Previsão de Vazão de Rios usando Rede Perceptron Multi-Camada Otimizada por Neural Architecture Search

Autores

  • Eduardo Henrique Próspero Souza Instituto Federal do Espírito Santo (IFES), Campus Serra
  • Vinicius Marques de Oliveira Instituto Federal do Espírito Santo (IFES), Campus Serra
  • Jefferson Oliveira Andrade Instituto Federal do Espírito Santo (IFES), Campus Serra https://orcid.org/0000-0002-5321-9239
  • Karin Satie Komati Instituto Federal do Espírito Santo (IFES), Campus Serra https://orcid.org/0000-0001-5677-4724

DOI:

https://doi.org/10.56762/tecnia.v10i2.1697

Palavras-chave:

Coeficiente de determinação, Série Temporal Multivariada, Rio Acre, Rio Itapemirim

Resumo

Este estudo propõe um modelo de rede neural otimizada pela abordagem de NAS (Neural Architecture Search) para a previsão da vazão de água de rios, utilizando dados de estações fluviométricas localizadas em seus afluentes. Os dados dessas estações são modelados como séries temporais multivariadas e servem como entrada para uma rede neural do tipo Perceptron Multicamada. Foram utilizadas duas bases de dados de rios: Rio Itapemirim e Rio Acre. Os resultados dos experimentos demonstram a capacidade desta abordagem em capturar a complexidade e variabilidade dos dados de vazão dos rios, alcançando coeficientes de determinação (R²) de 0,999 para o Rio Itapemirim e 0,975 para o Rio Acre. Esses resultados evidenciam que a rede neural possui uma alta capacidade de modelar a complexidade e variabilidade dos dados de vazão tanto do Rio Itapemirim quanto do Rio Acre.

Biografia do Autor

Eduardo Henrique Próspero Souza, Instituto Federal do Espírito Santo (IFES), Campus Serra

Graduando em Sistemas de Informação pelo Graduando em Sistemas de Informação.  Em 2023 recebeu as seguintes premiações: 2º lugar na Sessão de Pôsteres da Semana Nacional de Ciência e Tecnologia (SNCT) do IFES Campus Serra, 2º lugar na Mostra Científica e Tecnológica da SNCT do IFES Campus Serra, Menção Honrosa na 7ª Jornada de Integração do IFES, Menção Honrosa na 7ª Jornada de Integração do IFES, 2º lugar na Semana Municipal de Ciência e Tecnologia da Prefeitura Municipal de Serra, na categoria Pesquisa, 3º Melhor artigo da XI Escola Regional de Informática de Goiás.

Vinicius Marques de Oliveira, Instituto Federal do Espírito Santo (IFES), Campus Serra

Possui Mestrado em Computação Aplicada pelo Instituto Federal do Espírito Santo (IFES), com graduação em Engenharia de Produção pelo Fundação de Assistência e Educação (2013). Tem experiência na área de Ciência da Computação, com ênfase em Matemática da Computação. Ganhou o prêmio de Melhor artigo da área de Pesquisa Operacional no SIMPEP 2021.

Jefferson Oliveira Andrade, Instituto Federal do Espírito Santo (IFES), Campus Serra

Jefferson O. Andrade recebeu o título de Engenheiro de Computação em 1995, e o título de Mestre em Informática em 2001, ambos pela Universidade Federal do Espírito Santo. Ele possui vários anos de experiência como líder de equipes em projetos de desenvolvimento de software, tanto em empresas locais quanto multinacionais no Brasil. De 2005 a 2008 foi membro do Programming Logic Group, na Universidade de Tsukuba, no Japão. Em 2013 recebeu seu Doutorado em Educação pela Universidad del Norte, no Paraguai (revalidado pela UFPR em 2016), pela sua pesquisa sobre a aplicação de gamificação no ensino de lógica formal a alunos de graduação do curso de Sistemas de Informação. Atualmente o Dr. Andrade é professor titular da Coordenadoria de Informática do Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo. Seus interesses de pesquisa incluem métodos formais de desenvolvimento de software, verificação formal de sistemas, verificação de modelos, lógicas multi-valoradas e probabilísticas, ensino de lógica e métodos formais. Atualmente é membro do Programa de Pós-graduação em Computação Aplicada do Campus Serra do Ifes.

Karin Satie Komati, Instituto Federal do Espírito Santo (IFES), Campus Serra

Professora Karin Satie Komati é bolsista Produtividade Desenvolvimento Tecnológico e Extensão Inovadora do CNPq Nível 2, dentre as poucas pesquisadoras mulheres bolsistas CNPq na área de ciências exatas e engenharias no estado do Espírito Santo. A área de pesquisa se concentra em Processamento Digital de Imagens, Visão Computacional, Ciência de Dados e Aprendizado de Máquina e é líder do grupo Nu[Tec]2 (http://dgp.cnpq.br/dgp/espelhogrupo/36297). A carreira acadêmica resumida em números: (i) contabiliza mais de 170 produções bibliográficas (ii) 2 registros de programas de computador; (iii) mais de 105 orientações concluídas; (iv) coordenação/participação em mais de 70 projetos; (v) 13 premiações; (vi) prestou assessoria ao SETEC/MEC por 13 vezes. Atua em docência do ensino superior desde 1998, trabalhando em diversas instituições privadas e públicas. É professora do Campus Serra do Instituto Federal do Espírito Santo (IFES) desde 2012, tendo sido patronesse das turmas de formandos dos cursos superiores em 2014, 2015 e 2016 e, paraninfa em 2019, 2022 e 2024. Desde que entrou no IFES, atua em cargos de gestão, foi Diretora de Pesquisa, Pós-graduação e Extensão (DPPGE) do Campus Serra (2013-2016), foi Coordenadora de Pesquisa (2016-2018), foi Coordenadora do Mestrado em Computação Aplicada do Campus Serra (2018-2021) e desde 2021 está como DPPGE do Campus Serra. Como DPPGE, é presidente do Comitê Gestor do Núcleo Incubador do Campus Serra. Uma conquista de impacto para a sociedade capixaba foram as duas propostas que liderou, dos cursos de pós-graduação stricto sensu "Mestrado Profissional em Engenharia de Controle e Automação" submetida à CAPES em 2014 e aprovada na 155 reunião do CTC-ES da CAPES e o "Mestrado Profissional em Computação Aplicada" submetida à CAPES em 2017 e aprovada na 179 reunião do CTC-ES da CAPES. Destaca-se o esforço para a formação da próxima geração de pesquisadoras capixabas, foram 30 orientações concluídas de alunas, sendo 1 de pós-doutoramento, 3 de mestrado, 15 de graduação e 11 de IC. A interação com o setor produtivo se traduz nos projetos em parceria com ArcelorMittal, Mogai, Allware, entre outras empresas e organizações. Mantém projetos com diferentes agências de fomento, CAPES, CNPq e FAPES. A formação acadêmica foi toda na UFES, Doutora em Engenharia Elétrica (2011), Mestre em Informática (2002), com duas graduações: bacharelado em Ciência da Computação (1995) e em Engenharia Elétrica (1997). Anteriormente, foi analista de sistemas da empresa multinacional Xerox (1994-1998) e sócia proprietária de microempresa de prestação de serviços em desenvolvimento de sistemas (1999-2003). No ano de 2006, trabalhou no Japão, na empresa Softcreate. Atual Coordenadora Suplente do Fórum dos Coordenadores de Pós-Graduação da SBC.

Referências

AGÊNCIA ESTADUAL DE RECURSOS HÍDRICOS. Diagnóstico e Prognóstico das Condições de Uso da Água na Bacia Hidrográfica do Rio Itapemirim como Subsídio Fundamental ao Enquadramento e Plano de Recursos Hídricos. Espírito Santo: AGERH, 2024. Disponível em: https://agerh.es.gov.br/Media/agerh/Documenta%C3%A7%C3%A3o%20CBHs/Itapemrim/RT_Levantamento_Dados_CBH%20Itapemirim.pdf. Acesso em: 1 maio 2024.

AGÊNCIA NACIONAL DAS ÁGUAS. Rede Hidrometeorológica Nacional. Brasília, DF: ANA, c2025. Disponível em: https://www.snirh.gov.br/hidroweb/apresentacao. Acesso em: 9 set. 2025.

ANDRADE, P. L.; SOUZA, B. M.; SOUZA, J. W. F.; PARNAÍBA, M. A. Otimização do método dos molinetes com ajuste dos perfis hidrodinâmicos para a estimação da descarga líquida em corpos hídricos por meio de técnicas de interpolação e integração numérica. In: 31º CONGRESSO BRASILEIRO DE MATEMÁTICA (CBM), 2017, João Pessoa. Anais […]. João Pessoa: CBM, 2017.

ASSOCIAÇÃO PRÓ-GESTÃO DAS ÁGUAS DA BACIA HIDROGRÁFICA DO RIO PARAÍBA DO SUL. Monitoramento. Seropédica: Agevap, 2024. Disponível em: https://comiteguandu.org.br/monitoramento/. Acesso em: 1 maio 2024.

BACHMANN, G.; ANAGNOSTIDIS, S.; HOFMANN, T. Scaling MLPs: A tale of inductive bias. Advances in Neural Information Processing Systems, [s. l.], v. 36, 2024.

BOF, L. SARI - Sistema de alerta do Rio Itapemirim. Espírito Santo: Agerh, 2022. Disponível em: https://servicos.agerh.es.gov.br/sari/. Acesso em: 10 out. 2023.

BRANDÃO, J.; CORREA, F.; GUEDES, E. A comparative analysis of artificial neural networks on river level forecasting for the Rio Madeira Basin. In: XX ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL, 2023, Porto Alegre. Anais […]. Porto Alegre: SBC, 2023. Disponível em: https://sol.sbc.org.br/index.php/eniac/article/view/25699. Acesso em: 8 set. 2025.

CONJUNTO de dados rio. Github, [s. l.], c2025. Disponível em: https://github.com/duvrdx/dataset_rio. Acesso em: 9 set. 2025.

ELSKEN, T.; METZEN, J. H.; HUTTER, F. Neural architecture search: A survey. The Journal of Machine Learning Research, [s. l.], v. 20, n. 1, p. 1997-2017, 2019.

ELSKEN, T.; METZEN, J.-H.; HUTTER, F. Simple and efficient architecture search for convolutional neural networks. arXiv, [s. l.], 2017.

FARIAS, A.; MENDONÇA, F. Riscos socioambientais de inundação urbana sob a perspectiva do sistema ambiental urbano. Sociedade & Natureza, Uberlândia, v. 34, n. 1, 2022.

GONZALEZ-VIDAL, A.; JIMENEZ, F.; GOMEZ-SKARMETA, A. F. A methodology for energy multivariate time series forecasting in smart buildings based on feature selection. Energy and Buildings, Elsevier, v. 196, p. 71-82, 2019.

HAYKIN, S. S. Redes neurais: princípios e prática. [S. l.: s. n.], 2001.

HUTTER, F.; KOTTHOFF, L.; VANSCHOREN, J. Automated machine learning: methods, systems, challenges. 1. ed. Switzerland: Springer Nature, 2019. ISBN 978-3-030-05318-5.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Biblioteca IBGE. Rio Branco, AC: IBGE, 2024. Disponível em: https://biblioteca.ibge.gov.br/index.php/biblioteca-catalogo?view=detalhes&id=4991. Acesso em: 1 maio 2024.

LIMA, P.; MARQUES, F.; ORTH, S. Predição do nível de água utilizando os modelos ARIMA e Random Forest: Um estudo de caso da barragem eclusa do São Gonçalo. In: L SEMINÁRIO INTEGRADO DE SOFTWARE E HARDWARE, 2023, Porto Alegre. Anais […]. Porto Alegre: SBC, 2023. ISSN 2595-6205. Disponível em: https://sol.sbc.org.br/index.php/semish/article/view/25059. Acesso em: 8 set. 2025.

MIHEL, A. M.; LERGA, J.; KRVAVICA, N. Estimating water levels and discharges in tidal rivers and estuaries: Review of machine learning approaches. Environmental modelling & software, Elsevier, p. 106033, 2024.

MIIKKULAINEN, R.; LIANG, J.; MEYERSON, E.; RAWAL, A.; FINK, D.; FRANCON, O.; RAJU, B.; SHAHRZAD, H.; NAVRUZYAN, A.; DUFFY, N. Evolving deep neural networks. In: ARTIFICIAL Intelligence in the Age of Neural Networks and Brain Computing. 1. ed. United Kingdom: Elsevier, 2019. p. 293-312. ISBN 9780128162507.

MONTEIRO, H.; MENEZES, R. Mais de 11 mil pessoas estão fora de casa por enchente no AC e governo federal reconhece emergência. GI Globo, [s. l.], 2024. Disponível em: https://g1.globo.com/ac/acre/noticia/2024/02/26/mais-de-11-mil-pessoassaoafetadaspor-enchente-no-ac-e-governo-federal-reconhece/-situacaodeemergencia.ghtml. Acesso em: 1 maio 2024.

MORETTIN, P. A.; TOLOI, C. M. Análise de séries temporais – Vol. 1: modelos lineares univariados. 3. ed. São Paulo: Editora Blucher, 2018. 474 p.

NETO, L. S.; MANIESI, V.; SILVA, M. J.; SILVA, D.; QUERINO, C.; REIS, V. Análise da precipitação mensal e pentadal durante a cheia de 2015 no Rio Acre usando o produto 3B43 do TRMM. In: VII SIMPÓSIO INTERNACIONAL DE CLIMATOLOGIA, 2017, Petrópolis. Anais […]. Petrópolis: [S. n.], 2017.

NEVES, M. A. N.; MIRANDA, R. F.; TRIGO, M. S.; OLIVEIRA, M. S. M.; PESSOA, A. D.; MANCINI, L. H. Assinatura isotópica das águas pluviais e subterrâneas na bacia hidrográfica do Rio Itapemirim, estado do Espírito Santo. Revista Águas Subterrâneas, Belo Horizonte, 2016. Disponível em: https://aguassubterraneas.abas.org/asubterraneas/article/view/28688. Acesso em: 8 set. 2025.

OLIVEIRA, S. Rio Itapemirim sobe com velocidade e prefeitura de Cachoeiro faz alerta. A Gazeta, [s. l.], 2024. Disponível em: https://www.agazeta.com.br/agora/rioitapemirim-sobe-com-velocidade-e-prefeitura-decachoeiro-faz-alerta-0324. Acesso em: 1 maio 2024.

OLIVEIRA, V. M.; KOMATI, K. S.; ANDRADE, J. O. Implementing neuroevolution for gas consumption forecasting in the steel industry. In: 2024 L Latin American Computer Conference (CLEI). [S. l.: s. n.], 2024. p. 1-10.

OLIVEIRA, V. M.; KOMATI, K. S.; ANDRADE, J. O. Seleção de características de séries temporais multivariadas do consumo de gás na pelotização de minério de ferro. In: XXVIII SIMPÓSIO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO, 2021, Rio de Janeiro. Anais […]. Rio de Janeiro: Unesp, 2021.

PARK, Y.-S.; LEK, S. Artificial neural networks: Multilayer perceptron for ecological modeling. In: DEVELOPMENTS in environmental modelling. [S. l.]: Elsevier, 2016, v. 28, p. 123-140.

PRAIRIE, Y. T. Evaluating the predictive power of regression models. Canadian Journal of Fisheries and Aquatic Sciences, Canada, v. 53, n. 3, p. 490-492, 1996.

RODRIGUES, I. Sobe para 56 mil o número de moradores atingidos pela enchente do Rio Acre, aponta Defesa Civil. G1 Globo, Acre, 2023. Disponível em: https://g1.globo.com/ac/acre/noticia/2023/04/01/sobe-para-56-mil-o-numerodemoradores-atingidos-pela-enchente-do-rio-acre-aponta/-defesa-civil.ghtml. Acesso em: 1 maio 2024.

SAITO, S. M.; DIAS, M. C. A.; ALVALÁ, R. C. S.; STENNER, C.; FRANCO, C. O.; RIBEIRO, J. V. M.; SOUZA, P. A. d.; SANTANA, R. A. S. d. M. População urbana exposta aos riscos de deslizamentos, inundações e enxurradas no Brasil. Sociedade & Natureza, Uberlândia, v. 31, p. e46320, 2023.

SANT’ANNA, F. M. Bacia do rio Acre: a formação de uma governança transnacional. In: GOVERNANÇA multiescalar dos recursos hídricos transfronteiriços na Amazônia. São Paulo: Editora Unesp, 2017. p. 199-269. ISBN 978-85-9546-180-2.

SANTOS-NETO, L. A.; MANIESI, V.; QUERINO, C. A. S.; SILVA, M. J. G.; BROWN, V. R. Modelagem hidroclimatologica utilizando redes neurais multi layer perceptron em bacia hidrográfica no sudoeste da amazônia. Revista Brasileira de Climatologia, Paraná, v. 26, 2021. Disponível em: https://ojs.ufgd.edu.br/index.php/rbclima/article/view/14238. Acesso em: 8 set. 2025.

SERVICEANA. Página Principal. [S. l.], c2025. Disponível em: https://telemetriaws1.ana.gov.br/ServiceANA.asmx. Acesso em: 9 set. 2025.

SOUZA, A. C. D.; SANTOS, C. T. Identificação dos problemas de alagamento na cidade de Cachoeiro de Itapemirim-ES: estudo de caso sobre a área central. In: 16º CONGRESSO BRASILEIRO DE GEOLOGIA DE ENGENHARIA E AMBIENTAL, 2018, São Paulo. Anais […]. São Paulo: CBGE, 2018.

SOUZA, E.; OLIVEIRA, V.; ANDRADE, J.; KOMATI, K. Previsão de nível e vazão de água de um rio usando rede perceptron multi-camada: um estudo de caso do Rio Itapemirim. In: XI ESCOLA REGIONAL DE INFORMÁTICA DE GOIÁS, 2023, Porto Alegre. Anais […]. Porto Alegra: SBC, 2023. Disponível em: https://sol.sbc.org.br/index.php/erigo/article/view/27244. Acesso em: 8 set. 2025.

SUDDUL, G.; DOOKHITRAM, K.; BEKAROO, G.; SHANKHUR, N. An evolutionary multilayer perceptron algorithm for real time river flood prediction. In: IEEE. Zooming innovation in consumer technologies conference (ZINC). [S. l.]: IEEE, 2020. p. 109-112.

TELIKANI, A.; TAHMASSEBI, A.; BANZHAF, W.; GANDOMI, A. H. Evolutionary machine learning: A survey. ACM Comput. Surv., Association for Computing Machinery, New York, USA, v. 54, n. 8, 2021. ISSN 0360-0300. Disponível em: https://doi.org/10.1145/3467477. Acesso em: 8 set. 2025.

ZANIAL, W. N. C. W.; MALEK, M. B. A.; REBA, M. N. M.; ZAINI, N.; AHMED, A. N.; SHERIF, M.; ELSHAFIE, A. River flow prediction based on improved machine learning method: Cuckoo search-artificial neural network. Applied Water Science, Springer, v. 13, n. 1, p. 28, 2023.

ZOPH, B.; LE, Q. V. Neural architecture search with reinforcement learning. arXiv, [s. l.], 2016.

Downloads

Publicado

25.09.2025

Como Citar

Próspero Souza, E. H., Marques de Oliveira, V., Oliveira Andrade, J., & Komati, K. S. (2025). Previsão de Vazão de Rios usando Rede Perceptron Multi-Camada Otimizada por Neural Architecture Search. Revista Tecnia, 10(2), 20. https://doi.org/10.56762/tecnia.v10i2.1697

Edição

Tecnologias Habilitadoras para a Indústria 4.0

Seção

Dossiê Temático - Tecnologias Habilitadoras para a Indústria 4.0

Categorias

Licença

  • Autores e autoras que publicam na Tecnia concordam com os seguintes termos:

    1) Autores e autoras mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

    2) Autores e autoras têm autorização para assumir contratos adicionais separadamente, para distribuição não exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

    3) Autores e autoras têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) após a finalização do processo editorial, já que isso pode aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).