee, K and Heednacram, A. (2012). Implementation of cuckoo search in RBF neural network for flood forecasting, in 2012 Fourth International Conference on Computational Intelligence, Communication Systems and Networks (CICSyN), IEEE, pp.22-26.
Coutouis, A; Johannet, A; Ayral, A; Cadilhac, L. Towards a neural networks-based prediction tool devoted to low water-levels forecasting: relevant architecture selection based on main physical processes. International congress on environmental Modelling and Software, 2016.
Dawson, C. W.; Wilby, R. L., Hidrological modelling using artificial neural networks. Progress in Physical Geography, 2001, v. 25, n.1, p. 80-108.
De Souza, E. B.; Kayano, M. T.; Ambrizzi, T. Interseasonal and submontly variability over the eastern Amazon and Northeast Brazil during the autumn rainy season. Theoretical and Applied Climatology, v. 81, p.177-191, 2005.
Dornelles, F., Goldenfum, J. A., and Pedrollo, O. C. (2013). Artificial neural network methods applied to forecasting river leves. Revista Brasileira de Recursos Hídricos.
Filippo, A. M.; Variabilidade do nível do mar em função de eventos meteorológicos de baixa freqüência. Tese de doutorado. Universidade Federal Fluminense. Niterói, Rio de Janeiro, 2003.
Franco, V. S. Previsão Hidrológica de cheia sazonal na sub-bacia do rio Xingu e análise de vulnerabilidade social em Altamira-PA, 2014. 68.Universidade Federal do Pará.
Gopakumar, R.; Takara, K. Water Level Forecasting in the Vembanad Water System Using Artificial Neural Networks. In: International Conference on Advances in Recent Technologies in Communication and Computing, Washington, DC, USA. Proceedings… IEEE, 2009.
Haykin, S. S., Haykin, S. S., & Haykin, S. S. (2009). Neural networks and learning machines (Vol. 3). Upper Saddle River, NJ, USA::Pearson.
Li, W.; Sá, L. A.; Galvão, G. P.; Bevilaqua, R. M. Prediction of the level os Paraguay River using Neural Networks. Pesquisa Agropecuária Brasileira, v. 33, n. Especial, 1791-1797p., 1998.
Miranda Neto, J. Q. Reassentamento da população urbana diretamente afetada pelo empreendimento hidrelétrico de Belo Monte em Altamira-PA. Revista Nacional de Gerenciamento de Cidades, v. 2, n. 13, p. 43-57, 2014.
Santos, D. M. Análise e Modelagem Hidrometeorológica na Bacia do Tocantins em Marabá-PA. 118f. Dissertação Mestrado. Universidade Federal do Pará. 2008.
Silva, C. A; Moreira, R. P.; Herrera, J. A. Usina Hidrelétrica de Belo Monte: o processo de des-reterritorialização na (i)mobilidade em Altamira/PA.In: Congresso Brasileiro de Geógrafos, 7., 2014. Vitória. Anais. Vitória: AGB, 2014.
Shamsudin, S. and Hashin, N.: Rainfall runoff simulation using MIKE 11 NAM, J. Civ. Eng., 15(2), 1-13, 2002.
Villas-Bôas. A. (Org). De olho na bacia do Xingu. São Paulo: Insitituto Socioambiental. 2012. 61 p.
Xie. J. C., Tian-Ping, W., Jiang-Long, Z., Shen, Y. A method of Fllod Forecasting of Chaotic Radial Basis Function Neural Network. Intelligent Systems and Applications (ISA) 2010.
Publicado
26/06/2018
Como Citar
SILVA, Arilson Galdino da; CASTRO, Adriana R. G.; VIEIRA, Alen Costa.
Modelo de Previsão Hidrológica Utilizando Redes Neurais Artificiais: Um Estudo de Caso na Bacia do Rio Xingu - Altamira-PA. In: WORKSHOP DE COMPUTAÇÃO APLICADA À GESTÃO DO MEIO AMBIENTE E RECURSOS NATURAIS (WCAMA), 9. , 2018, Natal.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2018
.
ISSN 2595-6124.
DOI: https://doi.org/10.5753/wcama.2018.2928.
