Aplicação de ANNs para a modelagem do fluxo, transporte de sedimentos e taxa de erosão de um sistema fluvial de alta altitude no Himalaia Ocidental, Uttarakhand

RESUMO

A estimativa de fluxo descarga é um componente essencial do planejamento e da tomada de decisões. Está altamente correlacionado com muitas atividades de desenvolvimento envolvendo recursos hídricos. O estudo do transporte de sedimentos nos rios nos ajudará a desenvolver políticas e planos de conservação do solo, controle de enchentes, irrigação, navegação e problemas de biodiversidade aquática. Usando modelos baseados em dados, como Redes Neurais Artificiais (ANNs), a modelagem de vazão e do transporte de sedimentos é frequentemente adotada devido à sua aplicabilidade e capacidade de resolução de problemas. Este estudo utilizou três algoritmos de treinamento como Gradiente Conjugado Escalonado (SCG), Regularização Bayesiana (BR) e Levenberg-Marquardt (LM) para simular o fluxo de vazão e a concentração de sedimentos suspensos (SSC). Depois de otimizar o melhor algoritmo de treinamento baseado nos parâmetros de eficiência do modelo, o modelo LM-ANN foi utilizado para prever o fluxo vazão por dois anos e a modelagem de sedimentos suspensos foi validada com a ajuda de dados observados. O resultado mostrou que os resultados simulados acompanharam o fluxo de vazão, bem como o SSC com a precisão desejada com base nos parâmetros de eficiência do modelo, como coeficiente de determinação (R2), Nash Sutcliffe Efficiency (NSE), Root Mean Square Error (RMSE) e Root Mean Square Deviation (RMSD). Os resultados do estudo revelam que no fluxo de córregos a concentração de sedimentos suspensos é significativamente afetada pelo material de rocha base, geleiras cobertas por detritos e gelo carregado de detritos não consolidados. O transporte dos sedimentos é alto na bacia de Alaknanda em comparação com as outras bacias e os estudos anteriores. Isso pode acontecer devido às severas atividades antropogênicas na bacia circundante.

Palavras-chave:
Redes Neurais Artificiais (ANNs); Modelos baseados em dados; Tomadores de decisão; Transporte de sedimentos; Modelagem de vazão; Algoritmos de treinamento