Rubens Oliveira da Cunha Junior, Paulo Renato Alves Firmino
Groundwater level forecasting is essential for water availability. Formalisms such as Artificial Neural Networks (ANN) are broadly used to time series modeling and forecasting. The aim of this paper was to evaluate the application of ANN models for forecasting groundwater level of one well installed at Medium Aquifer System in Araripe sedimentary basin, Ceará. Feedforward ANN models with one hidden layer were applied. By using the time series past values as model inputs, the optimal network architecture was searched, with respect to the number of nodes on input and hidden layers. The ANN models were applied according to single and combined modeling approaches, through linear combination of forecasts, such as Simple Average and Simple Median. The model performances were measured and compared by well-known statistics metrics, such as RMSE and R². Results highlight the ANN good performance, with RMSE = 0,032 m and R² = 0,99. Single models outperformed combinations. This research showed how ANN are efficient models for forecasting groundwater level, even on complex systems and with a few input variables, representing a tool with large applicability on groundwater resources management
A previsão dos níveis de água subterrânea é fundamental para a avaliação da disponibilidade hídrica. Formalismos como Redes Neurais Artificiais (RNA) são amplamente utilizados na modelagem e previsão de séries temporais. O objetivo do presente trabalho foi avaliar a aplicação de modelos RNAs para previsão dos níveis de água em um poço instalado no Sistema Aquífero Médio, na bacia sedimentar do Araripe, Ceará. Foram utilizadas RNA feedforward com uma camada oculta. Utilizando os valores passados da série como entradas nos modelos, investigou-se a melhor arquitetura das redes quanto ao número de nós nas camadas de entrada e oculta. Os modelos foram aplicados segundo abordagens de modelagem individual e combinadas, através da combinação linear de preditores, como a Média Simples e a Mediana Simples. Seus desempenhos foram avaliados segundo métricas estatísticas conhecidas, como o RMSE e o R². Os resultados obtidos evidenciam o bom desempenho das RNAs, com RMSE = 0,032 m e R² = 0,99. Os modelos individuais superaram as combinações. O presente trabalho mostrou como RNAs são modelos eficientes para a previsão do nível da água subterrânea, mesmo em sistemas complexos e com poucas variáveis de entrada, constituindo uma ferramenta com grande aplicabilidade para gestão dos recursos hídricos subterrâneos.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados