Aplicação de redes neuronais artificiais para a criação de emuladores dos comportamentos hidrodinâmico e de qualidade de águas superficiais

Abstract

O novo paradigma da gestão dos recursos hídricos, anunciado pela Directiva n.º 2000/60/CE (Directiva Quadro da Água ‐ DQA) e a sua transposição para a legislação portuguesa através da Lei n.º 58 de 29 de Dezembro (Lei da Água), estabeleceu a necessidade de desenvolvimento e integração de novos mecanismos e ferramentas que possibilitem a produção de informação vital aos processos de tomada de decisão. A modelação matemática pode fornecer esse contributo à gestão dos recursos hídricos na União Europeia e, mais especificamente, em Portugal. Para a construção de modelos hidrodinâmicos e de qualidade da água, que servirão de base aos objectivos principais do presente trabalho, foi utilizada uma ferramenta de modelação matemática em hidráulica denominada SOBEK. Este software específico de modelação, com uma experiência alargada de aplicação (Delft Hydraulics, 2005), permite, através de um conjunto de informação de suporte, criar reproduções da realidade hidráulica tão fiéis quanto o utilizador entender e a informação que possui permitir. Tendo identificado estes factores, a capacidade técnica do utilizador e a qualidade da informação de base, aliados à complexidade da representação da realidade na modelação matemática e à dificuldade no processamento, como sendo aqueles que mais condicionam o desempenho final dos modelos e a sua utilização, aplicou‐se uma metodologia inteligente de computação, as Redes Neuronais Artificiais (RNA), para tentar mitigar as dificuldades reconhecidas em utilizações específicas de modelação matemática como é o caso da gestão optimizada de recursos hídricos. Estes algoritmos inteligentes, cujo desenvolvimento foi inspirado no comportamento do sistema nervoso humano, serão utilizados para interpretar e simular séries de dados de monitorização e ainda emular modelos hidrodinâmicos e de qualidade da água. Por serem algoritmos genéricos e que não implicam conhecimento específicos na área onde serão aplicados, estes modelos poderão complementar ferramentas específicas como o SOBEK e ainda reproduzir o seu comportamento matemático, desde que devidamente treinadas para o efeito. Os resultados deste trabalho permitem compreender até que ponto as RNA poderão emular modelos hidrodinâmicos e de qualidade da água, substituindo ou complementando ferramentas específicas de modelação matemática, e ainda inferir sobre a sua capacidade de relacionar variáveis de monitorização dos recursos hídricos.

The new water resources management paradigm, introduced by the Directive n.º 2000/60/CE (Water Framework Directive) and it’s translation to the Portuguese legislation through the Law n.º 58 of December 29 (Water law), established the need of development and integration of new mechanisms and tools that allow the generation of vital information to decision making. Mathematical modelling can provide a valuable contribution to water resources management in the European Union and, more specifically, in Portugal. For the construction of hydrodynamic and water quality models, which will serve as support to the main objective of the present thesis, it was used the SOBEK software. This specific modelling software, already with a wide application experience (Delft Hydraulics, 2005), allows, through a set of base information, to create representations of the hydraulic reality as faithful as the user wants and the quality of the base data allows. Having identified the user technical ability and the quality of the information basis, allied to the reality representation complexity in mathematical modeling and the processing difficulty as being those which most affect the model’s final performance and it’s use, arose the need to mitigate these known difficulties in mathematical modeling applied to water resources. For that, was applied an intelligent computation methodology, the Artificial Neural Networks (ANN). These intelligent algorithms, which are inspired in the human nervous system behavior, will be used to interpret and simulate monitoring data series and emulate hydrodynamic and water quality models. Because they are generic algorithms that don’t involve specific knowledge in the area in which they will be applied, these models may complement specific tools like SOBEK and still recreate it’s mathematical behavior, if properly trained for that purpose. The results of this work allow understanding how far can the ANN go to emulate hydrodynamic and water quality models, replacing or complementing mathematical modeling specific tools, and still deduce over its ability to relate water resources monitoring variables.