Evaluation of logistic regression and neural network models for probabilistic forecasts of flooding in Curitiba-PR

Abstract

O presente artigo tem como objetivo avaliar os modelos regressivo logistico e baseado em rede neural para previsao da probabilidade de ocorrencia de alagamentos em Curitiba-PR, utilizando como base a integracao de informacoes hidrometeorologicas. Para a construcao dos modelos foram utilizados os dados de precipitacao estimada a partir da integracao das informacoes provenientes de radar meteorologico, satelite e pluviometros, utilizando o metodo de Analise Objetiva Estatistica (ANOBES). A partir dos dados de estimativas de precipitacao foi calculada a chuva media acumulada de 6 em 6 horas, utilizando-se do metodo de Thiessen e do Inverso da Distância ao Quadrado, sendo os dois metodos comparados para verificar qual possui o melhor resultado para a geracao dos dados de entrada dos modelos. Em relacao ao desempenho dos dois metodos utilizados na construcao dos modelos, verificou-se no caso estudado que o SOM (Self Organizing Map) apresentou desempenho superior quando comparado com a regressao logistica tanto no periodo de calibracao quanto de verificacao. Normal 0 false false false PT-BR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:Tabela normal; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:; mso-padding-alt:0in 5.4pt 0in 5.4pt; mso-para-margin:0in; mso-para-margin-bottom:.0001pt; mso-pagination:widow-orphan; font-size:10.0pt; font-family:Calibri,sans-serif; mso-ansi-language:PT-BR; mso-fareast-language:PT-BR;} A B S T R A C T This paper aims to evaluate the logistic regression and neural network models for probabilistic forecasts of flooding in Curitiba-PR using as a basis the integration of hydrometeorological information. For the construction of the models were used rainfall data estimated from the integration of meteorological radar, satellite and rain gauges data, using the analysis for statistical purposes (ANOBES) method. Rainfall estimates were used to calculate cumulative average rain of 6 hours, using the method of Thiessen and Squared Inverse Distance. These the two methods were compared to see which has better results for data generation to be used as models’ data input. Regarding the performance of the two methods used to construct the models, it was found that the SOM (Self Organizing Map) has superior performance when compared with the logistic regression, either for calibration and verification . Keywords: critical rain, artificial intelligence, ROC curve.