Seasonal forecasting of inflows to the Carnaubal Reservoir in the Brazilian semi-arid region using artificial neural networks
Revista Brasileira de Ciências Ambientais · 18.08.2026 · 61 · e2716
DOI: 10.67790/rbciamb.026.2716 ↗Kurz gefasst
Fachartikel in der Zeitschrift Revista Brasileira de Ciências Ambientais, online erschienen am 18.08.2026. Verfasst von Tatiane Lima Batista und 3 weiteren Autor:innen. Die Arbeit nennt 48 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Diante dos desafios impostos pelas condições climáticas de regiões semiáridas que dependem da política de açudagem para garantia de disponibilidade hídrica, métodos de aprendizado de máquina estão sendo usados como ferramentas para a gestão eficiente dos recursos hídricos. Este trabalho teve como objetivo calibrar um modelo de previsão sazonal de vazões para o açude Carnaubal, no Semiárido cearense, utilizando redes neurais artificiais (RNA) do tipo Multilayer Perceptron (MLP). Foram desenvolvidos dois modelos com diferentes conjuntos de índices de temperatura da superfície do mar (TSM), incluindo Niño 3, Niño 1+2, TAN, TAS, para o período de 1912 a 2015, representando condições dos oceanos Atlântico tropical e Pacífico equatorial. As previsões foram avaliadas por meio de métricas determinísticas, probabilísticas e de classificação. O modelo baseado em preditores do Atlântico apresentou melhor desempenho, com coeficiente de Nash-Sutcliffe (NSE) de 0,58 e coeficiente de correlação (R) de 0,78 no conjunto de teste, além de desempenho superior à climatologia (índice de desempenho de 1,16). Na classificação de anos secos, normais e chuvosos, o modelo obteve acurácia de 57% e melhor desempenho na previsão de anos chuvosos (F1-score de 0,74). Os resultados evidenciam a relevância da variabilidade do Atlântico tropical na previsibilidade das vazões na região e demonstram o potencial das redes neurais como ferramenta de apoio à decisão na gestão de recursos hídricos em ambientes semiáridos. Estudos futuros podem explorar abordagens multimodelo para aprimorar a acurácia das previsões.
Zitieren
APA
Batista, T. L., Alexandre, A. M. B., Araújo, J. K. S. D., & Filho, F. D. A. D. S. (2026). Seasonal forecasting of inflows to the Carnaubal Reservoir in the Brazilian semi-arid region using artificial neural networks. Revista Brasileira de Ciências Ambientais, 61, e2716. https://doi.org/10.67790/rbciamb.026.2716
Vancouver
Batista TL, Alexandre AMB, Araújo JKSD, Filho FDADS. Seasonal forecasting of inflows to the Carnaubal Reservoir in the Brazilian semi-arid region using artificial neural networks. Revista Brasileira de Ciências Ambientais. 2026;61:e2716. doi:10.67790/rbciamb.026.2716
BibTeX
@article{Batista2026,
author = {Batista, Tatiane Lima and Alexandre, Alan Michell Barros and Araújo, José Kerlly Soares de and Filho, Francisco de Assis de Souza},
title = {Seasonal forecasting of inflows to the Carnaubal Reservoir in the Brazilian semi-arid region using artificial neural networks},
journal = {Revista Brasileira de Ciências Ambientais},
year = {2026},
volume = {61},
pages = {e2716},
doi = {10.67790/rbciamb.026.2716}
}
EUVIMED