Preenchimento e validação em dados de precipitação através de técnicas estatísticas e de inteligência artificial

Resumo

O estudo do regime hídrico das chuvas auxilia nas análises de gestão e em tomadas de decisão nas bacias hidrográficas, mas uma condição fundamental é a necessidade de séries temporais contínuas de dados. Diante disso, o objetivo do presente estudo foi realizar a comparação entre os métodos de preenchimento de falha em dados de precipitação e validá-los através de técnicas estatísticas robustas. Foram utilizados dados de precipitação localizados no município de Itirapina que conta com quatro estações de monitoramento. Foi empregado quatro técnicas de preenchimento de falhas, sendo: método razão normal, ponderação distância inversa, regressão múltipla e redes neurais artificiais, no período de 1979 a 1989. Para validação e avaliação do desempenho utilizou-se o coeficiente de determinação (R²), erro absoluto médio (MAE), erro quadrático médio (RMSE), coeficiente de Nash-Sutcliffe (Nash), índice de concordância (D), índice de confiança (C) e através de técnicas não paramétricas com teste de Mann-Whitney e Kruskal-Wallis. Foram verificados ótimos desempenhos dos dados reais em comparação aos dados estimados, com valores acima de 0,8 do coeficiente de determinação (R²) e de Nash. Para os testes de Kruskal-Wallis e Mann-Whitney não foram significativos nas estações C1 e C2, demonstrando que existe diferença entre os dados reais e estimados e entre os métodos propostos. Pôde-se concluir que os métodos de regressão múltipla e redes neurais apresentaram os melhores desempenhos. A partir desse estudo verificou-se ferramentas eficientes para o preenchimento de falha promovendo assim, uma melhor gestão e operação dos recursos hídricos.

Palavras-chave: método razão normal, ponderação distância inversa, redes neurais artificiais, regressão múltipla.