Utilização de redes neurais artificiais aplicadas a mapeamentos hidrogeológicos

A gestão dos recursos hídricos exige o uso de ferramentas que representem os processos hidrológicos de forma clara e objetiva para auxiliar na compreensão e utilização dos mesmos. Atendendo a essa necessidade, desenvolveram-se modelos computacionais que sistematizam problemas complexos de modo simples. Entre esses modelos cita-se a técnica de Redes Neurais Artificiais, metodologia inspirada no sistema nervoso humano e que possui a habilidade de aprender e generalizar possibilitando a resolução de problemas complexos. Neste trabalho é estudada a aplicação de Redes Neurais Artificiais do tipo Percepton Multicamadas baseadas no algoritmo de aprendizado backpropagation para estimar a espessura da Formação Serra Geral, o nível estático e a capacidade específica, baseado em informações contidas no cadastro de poços do Sistema de Informação de Águas Subterrâneas para a Bacia Hidrográfica do Rio Caí no estado do Rio Grande do Sul. Através do teste de Student (teste T), com um nível de significância de 5%, estatisticamente, os modelos propostos para as estimativas da espessura da Formação Serra Geral, do nível estático e da capacidade específica não diferiram dos tomados como verdadeiros. Também, por meio de regressão linear verificou-se através do coeficiente R2 uma forte correlação entre as variáveis simuladas e as verdadeiras. Os resultados indicaram que as RNAs podem ser utilizadas como um método alternativo em relação à modelagem convencional visando a elaboração de cartas temáticas bem como a otimização de processos para a exploração de água subterrânea.