Uma questão importante em segurança de barragens de concreto é a
monitoração da subpressão em suas fundações e a sua manutenção dentro dos
limites de projeto, ao longo do seu tempo de operação. A supbressão é a pressão de
baixo para cima gerada pela água que se infiltra pela porosidade ou descontinuidades
da fundação rochosa sob a barragem. Se exceder os limites de segurança pode levar
ao deslizamento ou tombamento da estrutura. As subpressões estão sujeitas a
oscilações por mudanças de temperatura ou nível do reservatório, entre outras
causas. A monitoração dos níveis de subpressão é realizada com o auxílio de limites
de alertas fixos para cada instrumento. Por exemplo, em Itaipu o limite amarelo é
estabelecido como o máximo histórico para o instrumento, e o limite vermelho é
definido com base no limite de segurança do projeto. Assim, essa definição de limites
de alertas fixos, não ajuda a identificar aumentos inesperados quando deveria estar
próximo do mínimo sazonal. No caso de um incremento significativo de subpressão
não justificada por variações correspondentes nas variáveis causais associadas, é
importante que seja acionado um alerta assim que possível, auxiliando dessa forma a
equipe de engenheiros responsáveis pela segurança a estudar o caso e se necessário
executar as tarefas de manutenção a tempo de reverter um quadro que poderia
colocar em risco a segurança da barragem. Os modelos de regressão múltipla de
subpressão em Itaipu não conseguem alcançar um nível de explicação aceitável da
variação sazonal da subpressão. As séries temporais de subpressão no contato entre
o concreto e a rocha apresentam frequentes variações de regime, tornando sua
modelagem mais complicada. Diante disso, esta tese propõe um novo método
preditivo híbrido, incluindo modelo ARIMAX, Análise Espectral Singular (SSA),
Wavelet, Redes Neurais Artificiais (RNAX) e Bootstrap, cujo objetivo é produzir
predições, e intervalos de previsão a eles associados, de leituras futuras de
subpressão em barragens de concreto, levando em consideração séries temporais de
variáveis causais. Em síntese, a previsão pontual é a média entre um previsor
ARIMAX que capta estrutura de dependência linear, e um previsor não linear iterativo,
que combina redução de ruídos por SSA, decomposição espectral Wavelet e previsão
por Redes Neurais Artificiais com busca automática de parâmetros ótimos. A
determinação do intervalo preditivo usa Bootstrap, e os limites superiores do intervalo
de previsão são interpretados como limites amarelos dinâmicos. O método proposto é
aplicado em três séries temporais de subpressão de piezômetros instalados na
barragem principal de Itaipu, localizada em Foz do Iguaçu, Paraná, Brasil. Os
resultados alcançados mostram uma melhoria significativa quando comparado aos
métodos tradicionais de previsão utilizados na literatura.