Aplicação e comparação de modelos estatísticos, de aprendizado de máquina, híbridos e fundacionais para previsão de demanda de água em cidade no litoral do Brasil

Abstract

O presente trabalho apresenta a aplicação de diferentes abordagens para a previsão da demanda de água em uma cidade no litoral do Brasil, abrangendo modelos estatísticos (ARIMA e SARIMA), de aprendizado de máquina (LSTM), híbrido (NeuralProphet) e pré-treinado de larga escala (Chronos). A análise exploratória da série temporal incluiu técnicas consolidadas, como decomposição clássica, gráficos de autocorrelação e decomposição por Singular Spectrum Analysis (SSA), com o objetivo de compreender padrões e comportamentos relevantes. Por meio da validação cruzada para séries temporais (backtesting), os modelos foram testados com diversas combinações diferentes de hiperparâmetros, visando alcançar os melhores desempenhos preditivos possíveis. As avaliações foram conduzidas por meio de métricas como erro quadrático médio (RMSE), erro absoluto médio (MAE), erro percentual absoluto médio (MAPE) e coeficiente de determinação (R²). Os resultados evidenciaram que, embora o ARIMA ainda apresente desempenho competitivo, modelos como LSTM e NeuralProphet se destacaram pela maior consistência e capacidade de adaptação a comportamentos complexos da série. O SARIMA, por sua vez, não obteve resultados satisfatórios, e, o modelo Chronos, representante de modelos de larga escala, não superou os demais, indicando que sua aplicação em séries temporais contínuas ainda requer aprimoramentos. Além disso, realizou-se uma análise detalhada das datas em que os modelos mais subestimaram os valores reais, permitindo identificar fatores específicos que influenciam o consumo de água, complementando a avaliação global e servindo como base para melhorias futuras nos modelos aplicados.

Abstract: This study presents the application of different approaches for forecasting water demand in a coastal city in Brazil, including statistical models (ARIMA and SARIMA), machine learning models (LSTM), a hybrid model (NeuralProphet), and a large-scale pre-trained model (Chronos). The exploratory analysis of the time series employed well-established techniques such as classical decomposition, autocorrelation plots, and Singular Spectrum Analysis (SSA) to understand relevant patterns and behaviors. Through cross-validation for time series (backtesting), several hyperparameter combinations were applied to achieve the best possible predictive performance. The evaluation was based on metrics such as root mean squared error (RMSE), mean absolute error (MAE), mean absolute percentage error (MAPE), and the coefficient of determination (R²). The results showed that, although ARIMA still achieves competitive performance, models such as LSTM and NeuralProphet stood out for their greater consistency and ability to adapt to complex temporal behaviors. In contrast, SARIMA, did not achieve satisfactory results, and the Chronos model, a representative of large-scale models, did not outperform the others, indicating that its application in continuous time series still requires refinements. Additionally, a detailed analysis was performed on the dates when the models most underestimated the actual values, allowing the identification of specific factors influencing water consumption, complementing the overall evaluation and serving as a baseline for future improvements in the applied models.