Performance of daily and hourly demand forecasting models of urban water supply: a case study

O panorama do abastecimento de água mundial é movido pela constante busca à eficiência operacional dos sistemas de abastecimento de água, originada pelo aumento populacional, escassez de recursos hídricos, elevação de perdas de água e aumento do consumo de energia elétrica nos sistemas de bombeamento. Este trabalho teve por objetivo pesquisar três grupos de modelos quantitativos de previsão de demanda de abastecimento de água: modelos de séries temporais, modelos causais e de inteligência artificial por redes neurais artificiais. Sob este desígnio, as demandas diárias e horárias foram estudadas em dois períodos: fase de ajuste (estudo do passado histórico) e fase de previsão (predição do futuro). A partir do diagnóstico realizado pela comparação dos modelos de ajuste e previsão, conclui-se que, entre os modelos estudados, inexiste um modelo ótimo de ajuste e previsão, embora alguns modelos tenham-se evidenciado em relação a outros. As decisões conduzidas pelo conhecimento da demanda proporcionam maior capacidade de decisão aos gestores responsáveis pelo abastecimento público de água, habilitando-os com maior capacidade de planejamento da distribuição, exame crítico do potencial de economia de energia elétrica e detecção de perdas no sistema distribuidor, os quais são essenciais ao equilíbrio e à sustentabilidade ambiental urbana. Todos os modelos possuem proficuidades e a sua aplicação depende da disponibilidade de dados confiáveis, do nível de precisão e detalhamento requerido e possuem o objetivo de automatizar os resultados. Todavia, não supre a competência de um analista de assumir deliberações, pois procedimentos automáticos não substituem o conhecimento especial de um analista sobre os dados estudados.The worldwide water supply panorama is shaped by the constant search for operational efficiency of water supply systems, driven by the demand of population growth, water shortages, increased water loss, and increased energy consumption of pumping systems. This research studies three sets of quantitative methods for forecasting demand in water supply: time series models, causal models, and artificial intelligence by artificial neural networks. Under this plan, the daily and hourly demands were studied in two periods: the adjustment phase (study of the historical past), and the prediction phase (predicting the future). Based on the diagnosis made by comparing the model predictions, it is concluded that among the models studied, there is no optimal fit and prediction model, although some models were shown to perform better than others. Knowledge of the demand provides a better basis for decision-making among the managers responsible for the public water supply, giving them greater capacity in the distribution planning, critical examination of the potential for energy saving, and detection of losses in the distribution system, all of which are essential for the balance and sustainability of the urban environment. All three models have their usefulness, but their application depends on the availability of reliable data and the level of precision and detail required, with the goal of automating the results. However, they do not do away with the expertise of an analyst in decision-making, as automatic procedures cannot replace the analyst?s specialist knowledge of the data studied