PREVISÃO DE NÍVEIS DE CHEIA NA BACIA DO RIO MUNDAÚ COM USO DE TÉCNICAS DE MACHINE LEARNING E DEEP LEARNING

Amanda Machado Pereira; Sun Velloso da Cruz de Melo; Alfredo Ribeiro Neto; Jaime Joaquim da Silva Pereira Cabral

Todos os Trabalhos

Trabalho Completo

Resumo

Título do Trabalho

PREVISÃO DE NÍVEIS DE CHEIA NA BACIA DO RIO MUNDAÚ COM USO DE TÉCNICAS DE MACHINE LEARNING E DEEP LEARNING

Autores

Amanda Machado Pereira
Sun Velloso da Cruz de Melo
Alfredo Ribeiro Neto
Jaime Joaquim da Silva Pereira Cabral

Modalidade

Resumo expandido (clique aqui para fazer o download do template)

Área temática

Inteligência artificial aplicada a Recursos Hídricos

Data de Publicação

05/04/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/i-congresso-pernambucano-recursos-hidricos/1444242-previsao-de-niveis-de-cheia-na-bacia-do-rio-mundau-com-uso-de-tecnicas-de-machine-learning-e-deep-learning

ISBN

978-65-272-2310-8

Palavras-Chave

Inundação, previsão hidrológica, machine learning.

Resumo

As mudanças climáticas têm causado períodos de seca e enchentes no Nordeste brasileiro, afetando a população e a infraestrutura. Prever os níveis dos rios com antecedência é essencial para reduzir impactos desses eventos. Este trabalho teve como objetivo prever as cotas de N.A. com 6 horas de antecedência para as estações de Murici e União dos Palmares, utilizando técnicas de Machine Learning e Deep Learning. Foram analisadas séries de níveis d’água das estações locais e a montante, aplicando-se três métodos: Regressão Linear Múltipla, Random Forest e Redes Neurais Artificiais do tipo Multi-Layer Perceptron (MLP). Os dados foram divididos em treino (70%) e teste (30%), e o desempenho dos modelos avaliado com as métricas MAE, RMSE e R². Os resultados mostraram que o Random Forest foi o modelo mais eficiente para ambas as estações, captando bem a dinâmica dos níveis de água. O Deep Learning também apresentou bom desempenho, enquanto a Regressão Linear apresentou limitações em períodos de maior mudança. Como conclusão, os métodos aplicados se mostraram adequados para prever os níveis do rio Mundaú com 6 horas de antecedência, sendo o Random Forest o mais indicado. O estudo reforça a importância do uso de técnicas de aprendizado de máquina e redes neurais na gestão de bacias hidrográficas, contribuindo para tomadas de decisões mais rápidas e seguras em situações de risco de enchentes.

Título do Evento: I Congresso Pernambucano de Recursos Hídricos
Cidade do Evento: Recife
Título dos Anais do Evento: Anais do Congresso Pernambucano de Recursos Hídricos
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

PEREIRA, Amanda Machado et al.. PREVISÃO DE NÍVEIS DE CHEIA NA BACIA DO RIO MUNDAÚ COM USO DE TÉCNICAS DE MACHINE LEARNING E DEEP LEARNING.. In: Anais do Congresso Pernambucano de Recursos Hídricos. Anais...Recife(PE) Escola Politécnica de Pernambuco, 2026. Disponível em: https//www.even3.com.br/anais/i-congresso-pernambucano-recursos-hidricos/1444242-PREVISAO-DE-NIVEIS-DE-CHEIA-NA-BACIA-DO-RIO-MUNDAU-COM-USO-DE-TECNICAS-DE-MACHINE-LEARNING-E-DEEP-LEARNING. Acesso em: 12/07/2026