Avaliação de diferentes estratégias para treinamento de aprendizado de máquina aplicado à previsão de vazão com base no agrupamento de eventos de inundação

RESUMO

O presente trabalho apresenta uma nova abordagem para a modelagem hidrológica, baseada no agrupamento de cheias. Combinada às técnicas de Aprendizagem de Máquina, a pesquisa visa otimizar a simulação de vazões, por meio do aumento da similaridade dos dados de cada grupo. Usando as vazões médias diárias de 1964 a 2015 em União da Vitória (bacia hidrográfica do rio Iguaçu, Paraná, Brasil), o algoritmo Fuzzy C-Means agrupou os eventos de cheia em três grupos. Assim, foram treinados cinco modelos: um para a série completa, um para todas as cheias e um para cada grupo. O algoritmo de Regressão por Vetores de Suporte foi aplicado para obtenção dos modelos de Inteligência Artificial (IA), que apresentaram melhor desempenho ao prever vazões para os grupos em que foram treinados e apresentaram desempenho similar ao modelo treinado com a série completa para um horizonte de previsão de um dia. Este artigo discute somente os resultados obtidos nas fases de treinamento e teste. Um trabalho futuro (em elaboração) apresentará o desenvolvimento e a avaliação dos modelos de previsão, com base na metodologia proposta.

Palavras-chave:
Técnicas de Inteligência Artificial; Modelos inteligentes de análise de séries temporais. Algoritmo Fuzzy C-Means; Modelagem hidrológica; Algoritmo de Regressão por Vetores de Suporte