Study and prediction of the Paraguay River Level by Harmonic Analysis and Neural Networks

Abstract

Neural networks and harmonic analysis by iterative regression are implemented for the prediction of the level of the Paraguay River. The selected neural networks include Feed-forward Neural Networks with Backpropagation learning law and Time Delay Neural Network. Using the 1145 monthly mean values, the trained networks predict the levels of the 12 next months with Normalized Mean Squared Error NMSE < 0.06 and Negative Average Log Likelihood NALL.<9.0. On the other hand, the determination of the most important sine functions embedded in the same series allows us to reconstruct the main features of the variations of the river level and to predict yearly mean values for the next two decades (assuming no major change of the environment). The results obtained show that both methods seem to be efficient to process time series related to phenomena influenced by complex climatic and geophysical processes, even not dealing with causal relationships involved in the phenomena studied. They may be used to predict future behavior of such phenomena, at ranges depending specifically on the method used, interval, size and quality of data available.

Key words: Prediction; Neural networks; Harmonic analysis; Iterative regression; Paraguay river; Paraguay river level.

ESTUDO E PREVISÃO DO NÍVEL DO RIO PARAGUAI USANDO ANÁLISEHARMÔNICA E REDES NEURAIS -

Redes neurais e análise harmônica por regressão iterativa foram usadas para a previsão do nível do Rio Paraguai. As redes neurais selecionadas para este trabalho compreendem a rede neural "Feedforward" com lei de aprendizagem com retropropagação e rede neural com atraso de tempo. A partir de 1145 valores mensais médios, a rede neural treinada prediz o nível dos doze meses seguintes com erro médio normalizado ao quadrado NMSE < 0,06 e probabilidade logarítmica média negativa NALL ≤ 9.0. Além disso, a determinação das mais importantes funções senoidais embutidas na mesma série permite a reconstrução das principais variações do nível do rio e a previsão dos valores médios anuais para as duas décadas seguintes (supondo nenhuma mudança importante do meio ambiente). Os resultados obtidos mostram que ambos os métodos parecem ser eficientes para processar séries temporais influenciadas por processos climáticos e geofísicos complexos, mesmo sem considerar as relações causais envolvidas nos fenômenos estudados. Eles podem ser usados para prever o comportamento de tais fenômenos em escalas de tempo que dependem especificamente do método usado, do intervalo de tempo e do tamanho e da qualidade dos dados disponíveis.

Palavras-chave: Previsão; Redes neurais; Análise harmônica; Regressão Iterativa; Rio Paraguai; Níveis do Rio Paraguai.