Submitted by Claudia Rocha (claudia.rocha@udesc.br) on 2017-12-07T12:49:04Z No. of bitstreams: 1 PGEF16MA053.pdf: 1576798 bytes, checksum: 649706432937dc5a8116984a2bb20aa7 (MD5) / Made available in DSpace on 2017-12-07T12:49:04Z (GMT). No. of bitstreams: 1 PGEF16MA053.pdf: 1576798 bytes, checksum: 649706432937dc5a8116984a2bb20aa7 (MD5) Previous issue date: 2016-02-15 / FAPESC / The future behavior estimate of minimum, medium and maximum discharges of a watershed is essential to elaborate themanagement plan of its water resources.There are two modelling approaches to generate predictions series: models that consider the physical processes occurring in the basin and data-oriented models.This work aims to evaluate dataoriented models, among which the most popular are the Artificial Neural Networks (ANN). The Regression Trees (RT) also have great potential for this kind of application, but they are not so widespread in Hydrology, which is why they were included in this work. These models were evaluated in the Upper Canoas basin, whose outlet coincides with Rio Bonito Station. In the first chapter, the objective was to evaluate the performance of an ANN method called Multi Layer Perceptron (MLP) in closed-loop mode to estimate daily discharge, considering different input vectors in order to assess the most appropriate combinations. The input vectors data series were composed of observed precipitation, evapotranspiration and discharge of the previous day. The training was held in open-loop mode, where all model input treatments were constituted of observed flow rate of the previous day (t-1) among other variables. To simulate the flow in the test period was the MLP used for open-loop and closed-loop mode, the latter being composed of a simulated flow of entries in t-1. The combination of input vectors with the best performance constituted of daily rainfall of the four rainfall stations, rainfall with t-2 days delay of the same four stations and discharge with t-1 day delay. The second chapter presents an evaluation of modeling performance in the monthly scale comparing some RTs (M5P, REP Tree and Decision Stump) and the MLP ANN. The experiment was set up with one period for training and two periods for testing. Among the RTs, the M5P produced the best results. In one of the test periods, M5P presented similar performance to the MLP, being considered an interesting alternative to using ANNs / A estimativa do comportamento futuro das vazões mínimas, médias e máximas de uma bacia hidrográfica é fundamental para a elaboração do plano de gerenciamento dos seus recursos hídricos. Existem duas abordagens de modelos que possibilitam gerar séries de previsões: a abordagem dos modelos baseados nos processos físicos que ocorrem na bacia e a abordagem dos modelos orientados a dados. Esta dissertação se propõe a avaliar modelos orientados a dados, dentre os quais, os mais populares são as Redes Neurais Artificiais (RNAs). As Árvores de Regressão (RT) também apresentam grande potencial de aplicação, embora pouco difundidas na Hidrologia, motivo pelo qual estão incluídas neste trabalho. Estes modelos foram avaliados na bacia hidrográfica do Alto Canoas, cujo exutório coincide com a Estação Rio Bonito. No capitulo 1, o objetivo foi avaliar o desempenho de uma RNA do tipo Multi Layer Perceptron (MLP), em modo closed-loop, tratandose diferentes combinações de vetores de entrada, visando determinar o mais adequado para estimar as vazões diárias. Os vetores de entrada foram constituídos de séries observadas de precipitação, evapotranspiração e da vazão do dia anterior. O treinamento foi realizado em modo open-loop, em que todos os tratamentos de entrada do modelo foram constituídos pela vazão observada do dia anterior (t-1) entre outras. Para a simulação da vazão no período de teste foi utilizada a MLP em modo open-loop e closed-loop, sendo a última composta por uma das entradas a vazão simulada em t-1. A combinação de vetores de entrada que apresentou melhor desempenho foi constituído pelo registro da precipitação diária nas quatro estações pluviométricas, precipitação com atraso de t-2 dias para as mesmas quatro estações e vazão em t-1. O capitulo 2 apresenta a avaliação do desempenho, na escala mensal, de algumas RTs (M5P, REP Tree e Decision Stump) frente ao desempenho de uma RNA do tipo MLP. O experimento foi configurado com um período para treinamento e dois períodos para teste. Entre as RTs, a M5P produziu os melhores resultados. Em um dos períodos de teste, a M5P apresentou desempenho semelhante ao da MLP, sendo considerada uma alternativa interessante ao uso de RNAs