Modelos estocásticos lineares para previsão de cheias em tempo-real.

• Ano de defesa: 1984
• Autor(a) principal: Mine, Miriam Rita Moro
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Floods (Forecast); Inundações (Previsão); Real-time; Tempo-real
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3147/tde-22052025-151731/

O objetivo fundamental deste trabalho é o estudo e aplicação de modelos estocásticos lineares para previsão de vazões de cheia em tempo-real. Duas classes de modelos foram estudadas. A classe dos modelos ARIMA, obtidos através de repetidas integrações dos modelos estacionários ARMA (Mixed Autoregressive Moving Average Models) e de uma extensão desses modelos, os TFM (Trnsfer Function Modls( onde a precipitação é incluída como variável de entrada no modelo. Os modelos ARIMA foram generalizados através dos chamados modelos dinâmicos de estado (State-Space Models), nos quais foi inserido um algoritmo de filtragem, o Filtro de Kalman, de natureza recursiva. As séries hidrológicas de vazões são entendidas como sequências de valores verdadeiros (e desconhecidos) denominados de sinal, somados a erros de variadas origens, denominados de ruídos. Neste contexto, filtrar significa eliminar o ruído, para a seguir utilizar apenas o sinal na equação de previsão, que passa a ser chamada de adaptável. Com o propósito de exemplificar metodologias e comparar resultados, foram realizadas aplicações nas bacias hidrográficas dos rios Iguaçu e Tamanduateí, localizados nos Estados do Paraná e São Paulo.