Séries Sintéticas de Vazões

Slides:



Advertisements
Apresentações semelhantes
PHD5873/04-1 PHD 5873 Complementos de Hidrologia Aula 3 – Séries Sintéticas de Vazões EPUSP, 07 de outubro de 2003 Prof. Dr. José Rodolfo Scarati Martins.
Advertisements

INTRODUÇÃO AO AMBIENTE DE PROGRAMAÇÃO MATLAB MINICURSO PET-POTÊNCIA WILK MAIA TURMA 1 AULA 7.
Fernando NogueiraCadeias de Markov1 Andrei Andreyevich Markov (*1856, Ryazan, Russia;  1922, São Petersburgo, Russia).
Escola Superior de Agricultura “Luiz de Queiroz” Universidade de São Paulo LCE5801 – Regressão e Covariância Taciana Villela Savian Sala 304, pav. Engenharia,
Algoritmos Genéticos Algoritmos Genéticos com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Maio/2008.
O Processo de Poisson Série: Processos Estocásticos Disciplina: Métodos Matemáticos 1C Dennis S. Poisson, Sceaux, France.
Estatística Aplicada. Unidade 2 Representação de Dados Estatísticos (Tabelas)
Prof. Thiago Costa ADMINISTRAÇÃO DA PRODUÇÃO II TEORIA DA PREVISÃO DOS ESTOQUES.
Estatística Aula 16 Universidade Federal de Alagoas Centro de Tecnologia Prof. Marllus Gustavo Ferreira Passos das Neves Adaptado do material elaborado.
Algoritmos e Estruturas de Dados I
Introdução e Conceitos.
Probabilidade e Estatística Aplicadas à Contabilidade I
Estatística aplicada a ensaios clínicos
Revisão Medidas de Dispersão
Prof. Leonardo Bianco de Carvalho FCAV/UNESP – Câmpus de Jaboticabal
ASPECTOS METODOLÓGICOS PARA CONSTRUÇÃO DE TRAJETÓRIAS DE EXPANSÃO
Confiabilidade Estrutural
Economia Monetária II 7ª aula
ESTATÍSTICA AULA 15 Testes de hipóteses – Unidade 10
ESTATÍSTICA AULA 11 Modelos probabilísticos mais comuns – Unidade 7
Probabilidade e Estatística Aplicadas à Contabilidade II
DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO
Probabilidade e Estatística Aplicadas à Contabilidade I
Estatística Bivariada
ESTATÍSTICA . SÍNTESE DO 10.º ANO . RELAÇÕES BIDIMENSIONAIS (11.º ANO)
EPIDEMIOLOGIA Profa.Ms.Juliana P.Porto.
Autores: Caroline Malaguti Liberalino Gabriel Meneguello Roque
Estimação de Parâmetros – Unidade 9 Professor Marcelo Menezes Reis
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2017 Intervalo de Confiança Camilo Daleles Rennó
ESTATÍSTICA AULA 12 Inferência Estatística e Distribuição Amostral – Unidade 8 Professor Marcelo Menezes Reis.
EAL ESTATÍSTICA, PLANEJAMENTO E OTIMIZAÇÃO DE EXPERIMENTOS
Distribuições de Probabilidade
Algumas Distribuições de Probabilidade e Estatística de Contagem
Estimação de Máxima Verossimilhança
Curso de Medicina/Nutrição Ms.Rosebel Trindade Cunha Prates
A.L. 1.0│Medição em Química.
C C C Cliente PREVISÃO DE DEMANDA
Amortecimento de Ondas de Cheias em Reservatórios
TMEC011 – ESTATÍSTICA APLICADA
Prof. Eduardo Bezerra (CEFET/RJ)
Análise de Regressão Ajuste de Parâmetros.
Análise de regressão múltipla
Abordagem à previsão de fadiga térmica de matriz (AISI H13) utilizada para fundição de alumínio em alta pressão utilizando a equação Basquin e elementos.
Breno N. Faria, Indiara Kely e Roberto R. Cardoso
Capítulo 04: Condução Multidimensional em Regime Permanente
Probabilidade e Estatística Aplicadas à Contabilidade II
DISTRIBUIÇÕES AMOSTRAIS
7 Resultados de Medições Indiretas
Hidrologia Estatística
Semana 3 – Análise global dos dados
Prof. Artur Aula Introdutória
Enfoque sistêmico na agricultura Fundamentos Estatísticos
A) Introdução. Noções Fundamentais
FUNDAMENTOS DA ESTATÍSTICA
Estatística amintas paiva afonso.
Hidrologia Estatística
Profa. Andréia Adami Escola Superior de Agricultura “Luiz de Queiroz” Universidade de São Paulo LCE0211 – Estatística Geral Profa.
Amostragem e estimadores
Revisão de inferência.
Profa. Dra. Fernanda Sayuri Yoshino Watanabe
ANÁLISE DE VARIÂNCIA (ANOVA)
Unidade 6 – Desenho da amostra Aspectos técnicos
Prof. Artur Parte III: Análise dos dados de entrada e resultados
Mestrado Profissional em Física Médica
Algumas Distribuições de Probabilidade e Estatística de Contagem
Profa. Andréia Adami Escola Superior de Agricultura “Luiz de Queiroz” Universidade de São Paulo LCE0211 – Estatística Geral Profa.
Prof. Antonio Lopo Martinez
Resultados de Medições Indiretas
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2018 Intervalo de Confiança Camilo Daleles Rennó
Probabilidade e Estatística Aplicadas à Contabilidade II
Transcrição da apresentação:

Séries Sintéticas de Vazões Hidrologia Aplicada Séries Sintéticas de Vazões UTFPR – Campo Mourão Prof. Dr. Eudes José Arantes

Aplicações Probabilidade das maiores cheias ou estiagens numa bacia Dimensionamento de Volumes de Reservatórios Projeto de dispositivos de desvio e proteção de obras provisórias ..........

Caso Prático Dimensionar o volume de um reservatório de resgularização Rio Jacupiranga

Dados de Vazões médias mensais

Variações anuais 1981 1938

Diagrama de Rippl

Hipóteses Fundamentais Distribuição de probabilidades é a mesma da série de dados original (não se criam dados) Esta hipótese nem sempre pode ser admitida em função da variações do regime hidrológico Os parâmetros estatísticos da série sintética são obtidos a partir da série histórica original, admitindo-se portanto a igualdade dos mesmos e a confiança os mesmos.

Modelos de Séries Sintéticas Cíclicos: para geração de séries com influência sazonal (meses, semanas, semestres..) Acíclicos: geração de séries anuais Regressivos: consideram a influência de valores em m períodos passados Não regressivos: consideram apenas a componente aleatória

Modelos Acíclicos i indice do ano Q Vazão gerada no ano i Q Valor médio histórico das vazões r coeficiente de correlação da série entre i e i+1 Ei+1 componente aleatória de média zero e variancia s2 do ano i+1

Casos particulares r = 1 -> correlação perfeita, não havendo influencia de fatores aleatórios r = 0 -> vazões puramente aleatórias

Modelo Cíclico de Distribuição Normal Qmed=0 s2=1 t é uma variável aleatória com distribuição N(0,1) m1 e m2 são números aleatórios no intervalo de (0,1) Valores negativos

Preserva apenas o logaritmo das vazões Modelo de Beard Preserva apenas o logaritmo das vazões

Modelo de Matalas a é o limite inferior das vazões m a média s2 a variância

Thomas e Fiering g é o coef. Assimetria e é uma variável aleatória

Modelo de Markov 1a. ordem i é o indice das vazões geradas j indice mensal variando de 1 a 12 Q vazão média mensal gerada Q vazão média mensal histórica bj,j+1 coeficiente de correlação entre as vazões dos meses j e j+1, obtido do ajuste sj,j+1 desvio padrão histórico do mês j+1 rj,j+1 correlação linear entre j e j+1

Exemplo