Filling and validating rainfall data based on statistical techniques and artificial intelligence
Revista Ambiente E Água
Filling and validating rainfall data based on statistical techniques and artificial intelligence
Autor Correspondente: Camila Bermond Ruezzene | [email protected]
Palavras-chave: artificial neural networks, inverse distance weighting, multiple regression, normal ratio method.
Resumos Cadastrados
Resumo Português:
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.
Resumo Inglês:
The study of the hydric regime of rainfall helps in management analysis and decision-making in hydrographic basins, but a fundamental condition is the need for continuous time series of data. Therefore, this study compared gap filling methods in precipitation data and validated them using robust statistical techniques. Precipitation data from the municipality of Itirapina, which has four monitoring stations, were used. Four gap filling techniques were used, namely: normal ratio method, inverse distance weighting, multiple regression and artificial neural networks, in the period from 1979 to 1989. For validation and performance evaluation, the coefficient of determination (R²), mean absolute error (MAE), mean squared error (RMSE), Nash-Sutcliffe coefficient (Nash), agreement index (D), confidence index were used (C) and through non-parametric techniques with Mann-Witney and Kruskal-Wallis test. Excellent performances of real data were verified in comparison with estimated data, with values above 0.8 of the coefficient of determination (R²) and of Nash. Kruskal-Wallis and Mann-Whitney tests were not significant in Stations C1 and C2, demonstrating that there is a difference between real and estimated data and between the proposed methods. It was concluded that the multiple regression and neural network methods showed the best performance. From this study, efficient tools were found to fill the gap, thus promoting better management and operation of water resources.
