calibraÇÃo automÁtica de um modelo chuva-vazÃo …
TRANSCRIPT
XIX Simpósio Brasileiro de Recursos Hídricos 1
CALIBRAÇÃO AUTOMÁTICA DE UM MODELO CHUVA-VAZÃO
MENSAL POR ALGORITMOS GENÉTICOS
Gabriel Ribeiro Capon1i & Benedito Cláudio da Silva
2; Afonso Henrique Moreira Santos
3
Resumo - Modelos hidrológicos chuva–vazão são utilizados diversas áreas de recursos hídricos.
Estes modelos possuem parâmetros que buscam caracterizar uma determinada bacia e que
geralmente são ajustados usando dados observados de vazão. A calibração de modelos hidrológicos
se torna um trabalho árduo quando realizada por tentativa e erro, especialmente quando o usuário
do modelo possui pouca experiência. Assim os algoritmos genéticos são potencialmente úteis na
calibração automática de modelos, visto que sua técnica de busca é orientada globalmente, sendo
útil na solução de problemas de otimização em que respostas da função objetivo contém vários
ótimos e outras irregularidades. No presente estudo testou-se a utilidade dos algoritmos genéticos na
calibração de modelos chuva-vazão. Um algoritmo genético foi desenvolvido e usado para calibrar
o modelo SMAP com discretização mensal de 6 parâmetros. O desempenho do algoritmo genético
foi estudado utilizando dados de três bacias hidrográficas, situados no Rio São Francisco. O
algoritmo genético teve bom desempenho ao buscar o mínimo global da função objetivo. Em
termos de minimização da função objetivo o algoritmo genético mostrou-se uma técnica de busca
extremamente capaz e robusta. O algoritmo genético desenvolvido se mostra ainda mais útil quando
ocorre interatividade com o usuário.
Abstract -. Rainfall-runoff hydrological models are used for various areas of water resources.
These models have parameters that try to characterize a given basin and which are usually fitted
using observed data flow. The calibration of hydrologic models is a hard work when done by trial
and error, especially when the user's model has little experience. Therefore genetic algorithms are
potentially useful in automatic calibration of models, as its search technique is globally oriented and
is useful in solving optimization problems in which responses of the objective function contains
many fine and other irregularities. In the present study tested the usefulness of genetic algorithms
for calibration of rainfall-runoff models. A genetic algorithm was developed and used to calibrate
the model with discretization SMAP, 6 monthly parameters. The performance of genetic algorithm
was studied using data from three watersheds, located in Rio San Francisco. The genetic algorithm
performed well in seeking the global minimum objective function. In terms of minimizing the
objective function the genetic algorithm proved to be a search technique extremely capable and
robust. The genetic algorithm developed is even more useful when user interactivity.
Palavras-chave: Modelo chuva-vazão, algoritmos genéticos, SMAP
1 Universidade Federal de Itajubá – UNIFEI, Av. BPS, 1303 – Itajubá / MG, 37500-903. (35) 3629 1411, [email protected] 2 Universidade Federal de Itajubá – UNIFEI, Av. BPS, 1303 – Itajubá / MG, 37500-903. (35) 3629 1411, [email protected]
3 Universidade Federal de Itajubá – UNIFEI, Av. BPS, 1303 – Itajubá / MG, 37500-903. (35) 3629 1411, [email protected]
XIX Simpósio Brasileiro de Recursos Hídricos 2
1. INTRODUÇÃO
A maioria dos modelos hidrológicos de transformação chuva-vazão são conceituais, para os
quais os parâmetros, geralmente, não podem ser estimados através de medidas diretas, como por
exemplo, da taxa de infiltração do solo (pontual) ou definição de tipo de solo ou vegetação. Dessa
forma, uma das etapas fundamentais da aplicação de um modelo chuva vazão é a calibração dos
parâmetros do modelo com base em dados de vazão observados.
Esta calibração pode ser realizada manualmente modificando os valores dos parâmetros até
que o hidrograma calculado reproduza o observado, com a precisão considerada aceitável, num
método conhecido como tentativa e erro (Tucci, 1998). O processo de calibração manual pode ser
extremamente demorado e extenuante, principalmente se o modelo utilizado possui um grande
número de parâmetros e o usuário pouca experiência. Para tornar mais rápido e eficiente este
processo pode ser empregados métodos de calibração automática (Tucci e Collischonn, 2002).
Segundo Duan et al. (1992) há vários problemas que dificultam a calibração automática de
modelos chuva – vazão. Sendo estes: a superfície de resposta de funções objetivo de modelos chuva
– vazão apresenta várias regiões de atração, para as quais os métodos automáticos podem convergir;
cada região de atração contém muitos mínimos locais que podem estar próximos ou não do ótimo
global; a superfície de resposta não é necessariamente contínua nem suave e as suas derivadas são
descontínuas; a sensibilidade da função objetivo aos parâmetros não é constante e tende a decrescer
na proximidade dos pontos de ótimo; os parâmetros interagem de forma não linear e a função
objetivo é freqüentemente não convexa nas imediações do ótimo.
Os modelos de busca global foram desenvolvidos com o objetivo de superar essas
dificuldades. Entre os métodos de busca global está inserido o algoritmo genético que usam
conceitos de seleção natural e mutação, baseados em termos emprestados da biologia (Lacerda e
Carvalho, 1999). Algoritmos genéticos diferem dos outros métodos de busca, pois utilizam de
regras de transição probabilística e não-determinística. Como resultado, os algoritmos genéticos
pesquisam mais globalmente.
A proposta desse trabalho é desenvolver um modelo de transformação chuva-vazão, que possa
ser aplicado na área e geração de energia hidrelétrica para preenchimento de falhas e/ou extensão de
séries hidrológicas. Para esse objetivo será utilizada a estrutura proposta pelo modelo SMAP, com
intervalo de tempo mensal. O modelo apresentado neste trabalho possui uma interface de fácil
utilização e é acoplado a um modelo de otimização por algoritmos genéticos.
XIX Simpósio Brasileiro de Recursos Hídricos 3
2. MODELOS CHUVA-VAZÃO
Os modelos precipitação-vazão representam a parte do ciclo hidrológico compreendida entre a
precipitação e a vazão. Sendo essas: distribuição espacial da precipitação, perdas por interceptação,
evaporação, depressão do solo, fluxo no solo da infiltração, percolação e água subterrânea,
escoamento superficial, sub-superficial e no rio (Tucci, 1998). Os aspectos relevantes no uso e
estrutura do modelo são os objetivos para o qual o modelo será usado, conhecimento de suas
limitações frente ao processo representado, a consistência e quantidade dos dados de entrada no
modelo.
Os modelos chuva-vazão são utilizados para estudos do comportamento dos fenômenos
físicos hidrológicos, análise de consistência e preenchimento de falhas, previsão de vazão em tempo
real, previsão de cenários de planejamento, efeitos resultantes da modificação do uso do solo,
dimensionamento de obras hidráulicas (Tucci, 1998; Barth et al., 1987).
3. ALGORITMOS GENÉTICOS
O algoritmo genético (AG) é uma técnica computacional utilizada com a finalidade de
resolver ou aproximar resoluções de problemas. Esse é um método de otimização global baseado no
princípio da sobrevivência do mais apto. Tal princípio permite sua utilização em problemas de
otimização tendo como objetivo encontrar um conjunto de parâmetros que minimizam ou
maximizam uma função de adaptação.
Os AG’s são usados para resolver uma variedade de problemas de otimização, sendo os mais
comuns: problemas em que a função objetivo é descontínua, não-diferenciável, estocástica ou
altamente não-linear. A vantagem em utilizá-los, segundo Goldberg (1989) e Michalewicz (1996), é
que ao contrário das técnicas de busca padrão, esses operam com uma população de pontos e não
com um único ponto; utilizam uma função de adaptação direta, de custo ou recompensa, e não
derivadas ou outro conhecimento auxiliar; utilizam regras de transição probabilísticas e não
determinísticas; trabalham com uma codificação do conjunto de parâmetros e não com os próprios
parâmetros.
O AG opera da seguinte forma: dado um problema sob a forma de uma função objetivo, os
indivíduos mais aptos obtém valores máximos ou mínimos para a função - dependendo do objetivo
dessa – assim, cada indivíduo corresponde a uma possível solução. Logo ao se trabalhar com um
grupo de indivíduos, é possível ordenar o melhor ou pior desses verificando a potencialidade de
cada um em relação aos demais, utilizando a função de aptidão, dessa forma selecionam-se os mais
aptos para o cruzamento. Nos AG’s esses processos de reprodução são controlados pelos operadores
genéticos, os três principais tipos de operadores usados na criação da próxima geração, são:
XIX Simpósio Brasileiro de Recursos Hídricos 4
Operadores de seleção: em que se selecionam os indivíduos, chamados de pais, que
contribuirão para a população na próxima geração;
Operadores crossover: combinam dois pais para formarem as crianças da próxima
geração;
Operadores de mutação: aplica-se individualmente aos pais mudanças aleatórias para
formar as crianças.
Resumindo o algoritmo começa por criar uma população inicial aleatória. Para criar a
próxima geração o algoritmo faz uso da população atual para criar as filhos que comporão a
próxima geração. O algoritmo seleciona um grupo de indivíduos da população atual, chamado de
pais, que contribuem com seus genes, para as entradas de vetores de seus filhos. Esse processo,
chamado de reprodução, é repetido até que uma solução satisfatória seja encontrada, obedecendo
critérios de parada.
Figura 1-Estrutura de funcionamento de um Algoritmo Genético Padrão.
4. MATERIAIS E MÉTODOS
4.1. O Modelo chuva-vazão SMAP
O modelo hidrológico utilizado no estudo da calibração automática via algoritmos genéticos
foi o SMAP (Soil Moisture Accounting Procedure), que é um modelo de simulação hidrológica do
tipo transformação chuva-vazão desenvolvido por Lopes et al. (1981) e tradicionalmente
empregado na engenharia de recursos hídricos nacional. Apresenta uma estrutura simples, para
séries contínuas, e utiliza para a separação do escoamento superficial os parâmetros do método SCS
(Soil Conservation Service, USDA, 1986). É um modelo conceitual e concentrado.
XIX Simpósio Brasileiro de Recursos Hídricos 5
O modelo SMAP busca representar o armazenamento e os fluxos de água na bacia através de
reservatórios lineares fictícios, de maneira semelhante a outros modelos conceituais. O modelo
realiza o balanço da umidade do solo baseado em dois reservatórios lineares que representam o solo
e o aqüífero. O SMAP segue um conceito semelhante ao modelo ESMA (Explicit Soil Moisture
Accounting), desenvolvido por Dawdy e O’Donnel (1965). A figura seguinte ilustra a estrutura da
versão mensal.
Figura 2-Desenho esquemático do modelo SMAP.
Sendo
(1)
São ainda ajustados as unidades dos parâmetros:
(
) (2)
Onde Kkt é expresso em meses em que a vazão básica cai a metade de seu valor. Crec e TU
são multiplicados por 100.
O modelo contém ainda uma rotina de atualização previa do teor de umidade, em que a cada
intervalo de tempo é acrescido uma porcentagem da chuva média do mês, de forma a utilizar o teor
de umidade médio do mês em questão. Tal rotina é um incremento a mais que melhora
sensivelmente os resultados, partindo de observações, principalmente em regiões de grande
variabilidade no regime pluviométrico (Lopes, 1991). Assim a vazão em [m3/s] é dada por:
( )
(3)
É notado que o modelo possui seis parâmetros que precisam ser calibrados. A capacidade de
saturação do solo (Str), que segundo Diniz (1999) sofre influência de fatores relacionados com a
composição e profundidade do solo, capacidade de retenção, taxa de infiltração, espelhos de água
XIX Simpósio Brasileiro de Recursos Hídricos 6
na bacia e rede de drenagem. A constante relacionada à geração do escoamento superficial (Kes), a
qual também segundo Diniz (1999) é correlacionada a aspectos que tendem a gerar e facilitar o
escoamento como a área, declividade, forma da bacia e sinuosidade dos cursos de água,
precipitação e evaporação. O coeficiente de recarga do aqüífero (Crec), que segundo Nascimento et
al. (2007) está relacionado com a permeabilidade da zona não saturada do solo. A constante de
recessão (K) do nível d´água do segundo reservatório (Rsub), a qual foi ajustada para uso no
modelo, de forma que represente o tempo, em meses (Kkt), em que a vazão básica cai a metade de
seu valor, o segundo reservatório é responsável pela geração do escoamento de base (Eb). A taxa de
umidade inicial do solo (TUin), que estipula o nível inicial do segundo reservatório (Rsolo) e a
vazão básica inicial (Ebin).
4.2. Dados Para Calibração do Modelo SMAP
Para o estudo foram selecionados 29 postos fluviométricos inseridos na baica do Rio São
Francisco na sub-bacia 40, os dados dos postos são provenientes da rede fluviométrica da ANA
(Agência Nacional de Águas). A ANA disponibiliza pela Internet o Sistema HIDROWEB de
Informações Hidrológicas. De posse dos dados dos 29 postos, selecionou-se apenas 3 postos com
informações confiáveis e que possuem 30 anos de dados initerruptos para o estudo de caso (Tabela
1).
Tabela 1 - Postos Fluviométricos do estudo.
Código Nome Rio Latitude Longitude Área (km2)
40100000 Porto das Andorinhas São Francisco -19:16:43 -45:17:9 14000
40800001 Ponte Nova do Paraopeba Paraopeba -19:56:56 -44:18:19 5690
40330000 Velho da Taipa Pará -19:41:38 -44:55:51 7330
Para o estudo foram selecionados 68 postos pluviométricos inseridos na bacia do alto do Rio
São Francisco, sub bacia 40. Os dados dos postos são provenientes da rede pluviométrica da
ANA(Agência Nacional de Águas). Após a análise dos dados selecionou-se 16 postos com período
consistente de dados iguais ao dos postos fluviométricos, de 1961 a 1990 (30anos). Nesses foram
aplicados o método dos polígonos de Thiessen, necessários para o cálculo dos dados de entrada no
modelo de precipitação média na bacia. Para os dados de evapotranspiração potencial mensal foram
usadas as médias de 13 postos, cujos valores foram calculados pelo projeto Banco de dados
Climáticos do Brasil( disponível em <http://www.bdclima.cnpm.embrapa.br> ), desenvolvido pela
Empraba em parceria com a Esalq/USP.
A Figura 3 apresenta as bacias usadas no estudo como também os postos de
evapotranspiração, fluviométrico e pluviométricos utilizados.
XIX Simpósio Brasileiro de Recursos Hídricos 7
Figura 3-Mapa com as bacias e postos de evapotranspiração, vazão e chuva usados no estudo.
4.3. O Algoritmo Genético de Otimização
A primeira etapa para elaboração do AG é a definição de qual será a função para representar o
problema, esta é considerada a chave para um resultado satisfatório. A segunda é a definição das
variáveis ou parâmetros a serem calibradas do modelo SMAP, nessa etapa deve-se definir a faixa
aceitável de valores para cada parâmetro, a qual deve-se distribuir uniformemente pelo espaço de
busca. A terceira é a parametrização do sistema do AG, ou seja, as variáveis a serem inicializadas e
critérios de parada para o funcionamento do AG sendo elas: tamanho da população, números de
gerações, taxa de cruzamento, taxa de mutação, stall limite de parada, entre outros.
4.3.1. Função Objetivo
Considerando que a escolha adequada de uma determinada função objetivo não é uma tarefa
simples e depende da finalidade do uso futuro do modelo hidrológico. A literatura apresenta
diversar sugestões pra tal, algumas com melhor ajuste para os picos do hidrograma, outras para
vazões mínimas, outras na forma que se desenvolve o hidrograma, ascensão ou recessão, etc. Gupta
et al.(1998) apresentam um conjunto de nove funções objetivo utilizadas pelo National Weather
Service para a calibração do modelo chuva-vazão SAC-SMA. Estudos apontam que o erro entre as
XIX Simpósio Brasileiro de Recursos Hídricos 8
vazões simuladas e observadas é ligado a escolha da função objetivo, surge então a necessidade de
avaliação de múltiplas funções objetivo para a eficiente calibração automática do modelo SMAP.
A primeira função objetivo é a eficiência definida por Nash e Sutcliffe (1970), sendo essa a
proporção com que o modelo explica a variância das vazões observadas. É mais sensível aos erros
nas vazões máximas, sendo considerada adequado para a previsão de cheias (Tucci et al., 2003).
A segunda função objetivo avaliada é o coeficiente de Nash para os logaritmos das
vazões(LOGNS), ao apresentar valores próximos da unidade, significa que o modelo esta simulando
adequadamente os períodos de recessão do hidrograma e as estiagens (Collischonn, 2001). A
terceira função objetivo avaliada é o erro padrão do inverso da vazão, especialmente utilizada para
avaliar os ajustes das vazões mínimas (Tucci, 1998). A última função analisada é a de Oliveira
(1999) ou relação entre volumes medidos (∆V) para Collischonn (2001) e Andreolli (2003) que
expressa a diferença percentual entre a soma de todas as vazões, calculadas e observadas, sem
considerar sua sequência temporal (Tucci et al., 2003). Segundo Sulistiyono (1999), o desvio do
volume de escoamento mede a porcentagem do erro total da simulação em relação aos valores totais
observados, é necessário salientar que o desvio de volume igual a zero não indica um ajuste
perfeito, sendo uma provável medida da quantidade de volume escoado, sendo que um baixo valor
desse desvio indica que os volumes do escoamento observado e simulado são similares em
magnitude. Segundo Collischonn (2001), esta função objetivo também é útil para observar se as
perdas de água por evapotranspiração estão sendo corretamente calculadas.
As quatro funções foram testadas separadamente no algoritmo genético para calibração
automática do modelo SMAP no aplicativo MatLab. Os resultados eliminaram a função objetivo
desvio dos volumes ( ) para uso na calibração automática, como já era esperado, sendo essa
usada apenas para análise de um bom ajuste. As outras três funções apresentaram bom potencial
para a calibração automática. Assim elas foram implementadas em uma segunda etapa, na
formulação de um algoritmo genético com uso de múltiplas funções objetivo. Porém os resultados
não foram os desejados, pois o algoritmo retornou um conjunto de soluções de parâmetros muitas
vezes discrepantes entre si, os tornando pouco úteis. Dado que o objetivo do estudo é o
desenvolvimento de um aplicativo de calibração automática do modelo SMAP mensal, os
resultados com algoritmo genético de otimização multiobjetivo no MatLab se mostrou pouco
eficiente.
Dessa forma os esforços se concentraram no desenvolvimento de uma função objetivo que em
sua formulação atribui-se pesos a cada uma das três funções – NS, LOGNS e RMSEI – de forma a
encontrar a melhor eficiência para a calibração automática. Seguiu-se o teste com diversos pesos
para cada função em um método de tentativa e erro, onde se chegou a duas funções eficientes na
calibração automática via algoritmo genético do modelo SMAP, sendo a primeira (Equação 7) para
XIX Simpósio Brasileiro de Recursos Hídricos 9
uso de mutações lineares e a segunda (Equação 8) para mutações gaussianas, as referentes mutações
e seu funcionamento serão melhor analisadas nos tópicos que se seguem. Vale salientar que as
equações foram reformuladas para que fossem minimizadas a zero, assim foram feitas algumas
adaptações na formulação da função objetivo do algoritmo de calibração automática, sendo essas
para NS e LOGNS a mudança do ótimo da função de um para zero e para a a mutiplicação
por 103, para que assim essa apresenta-se valores na mesma escala que a NS e LOGNS. Assim as
funções objetivos utilizadas no algoritmo genético de calibração automático do modelo SMAP, são:
(∑ ( )
∑ ( )
) (4)
(∑ ( ) (
)
∑ ( ) (
)
) (5)
√(∑ (
)
(6)
Sendo:
Qobs,i : Vazão observada no mês;
Qsim,i : Vazão simulada para o mês;
Qmedobs: Média dos valores observados
FO1 = 0,4.NS1 + 0,3. (LOGNS1 + RMSEI1) (7)
FO2 = 0,5. NS1 + 0,5. RMSEI1 (8)
4.3.2. Parâmetros
Todos os seis parâmetros do modelo SMAP mensal foram utilizados na calibração
automática. Porém deve-se obsevar que os parâmetros taxa de umidade inicial do solo (TUin), que
estipula o nível inicial do segundo reservatório (Rsolo), e a vazão básica inicial (Ebin), são
parâmetros de inicialização do modelo, sendo assim, seus valores dependente do período em que o
modelo será inicializado. Dessa forma quando o modelo é utilizado para extensão das séries de
vazões em um período com apenas dados de preciptação, os primeiro valores gerados pelo modelo
ficam comprometidos, porém os demais logo se ajustarão as condições válidas, sendo consistentes.
As faixas de variação aceitável dos parâmetros foram determinadas com base em estudos da
aplicação do modelo SMAP em bacias de variadas regiões brasileiras por Lopes (2009), sendo essas
as seguintes:
XIX Simpósio Brasileiro de Recursos Hídricos 10
Tabela 2 -Limites dos parâmetros do modelo SMAP.
Sat Pes Crec Kkt
Mínimo 400 0,1 0 1
Máximo 5000 10 70 6
Vale ressaltar que a constante de recessão (Kkt) e a que menos apresenta sensibilidade as
funções objetivos utilizadas, para validação desse parâmetro deve-se observar o hidrograma,
verificando os trechos de recessão. Apresenta-se a seguir tabela que associa a constante de recessão
(Kkt) ao tempo em meses em que a vazão básica cai a metade de seu valor (não considerando
recarga nesse período).
Kkt = 1 mês - muito rápido (0,5000)
2 meses - rápido (0,7071)
3 meses - médio (0,7937)
4 meses - lento (0,8409)
6 meses - muito lento (0,8909)
5. RESULTADOS E DISCUSSÕES
Optou-se pela modelagem para um período menos recente comum entre os postos. Foi
adotado o período entre 1961 até 1981, sendo que, entre 1961 a 1971, o registro de dados foi
destinado para calibração, enquanto, entre 1971 a 1980, as informações foram empregadas para
validação dos parâmetros. Nesse sentido, os períodos escolhidos estão em concordância com
indicações do estudo realizado por Canedo (1979), quando procurou avaliar o tamanho ideal da
amostra na fase de calibração. Nesse estudo, o autor concluiu que um período de 3 anos já se revela
aceitável, enquanto um período de 5 anos poderia ser considerado, em termos práticos, como ideal.
A primeira e segunda calibração foram para teste com mutação uniforme realizadas para a
estação Porto das Andorinhas situada no Rio São Francisco, para os parâmetros de funcionamento
do AG da Tabela 3, para geração automática inicial de todos os seis parâmetros do SMAP. São
mostrados os parâmetros do SMAP ao fim de cada calibração automática na Tabela 4 e ainda são
apresentados os resultados das funções de estatísticas e mínimas na Tabela 5.
XIX Simpósio Brasileiro de Recursos Hídricos 11
Tabela 3-Parâmetros de funcionamento do AG.Calibração em Porto das Andorinhas, com mutação
uniforme.
Calibração
Tamanho
da
População
Número de
Gerações
Stall de
Gerações
Número de
Reinícios
1 30 100 50 0
2 30 80 40 5
Tabela 4-Parâmetros do SMAP, calibração em Porto das Andorinhas, com mutação uniforme.
Calibraçã
o Tuin Ebin Crec Kkt Str Kes
1 0,67 207 0,069 1 1333 6,85
2 0,79 310 0,018 1 2180 9,1
Tabela 5-Resultados, calibração Porto das Andorinhas, com mutação uniforme..
Calibração 1 Calibração 2
Calculado Observado Calculado Observado
Desvio
Padrão 204 192 199 192
Média
(m3/s)
247 226 228 226
NS 0,67 0,72
LOGNS 0,79 0,84
∆V 0,1 0,01
R2 0,86 0,86
Figura 4-Hidrograma, calibração 1.
0
200
400
600
800
1000
1200
1400
1600
jan
/61
abr/
62
jul/
63
ou
t/6
4
jan
/66
abr/
67
jul/
68
ou
t/6
9
jan
/71
abr/
72
jul/
73
ou
t/7
4
jan
/76
abr/
77
jul/
78
ou
t/7
9
jan
/81
abr/
82
jul/
83
ou
t/8
4
jan
/86
abr/
87
jul/
88
ou
t/8
9
Q(m
3/s
)
Data
Calculada Observada
XIX Simpósio Brasileiro de Recursos Hídricos 12
Figura 5-Hidrograma, calibração 2
Observa-se que tanto a primeira como a segunda calibração atingiram valores altos de
correlação linear de 0.86, o que comprova que esta variável estatística pouco se correlaciona com os
resultados finais da calibração. É notado que a primeira calibração apresenta valor tendencioso para
o parâmetro de recarga subterrânea, evidenciado pelo comportamento das vazões na recessão do
hidrograma, onde as vazões calculadas não acompanham a amplitude de queda das vazões
observadas para os períodos mais secos. O que já não ocorre com tanta na segunda calibração. As
duas calibrações apresentaram valores tendenciosos para as máximas, com tendência de
superestimar. Os resultados comprovam a maior eficiência do AG quando ele é reiniciado,
aumentado sua capacidade de encontrar mínimos globais.
A terceira e quarta calibração foram para teste com mutação gaussiana (normal) realizadas
para a estação Velho da Taipa situada no Rio Pará, para os parâmetros de funcionamento do AG da
Tabela 6 para geração automática inicial de todos os seis parâmetros do SMAP. São mostrados os
parâmetros do SMAP ao fim de cada calibração automática na Tabela 7 e ainda são apresentados os
resultados das funções de estatísticas e mínimas na Tabela 8.
Tabela 6-Parâmetros de funcionamento do AG, calibração em Velho do Taipa, com mutação gaussiana.
Calibração
Tamanho
da
Populção
Número de
Gerações
Stall de
Gerações
Número de
Reinícios
3 30 100 50 0
4 30 80 40 5
0
200
400
600
800
1000
1200
1400
jan
/61
abr/
62
jul/
63
ou
t/6
4
jan
/66
abr/
67
jul/
68
ou
t/6
9
jan
/71
abr/
72
jul/
73
ou
t/7
4
jan
/76
abr/
77
jul/
78
ou
t/7
9
jan
/81
abr/
82
jul/
83
ou
t/8
4
jan
/86
abr/
87
jul/
88
ou
t/8
9
Q(m
3/s
)
Data
Calculada Observada
XIX Simpósio Brasileiro de Recursos Hídricos 13
Tabela 7-Parâmetros do SMAP, calibração em Velho do Taipa, com mutação gaussiana.
Calibração Tuin Ebin Crec Kkt Str Kes
3 0,59 98 0,041 1 2141 5,12
4 0,72 54 0,037 5 2036 7,2
Tabela 8-Resultados, calibração em Velho do Taipa, com mutação gaussiana.
Calibração 3 Calibração 4
Calculado Observado Calculado Observado
Desvio
Padrão 85 82 84 82
Média(m3/s) 103 108 106 108
NS 0,87 0,9
LOGNS 0,82 0,87
∆V 0,05 -0,002
R2 0,94 0,95
Figura 6-Hidrograma, calibração 3.
0
100
200
300
400
500
600
jan
/61
dez
/61
no
v/6
2
ou
t/6
3
set/
64
ago
/65
jul/
66
jun
/67
mai
/68
abr/
69
mar
/70
fev/
71
jan
/72
dez
/72
no
v/7
3
ou
t/7
4
set/
75
ago
/76
jul/
77
jun
/78
mai
/79
abr/
80
mar
/81
Q(m
3/s
)
Data
Calculada Observada
XIX Simpósio Brasileiro de Recursos Hídricos 14
Figura 7-Hidrograma, calibração 4.
Os resultados da calibração do modelo para a estação Velho da Taipa foram muito eficientes,
apresentando valores altos tanto para funções de mínimos quanto para os parâmetros estatísticos de
validação do modelo. Observa-se também, semelhantemente a calibração para mutação uniforme,
um melhor desempenho do AG para um maior número de reinícios da calibração automática. As
vazões apresentaram maior variação nas vazões máximas, apesar de apenas em alguns picos, o que
refletiu no valor menor da média para as vazões calculadas em relação às observadas.
A quinta e sexta calibração foram realizadas com o intuito de comparar, para um mesmo
posto, o potencial de calibração das duas formas de operação do AG, mutação gaussiana e
uniforme. Para tal foram utilizados dados do posto Ponte Nova do Paraopeba no Rio Paraopeba,
afluente do Rio São Francisco. Os dados de parâmetros de funcionamento do AG são representados
Tabela 9, para geração automática inicial de todos os seis parâmetros do SMAP, São mostrados os
parâmetros do SMAP ao fim de cada calibração automática na Tabela 10 e ainda são apresentados
os resultados das funções de estatísticas e mínimas na Tabela 11.
Tabela 9-Parâmetros de funcionamento do AG, calibração em Ponte Nova do Paraopeba, com mutação
gaussiana e uniforme.
Calibração
Tamanho
da
População
Número de
Gerações
Stall de
Gerações
Número de
Reinícios
5 30 80 40 3
6 30 80 40 3
0
100
200
300
400
500
600
jan
/61
dez
/61
no
v/6
2
ou
t/6
3
set/
64
ago
/65
jul/
66
jun
/67
mai
/68
abr/
69
mar
/70
fev/
71
jan
/72
dez
/72
no
v/7
3
ou
t/7
4
set/
75
ago
/76
jul/
77
jun
/78
mai
/79
abr/
80
mar
/81
Q(m
3 /s)
Data
Calculada Observada
XIX Simpósio Brasileiro de Recursos Hídricos 15
Tabela 10-Parâmetros do SMAP, calibração em Ponte Nova do Paraopeba, com mutação gaussiana e
uniforme.
Calibração Tuin Ebin Crec Kkt Str Kes
5 0,73 65 0,032 5,7 2019 7,1
6 0,67 64 0,045 3,4 1578 6
Tabela 11-Resultados, calibração em Ponte Nova do Paraopeba, com mutação gaussiana e uniforme.
Calibração 5 Calibração 6
Calculado Observado Calculado Observado
Desvio
Padrão 66,4 64,8 73,2 66,3
Média(m3/s) 84,5 84,6 88,3 84,6
NS 0,9 0,87
LOGNS 0,82 0,88
∆V 0,05 0,05
R2 0,95 0,95
Figura 8-Hidrograma, calibração 5.
0
100
200
300
400
500
600
jan
/61
dez
/61
no
v/6
2
ou
t/6
3
set/
64
ago
/65
jul/
66
jun
/67
mai
/68
abr/
69
mar
/70
fev/
71
jan
/72
dez
/72
no
v/7
3
ou
t/7
4
set/
75
ago
/76
jul/
77
jun
/78
mai
/79
abr/
80
mar
/81
Q(m
3 /s)
Data
Calculada Observada
XIX Simpósio Brasileiro de Recursos Hídricos 16
Figura 9-Hidrograma, calibração 6.
As calibrações para os dois AG foram satisfatórias, mas é evidente o melhor desempenho do
AG com mutação uniforme em relação às vazões máximas e melhor desempenho do AG com
mutação uniforme para as vazões de mínimos. Outra constatação a respeito do modelo SMAP é sua
maior eficiência em bacias menores, pois ao se comparar os resultados entre as três séries de
calibração, observa-se uma gradual melhora conforme as áreas da bacia diminuem.
6. CONCLUSÕES
O presente estudo confirmou o potencial de algoritmos genéticos na calibração automática
eficiente de modelos chuvas vazão. O algoritmo genético foi sempre capaz de encontrar um valor
próximo do ótimo global mínimo. Apesar de, em algumas busca o algoritmo finalizar em mínimo
local, isso se deve ao valor da função objetivo nesse local ser próxima a do ótimo global. Em termos
de minimização da função objetivo algoritmo genético se mostrou uma técnica de busca
extremamente eficiente e robusta.
Para a utilização mais eficiente do algoritmo genético, se faz necessário uma pesquisa onde
ocorra interatividade entre o usuário e o algoritmo genético, onde o AG inicialmente aponta o
caminho para o mínimo global e o usuário auxilie na calibração entre uma busca e outra, de maneira
que ambos trabalhem juntos na busca do mínimo global. Dessa forma não se exclui totalmente a
experiência do usuário na aplicação de modelos chuva-vazão.
Durante o desenvolvimento do projeto verificou-se a extrema importância do preparo dos
dados de entrada no modelo SMAP. Esta etapa anterior a calibração automática do modelo deve ser
0
100
200
300
400
500
600
jan
/61
dez
/61
no
v/6
2
ou
t/6
3
set/
64
ago
/65
jul/
66
jun
/67
mai
/68
abr/
69
mar
/70
fev/
71
jan
/72
dez
/72
no
v/7
3
ou
t/7
4
set/
75
ago
/76
jul/
77
jun
/78
mai
/79
abr/
80
mar
/81
Q(m
3 /s)
Data
Calculada Observada
XIX Simpósio Brasileiro de Recursos Hídricos 17
feita de forma a aproximar-se ao máximo os dados de evapotranspiração potencial média e
precipitação média da bacia, pois a qualidade dos dados de entrada é imprescindível para uma
calibração eficiente de modelos chuva-vazão.
O algoritmo genético desenvolvido mostra-se útil para aplicações práticas, como extensões de
séries históricas e preenchimento de falhas.
BIBLIOGRAFIA
ALEXANDRE, A.M.B. (2005). Regionalização de vazões máximas, médias e parâmetros de
modelos hidrológicos no Estado do Ceará. 101p Dissertação de Mestrado em Engenharia Civil,
área de concentração em Recursos Hídricos, Universidade Federal do Ceará.
BARTH, F. T; POMPEU, C. T; FILL, H. D.; TUCCI, C. E. M.; KELMAN, K.; BRAGA JR ,B. P.
F.(1987) Modelos para gerenciamento de Recursos Hídricos. São Paulo, ed. ABRH, p. 428-462.
BOYLE, D. P.; GUPTA, H. V.; Sorooshian, Soroosh (2000). Toward improved calibration of
hydrologic models: Combining the strengths of manual and automatic methods. Water Resources
Research Vol. 36, No. 12 p. 3663-3674.
CASTRO, L. C. L. B., Inteligência computacional aplicada à engenharia de estruturas. Tese de
Doutorado. Brasília: UnB. 2009.
COLLISCHONN, W.; TUCCI, C. E. M. (2001),Calibração automática global do modelo IPH2.
Anais XIV Simpósio Brasileiro de Recursos Hídricos. Aracaju SE.
DAWDY, D. R., O’DONNEL, T., (1965), Mathematical models of catchment behavior, Journal of
Hydraulic Division American Society of Civil Engineering, 91, p. 123-137.
Diniz, L. S. (1999) Calibração de modelos hidrológicos. In: Galvão, C. O.; Valença, M. J. S.(1999 )
Sistemas inteligentes. Porto Alegre: Editora da Universidade da UFRGS – ABRH.
GAN, T. Y.; BIFTU, G. F. (1996) .Automatic calibration of conceptual rainfall – runoff models:
optimization algorithms, catchment conditions and model structure. Water Resources Research,
Vol. 32 No. 12 p. 3513-3524.
Goldberg, D. E. (1989), Genetic Algorithms in Search, Optimization and Machine Learning,
Addison-Wesley, USA.
XIX Simpósio Brasileiro de Recursos Hídricos 18
GONÇALVES, R. G., Modelagem hidrológica do tipo chuva-vazão via smap e topmodel - estudo
de caso: bacia do rio piabanha/RJ. Dissertação de mestrado. Rio de Janeiro: UFRJ. 2008.
LACERDA, E. G. M; CARVALHO, A. C. P. L. F. (1999) Introdução aos algoritmos genéticos.
Em: Galvão, C. O.; Valença, M. J. S. 1999 Sistemas inteligentes. Porto Alegre: Editora da
Universidade da UFRGS – ABRH.
LOPES, J. E.G. Manual do programa de simulação hidrológica SMAP. 1999. p. 9. (Cedido pelo
autor).
LOPES, J. E. G.; BRAGA, B. P. F.; CONEJO, J. G. L. (1981). Simulação hidrológica: aplicações
de um modelo simplificado. IV Simpósio brasileiro de hidrologia e recursos hídricos, anais 1, p. 42-
62.
MACHADO, F. W., Modelagem chuva-vazão mensal utilizando redes neurais artificiais.
Dissertação de Mestrado. Curitiba: UFPR. 2005.
NASCIMENTO, L. S. V.; REIS, D. S. JR; MARTINS, E. S. P. R.(2007) Avaliação do algoritmo
evolucionário MOPSO na calibração multiobjetivo do modelo SMAP no estado do Ceará. XVII
Simpósio Brasileiro de Recursos Hídricos, São Paulo. Anais do XVII Simpósio Brasileiro de
Recursos Hídricos.
OLIVEIRA, S. M.(1999) Análise do Processo Chuva-vazão de Duas Bacias Hidrográficas na
Região Litorânea do Estado do Paraná, Através do Modelo de Tanque. Dissertacao (Mestrado) –
Universidade Federal do Parana, Curitiba, 1999.
TUCCI, C. E. M. (1998) Modelos hidrológicos. ABRH Editora da UFRGS. Porto Alegre. p. 669.
TUCCI, C. E. M. (1993). Hidrologia: ciência e aplicação, Editora da ABRH, Porto Alegre, p. 943.