DESEMPENHO DE MODELOS SARIMA E SARIMAX PARA PREVISÃO DE VAZÕES MÉDIAS MENSAIS

Resumo

A modelagem estocástica de séries temporais para a previsão de vazões tem se consolidado como uma alternativa relevante para o planejamento e a gestão de recursos hídricos em bacias hidrográficas não monitoradas. Este estudo teve como objetivo avaliar o desempenho dos modelos SARIMA e SARIMAX, considerando diferentes períodos de treino e de teste, bem como a influência da inclusão de variáveis exógenas, na previsão das vazões médias mensais de uma sub-bacia do rio São Francisco. A metodologia adotada seguiu a abordagem de Box e Jenkins (1976). Foram selecionados os modelos SARIMA (1,0,0)(4,0,0)_[12] e SARIMAX (1,0,0)(2,0,0)_[12], sendo este último incluindo a precipitação como variável exógena. As previsões foram realizadas para quatro horizontes (3, 6, 9 e 12 meses) em 2022. O desempenho foi avaliado por meio das métricas NSE, KGE e PBIAS. Em todos os critérios, o modelo SARIMAX superou o SARIMA. Verificou-se que a escolha dos intervalos de treino e de teste não foi determinante para a melhora do desempenho, sendo os melhores resultados obtidos com o maior período de treino (98% da série). O SARIMAX apresentou NSE = 0,65, KGE = 0,68 e PBIAS = 0,1% no treino, e NSE = 0,45, KGE = 0,5 e PBIAS = 20,9% no teste.

Palavras-chave: modelagem hidrológica; modelos estocásticos; séries temporais.

Performance of SARIMA and SARIMAX models for monthly mean streamflow forecasting

ABSTRACT: Stochastic time series modeling for streamflow forecasting has become an important approach for water resources planning and management in ungauged river basins. This study aimed to evaluate the performance of SARIMA and SARIMAX models under different training and testing periods, as well as the influence of including exogenous variables, in forecasting monthly mean streamflow in a sub-basin of the São Francisco River. The methodology followed the Box and Jenkins (1976) approach. The selected models were SARIMA (1,0,0)(4,0,0)_[12] and SARIMAX (1,0,0)(2,0,0)_[12], the latter including precipitation as an exogenous variable. Forecasts were generated for four forecasting horizons (3, 6, 9, and 12 months) during 2022. Model performance was evaluated using the Nash–Sutcliffe Efficiency (NSE), Kling–Gupta Efficiency (KGE), and Percent Bias (PBIAS) metrics. The SARIMAX model outperformed the SARIMA model across all evaluation criteria. The results indicated that the choice of training and testing intervals was not a determining factor in improving model performance, with the best results obtained using the longest training period (98% of the time series). During the training period, the SARIMAX model achieved an NSE of 0.65, KGE of 0.68, and PBIAS of 0.1%, whereas during the testing period, it yielded an NSE of 0.45, KGE of 0.50, and PBIAS of 20.9%.

Keywords: hydrological modeling; stochastic models; time series.