Resumo

Conhecer a vazão do curso d’agua de onde se faz a captação para o abastecimento de uma cidade é de suma importância pois fornece dados para o estabelecimento de políticas públicas e antecipação de medidas quando necessário. No caso da cidade de Piracicaba – SP, 90 % da captação de água para o consumo na cidade é feita no Rio Corumbataí, que apresenta uma expressiva queda na vazão durante os meses de junho a outubro. Assim, a motivação para este trabalho foi a criação de ferramentas que possibilitem a previsibilidade da vazão do curso d’agua nos meses críticos do ano e a probabilidade de ocorrência de seca ou não. A base de dados utilizada foi de out.1972 a abr.2021. O modelo para estimação de vazão foi elaborado para cada um dos meses através da técnica de regressão múltipla e o modelo para previsão de seca foi elaborado através da técnica conhecida como regressão logística. Os resultados obtidos através de modelos multinível neste trabalho mostraram que as estimações de vazão mensal para os meses em estudo foram adequadas e boas, se aproximando de outros modelos, como redes neurais, garantindo a viabilidade da utilização de métodos quantitativos. Para os modelos de regressão logística binária, os resultados também foram satisfatórios, obtendo previsões com boa acurácia que podem ser utilizados no planejamento governamental do município.

Knowing the flow of the watercourse where it is taken to supply a city is of paramount importance because it provides data for the establishment of public policies and anticipation of measures when necessary. In the case of the city of Piracicaba – SP, 90% of the water used for consumption in the city is taken from the Corumbataí River, which has a significant drop in flow during the months of June to October. Thus, the motivation for this work was the creation of tools that allow the predictability of the flow of the watercourse in the critical months of the year and the probability of occurrence of drought or not. The database used was from Oct.1972 to Apr.2021. The flow estimation model was elaborated for each of the months through the multiple regression technique and the drought forecast model was elaborated through the technique known as logistic regression. The results obtained through the multilevel models in this work showed that the monthly flow estimates for the months under study were adequate and good, approaching other models, such as neural networks, guaranteeing the feasibility of using quantitative methods. For the binary logistic regression models, the results were also satisfactory, obtaining predictions with good accuracy that can be used in the governmental planning of the municipality.