Previsão do nível da água do Rio Mundaú em Rio Largo com Redes Neurais Profundas

• Lucas S. Candido IFAL
• Christian A. de Melo Barbosa IFAL
• Matheus B. M. Cedrim CESMAC

DOI: https://doi.org/10.5753/wcama.2025.9318

Resumo

O estudo criou um modelo de baseado em LSTM para prever o nível diário do Rio Mundaú em Rio Largo, Alagoas, devido a cheias recorrentes. Utilizando dados históricos de chuva e nível do rio (1990-2023), o modelo demonstrou eficácia com RMSE de 25,69 cm e R² de 0,84 na fase de teste. Os resultados indicam aplicabilidade para alertas de cheias e gestão hídrica, com sugestões para futuras melhorias, como inclusão de variáveis ambientais e modelos híbridos.

Referências

Adli Zakaria, M. N., Ahmed, A. N., Abdul Malek, M., et al. (jul 2023). Exploring machine learning algorithms for accurate water level forecasting in Muda river, Malaysia. Heliyon, v. 9, n. 7, p. e17689.

Chang, F.-J., Chen, P.-A., Lu, Y.-R., Huang, E. and Chang, K.-Y. (sep 2014). Real-time multi-step-ahead water level forecasting by recurrent neural networks for urban flood control. Journal of Hydrology, v. 517, p. 836–846.

IBGE (2022). IBGE | Cidades@ | Alagoas | Rio Largo | Pesquisa | Censo 2022 | Território. [link], [accessed on Apr 1].

Virães, M. V. and Pinto, E. J. de A. (2020). Disponibilidade hídrica do Brasil: estudos de regionalização nas bacias hidrográficas brasileiras: análise de frequência de sistemas de alerta: Sistema de Alerta Bacia do Rio Mundaú, Rio Mundaú, Estação Fluviométrica União dos Palmares, código 39740000. . CPRM. [link], [accessed on Apr 1].

Zhihui Dai, Ming Zhang, Nadia Nedjah, Dong Xu, and FengYe (2023). A Hydrological Data Prediction Model Based on LSTM with Attention Mechanism. Water 2023, v. 15.