Previsão de inundações urbanas com redes neurais de saídas múltiplas: uma abordagem baseada em física e em dados

RESUMO

Modelos baseados em física para previsão espacial de inundações são caros em termos de tempo e processamento computacional. Modelos baseados em dados, embora mais rápidos, requerem grandes quantidades de dados para ajuste. Este estudo apresenta uma metodologia original que combina essas duas abordagens, utilizando um modelo baseado em física (HEC-RAS 2D), ajustado com eventos conhecidos, para gerar dados de profundidade de água em pontos de controle, e redes neurais artificiais (ANNs) de múltiplas saídas para previsão de inundação nesses pontos. O desempenho das ANNs nesta pesquisa, com aplicação na área urbana de Lages-SC, resultou em erros médios absolutos de 3,9, 9,8 e 46 cm, com coeficientes de Nash-Sutcliffe correspondentes de 0,99, 0,98 e 0,75, para horizontes de previsão de 3 h, 8 h e 20 h, respectivamente. As ANNs de múltiplas saídas demonstraram maior robustez em comparação com ANNs de saída única para a previsão espacializada de inundações. A metodologia é adequada para o desenvolvimento de modelos de previsão de inundações urbanas, com agilidade suficiente para que as medidas necessárias sejam tomadas.

Palavras-chave:
Inundações urbanas; Modelagem hidrodinâmica; Inteligência computacional; Modelo de previsão