Modelos de previsão de vazão afluente da UHE-Tucuruí: uma abordagem com redes neurais LSTM e CNN

Este trabalho apresenta um estudo abrangente sobre a previsão de vazão afluentes da Usina Hidrelétrica de Tucuruí, situada na bacia do Tocantins-Araguaia. A pesquisa abrange cinco cenários distintos, variando a arquitetura dos modelos de previsão, incorporando Redes Neurais Recorrentes de Longa Memória de Curto Prazo (LSTM) e Redes Neurais Convolucionais (CNN). A implementação, conduzida em Python com o auxílio de bibliotecas como Pandas e NumPy, faz uso de um conjunto de dados históricos de vazões afluentes fornecidos pelo Operador Nacional do Sistema Elétrico (ONS) das Usinas de Tucuruí, Estreito e Lajeado. Os resultados obtidos foram avaliados minuciosamente por meio de análises aprofundadas, métricas de regressão e representações gráficas, demonstrando a eficácia dessas abordagens na previsão da vazão afluente diária da UHE-Tucuruí em horizontes temporais que variam de 1 a 7 dias. Além das contribuições metodológicas, este estudo proporciona insights cruciais que têm o potencial de elevar a precisão da previsão hidrológica, um campo de extrema importância na gestão de recursos hídricos e energia.