Implementação da técnica de aprendizagem profunda para a previsão de caudal

O controlo e a gestão dos recursos hídricos são grandemente auxiliados por barragens e reservatórios, que têm beneficiado as sociedades humanas de muitas formas. Estes benefícios incluem a melhoria da saúde humana, o aumento da produção de alimentos, o acesso a água potável para uso doméstico e industrial, o crescimento económico, a irrigação, a produção de energia hidroelétrica e o controlo das cheias. Um passo importante, não relacionado com a engenharia, para verificar as medidas de controlo das cheias e melhorar a eficiência do abastecimento de água é a previsão exacta das afluências. Além disso, como o afluxo é a principal entrada nos reservatórios, uma previsão precisa do afluxo pode fornecer recomendações para o desenvolvimento e gestão dos reservatórios. O objetivo deste estudo é comparar a forma como os algoritmos de aprendizagem profunda e os algoritmos tradicionais de aprendizagem automática são utilizados na previsão do caudal dos reservatórios. O LSTM, como um modelo eficaz de aprendizagem profunda, superou outros modelos convencionais de aprendizagem automática na previsão do caudal do reservatório. Os resultados do presente estudo podem ser de interesse direto para organizações globais de água, sectores públicos e privados de água em todo o mundo.