Utilização de Redes Neurofuzzy para Previsão Mensal de Vazão de Água

Resumo

A água é um recurso natural muito importante em muitas áreas da vida do ser humano. Aplicações em consumo próprio, irrigação, produção de energia e previsão de enchentes em cidades ribeirinhas impactam diretamente na qualidade de vida da sociedade. O Brasil, por exemplo, é um país que depende fortemente da geração de energia a partir de usinas hidroelétricas. Segundo dados da ANEEL (Agência Nacional de Energia Elétrica), cerca de 64% da energia elétrica produzida no país é gerada a partir desta fonte. Este mesmo grau de dependência não é visto na maioria dos demais países. O principal agente motivador deste fato é o potencial hídrico do Brasil, através de rios que proporcionam elevada vazão de água e o relevo favorável a este tipo de geração. Apesar da geração de energia elétrica estar crescendo a partir de fontes alternativas como a eólica, possivelmente, a produção de energia a partir das usinas hidroelétricas deverá permanecer como a mais importante ainda nos próximos anos. Diante disto, terem-se estimativas de vazão dos rios que alimentam as usinas hidroelétricas torna-se muito importante para o sucesso deste tipo de geração de energia, inclusive, identificando possíveis riscos de baixa produção em algumas regiões, possibilitando ações preventivas para suprimento da demanda. Neste contexto, a qualidade do processo de previsão influencia diretamente em um melhor planejamento energético. Segundo KASABOV, sistemas híbridos compostos por redes neurais com lógica fuzzy incluída dentro da arquitetura, são boas aplicações em problemas de previsão e classificação, pois une as características de capacidade de generalização (da rede neural) com precisão no resultado (da lógica fuzzy). Portanto, este projeto visa melhorar as estimativas de previsão mensal de vazão de água a partir do uso de redes neurais com características fuzzy, também conhecidas como redes neurofuzzy.