RESUMO Neste estudo foi proposta a elaboração de um modelo de previsão de vazões no horizonte de dez dias para a Usina Hidrelétrica de Furnas, localizada na Bacia do Rio Grande, Minas Gerais, a partir da aplicação de redes neurais artificiais (RNA), informações de vazão natural e precipitação observada e prevista. O modelo foi desenvolvido utilizando o software Matlab(r) Neural Network Toolbox. Escolheu-se uma rede neural do tipo perceptron multicamadas (MLP), treinada com algoritmo supervisionado de retropropagação Levenberg-Marquardt. As previsões de precipitação foram obtidas a partir do modelo ETA/Centro de Previsão do Tempo e Estudos Climáticos (CPTEC), e utilizadas com e sem tratamento matemático. Foram realizados três experimentos, dividindo-se o histórico de dados em três períodos, sendo o primeiro para a calibração do modelo, o segundo para a validação e o terceiro para os testes. Em cada experimento foi variado o conjunto de dados de entrada, sendo utilizada, no primeiro experimento, somente a vazão passada para prever os dez dias de vazão futura. No segundo foi adicionada a precipitação observada e, no terceiro, a previsão de precipitação. Os resultados da modelagem chuva-vazão obtidos com a previsão de precipitaçãodo modelo ETA não apresentaram melhorias estatísticas em comparação com os experimentos que só utilizaram informações passadas. No entanto, quando se utilizou a previsão de precipitação corrigida matematicamente, observou-se uma melhora sensível tanto nos índices estatísticos quanto na representação da previsão simulada no hidrograma, ficando o desempenho da modelagem proposta neste estudo semelhante à encontrada em modelos conceituais do tipo chuva-vazão.
PymoNNto: A Flexible Modular Toolbox for Designing Brain-Inspired Neural Networks
