UM ESTUDO COMPARATIVO DOS MODELOS BOX-JENKINS E REDES NEURAIS ARTIFICIAIS NA PREVISÃO DE VAZÕES E PRECIPITAÇÕES PLUVIOMÉTRICAS DA BACIA ARAGUAIA, TOCANTINS, BRASIL

Main Article Content

Joaquim Carlos Barbosa Queiroz
Everaldo Barreiros de Souza
Valcir João da Cunha Farias
Edson José Paulino da Rocha
Helyelson Paredes Moura

Resumo

Estudar a variabilidade dos parâmetros hidroclimáticos locais em bacias
hidrográficas é importante para melhorar o gerenciamento dos recursos hídricos.
Para tal, foram utilizados o modelo estatístico baseado na metodologia Box-
Jenkins, adotado por muitas empresas na análise de séries temporais, inclusive
todo o setor elétrico brasileiro, e a tecnologia de redes neurais, que se apresenta
como poderosa ferramenta para previsões. Na comparação entre as duas técnicas,
foram utilizadas observações de médias mensais de duas estações meteorológicas
da Bacia Araguaia-Tocantins, Brasil, uma de vazões mensais (m3/s) e outra de
precipitações pluviométricas mensais (mm), da Agência Nacional de Águas (ANA),
com registros contínuos nos períodos de 1969 a 2017 e 1974 a 2017. As previsões
foram testadas para 12 e 24 meses. Uma comparação entre os dois métodos,
usando o teste de hipótese a partir de intervalos de confiança de 95%, mostrou
que não houve diferenças estatisticamente significativas nas previsões individuais
tanto de precipitações pluviométricas como de vazões. Entretanto, o uso do root
mean square error (RMSE) mostrou que o método de Box-Jenkins apresenta
melhores resultados. A maior dificuldade nesse método é na construção do
modelo, sobretudo em séries com alta variabilidade. O método de redes neurais,
em geral, consome mais tempo computacional em relação ao Box-Jenkins.

Article Details

Como Citar
Salame, C., Queiroz, J., Souza, E., Farias, V., Rocha, E., & Moura, H. (2019). UM ESTUDO COMPARATIVO DOS MODELOS BOX-JENKINS E REDES NEURAIS ARTIFICIAIS NA PREVISÃO DE VAZÕES E PRECIPITAÇÕES PLUVIOMÉTRICAS DA BACIA ARAGUAIA, TOCANTINS, BRASIL. Revista Brasileira De Ciências Ambientais (Online), (52), 28-43. https://doi.org/10.5327//Z2176-947820190444
Seção
Artigos