Revista Brasileira de Computação Aplicada, April, 2022 DOI: 10.5335/rbca.v14i1.12964 Vol. 14, N o 1, pp. 70–80 Homepage: seer.upf.br/index.php/rbca/index ORIGINAL PAPER Hydrological forecast in Macaé River Basin with Neural Networks Julia Godinho 1 , Janaina Santanna Gomide Gomes 1 , Rafael Malheiro 1 , Laura Emmanuella Santana , 2 1 Instituto Politécnico - UFRJ, 2 Escola Agrícola de Jundiaí - UFRN * juliagodinho08@gmail.com; janainagomide@gmail.com; rafaelmalheiro@globo.com; lauraemmanuella@gmail.com Received: 2021-09-14. Revised: 2022-04-17. Accepted: 2022-04-26. Abstract Background: Hydrological forecasting is a valuable tool for dealing with socio-environmental problems, and it can be used in natural disaster alert systems and as assistant aid in making public policies. This work presents an application of a hydrological model based on Artiﬁcial Neural Networks (ANN). The variable modeled was the ﬂood stage of the ﬂuviometric station Fazenda Airis, located in the Macaé River drainage basin. For this purpose, the datasets used are composed of daily records of ﬂow and rainfall stations between 2010 to 2013, made available by the National Water Agency (ANA) and the INEA (Environment State Institute of Rio de Janeiro) Flood Alert System. The adopted methodology investigates the inﬂuence of the input variables and ANN architecture on the models’ performance. Results: The results obtained were considered very satisfactory and support the proposition of the potential of Artiﬁcial Neural Networks for hydrological forecasting. It was found that of the 189 models created, 42.3 % had the coefﬁcient of determination R 2 above 0.80. Conclusions: The best ANN developed received daily data from six rainfall stations and one ﬂuviometric station, obtaining for metrics R 2 and MAE the values of 0.88, 7.03 cm, respectively. Finally, the results were compared with related works and are similar or superior even with shorter time series. Keywords: Artiﬁcial Neural Networks; Drainage Basin of the Macaé River; Hydrological forecasting. Resumo Background: A previsão hidrológica é uma ferramenta valiosa no tratamento de problemas socioambientais, podendo ser utilizada em sistemas de alerta de desastres naturais e auxiliar na formulação de políticas públicas. Este trabalho apresenta a aplicação de um modelo hidrológico baseado em Redes Neurais Artiﬁciais (RNA). A variável modelada foi o estágio de inundação da estação ﬂuviométrica Fazenda Airis, localizada na bacia do rio Macaé. Para tanto, os conjuntos de dados utilizados são compostos por registros diários de vazões e estações pluviométricas entre 2010 a 2013, disponibilizados pela Agência Nacional de Águas (ANA) e pelo Sistema de Alerta de Inundação do INEA (Instituto Estadual do Meio Ambiente do Rio de Janeiro). A metodologia adotada investiga a inﬂuência das variáveis de entrada e da arquitetura da RNA no desempenho dos modelos. Resultados: Os resultados obtidos foram considerados muito satisfatórios e suportam a proposição do potencial das Redes Neurais Artiﬁciais para previsões hidrológicas. Constatou-se que dos 189 modelos criados, 42,3% tinham o coeﬁciente de determinação R 2 acima de 0,80. Conclusões: A melhor RNA desenvolvida recebeu dados diários de seis estações pluviométricas e uma estação ﬂuviométrica, obtendo para as métricas R 2 e MAE os valores de 0,88 e 7,03 cm, respectivamente. Por ﬁm, os resultados foram comparados com trabalhos relacionados e são semelhantes ou superiores mesmo com séries temporais mais curtas. Palavras-Chave: Redes Neurais Artiﬁciais; Bacia do Rio Macaé; Previsão hidrológica. 1 Introduction Floods are natural phenomena resulting from the rise in the water level in a river section, caused by extreme rainfall events and can be intensiﬁed by human interventions. Rio de Janeiro is among the six Brazilian states with the highest number of registered natural disasters, where 65% of all occurrences are associated with ﬂooding