Resumo: O presente trabalho discute a influência do uso de diferentes formas de previsão construídas em estudos de séries mensais de vazões fluviais. Uma das maneiras usualmente adotadas pelo Setor Elétrico Brasileiro (SEB) é o uso de 12 preditores lineares mensais do tipo periódico auto-regressivo, e previsões recursivas para horizontes mais longos que um passo à frente. Uma alternativa possível é a utilização de um único modelo para toda a série e realizar de maneira direta para horizontes de mais de um passo à frente. Os resultados computacionais obtidos neste trabalho indicam que a forma frequentemente adotada pelo SEB pode não ser a mais adequada para a solução do problema. Os estudos de caso indicam também que a arquitetura de redes neurais artificiais do tipo máquina de aprendizado extremo alcançou melhor desempenho que os modelos lineares Ver menos

Abstract: This paper discusses the influence of the use of different forecasting approaches for monthly seasonal streamflow series prediction. A procedure currently adopted by the Brazilian Electrical Sector set 12 monthly linear periodic autoregressive models and the recursive approach for horizons longer than one step ahead. However, it is possible to address a single model for the entire series as well as to perform the prediction in a direct manner to horizons longer than one step ahead. Also, the use of artificial neural networks is gained much attention in current times. The computational results obtained indicate that the procedure usually adopted may not be the most suitable for solving the problem. Furthermore, the architecture of artificial neural network known as extreme learning machine achieved a better overall performance than linear models Ver menos