Geração de escoamentos mensais através de modelo estocástico que utiliza precipitações
Fecha
1973Tutor
Nivel académico
Maestría
Tipo
Resumo
Um Modelo Estocástico de Geração de Séries Sintéticas de Escoamentos Mensais é desenvolvido, sendo utilizado como componente determinístico uma regressão linear múltipla que inclui escoamento e precipitação. São determinadas transformações que ajustam as distribuições de frequência de precipitação e escoamento à distribuição de frequência normal. É apresentado um Modelo Estocástico de Geração de Séries de Precipitações Mensais. No Modelo Estocástico de Geração de Séries de Escoamentos Mensais, ...
Um Modelo Estocástico de Geração de Séries Sintéticas de Escoamentos Mensais é desenvolvido, sendo utilizado como componente determinístico uma regressão linear múltipla que inclui escoamento e precipitação. São determinadas transformações que ajustam as distribuições de frequência de precipitação e escoamento à distribuição de frequência normal. É apresentado um Modelo Estocástico de Geração de Séries de Precipitações Mensais. No Modelo Estocástico de Geração de Séries de Escoamentos Mensais, diversas combinações para o componente determinístico do modelo de geração de escoamentos mensais devem ser testadas, considerando-se como variável endógena o escoamento médio mensal e como variáveis exógenas o escoamento médio mensal do mês antecedente e/ou a precipitação total mensal e/ou a precipitação total mensal do mês antecedente. É considerada como a combinação ótima em cada mês aquela cuja estimativa apresentar menor variança, maior coeficiente de determinação e resultados aceitáveis para os testes de significância dos coeficientes de regressão e da análise da variança. Os modelos matemáticos desenvolvidos são aplicados à bacia do Rio Benedito em Timbó e as séries de precipitações e escoamentos geradas são comparadas com as séries históricas e considerações são realizadas a respeito de problemas teóricos e operacionais. ...
Abstract
A Stochastic Generation Model of Synthetic Series of Monthly Flows is developed by means of using, as a deterministic component, a multiple linear regression which includes flow and precipitation. Transformations that adjust distributions of frequency of precipitation and flow, to the distribution of normal standard frequency, are determined. A Stochastic Generation Model of Monthly Precipitation Series is presented. In the Stochastic Generation Model of Monthly Flow Series, various combination ...
A Stochastic Generation Model of Synthetic Series of Monthly Flows is developed by means of using, as a deterministic component, a multiple linear regression which includes flow and precipitation. Transformations that adjust distributions of frequency of precipitation and flow, to the distribution of normal standard frequency, are determined. A Stochastic Generation Model of Monthly Precipitation Series is presented. In the Stochastic Generation Model of Monthly Flow Series, various combinations for the deterministic component of the generation model of monthly flows should be tested, considering as an endogen variable the monthly average flow and, as exogen variables, the monthly average flow of the precedent month, and/or the total monthly precipitation, and/or the total monthly precipitation of the precedent month. It is considered as an optimal combination in each month, the one in which the estimation presents least variance, largest coefficient of determination and acceptable results for the significance tests of the regression coefficients and of the analises of variance. The mathematical models developed are applied to the Rio Benedito’s basin, in Timbó, and the series of precipitation and flow generated, are compared to the historic series and considerations are made over theoric and operational problems. ...
Institución
Universidade Federal do Rio Grande do Sul. Instituto de Pesquisas Hidráulicas. Curso de Pós-Graduação em Hidrologia Aplicada.
Colecciones
-
Ingeniería (7386)
Este ítem está licenciado en la Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)