Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/54707
Tipo: Artigo de Evento
Título: Uso da transformada em ondeletas para projeções de médio prazo das vazoes na bacia do rio São Francisco
Título em inglês: Using wavelet transform to the medium-term projection of streamflow in the são francisco river basin, Brasil
Autor(es): Silveira, Cleiton da Silva
Souza Filho, Francisco de Assis de
Vasconcelos Júnior, Francisco das Chagas
Dias, Tyhago Aragão
Araújo Júnior, Luiz Martins de
Silva, Francisco Wellington Martins da
Rocha, Renan Vieira
Palavras-chave: Variabilidade climática;Climatologia;Projeção de médio prazo;Bacia do Rio São Francisco
Data do documento: 2017
Citação: SILVEIRA, Cleiton da Silva; SOUZA FILHO, Francisco de Assis de; VASCONCELOS JÚNIOR, Francisco das Chagas; DIAS, Tyhago Aragão; ARAÚJO JÚNIOR, Luiz Martins; SILVA, Francisco Wellington Martins da; ROCHA, Renan Vieira. Uso da transformada em ondeletas para projeções de médio prazo das vazoes na bacia do rio São Francisco. In: SIMPÓSIO BRASILEIRO DE RECURSOS HÍDRICOS - SBRH, XXII, 26 nov. a 01 dez. 2017, Florianópolis, Santa Catarina Brasil. Anais […] Florianópolis, Santa Catarina, 2017. Tema: “Ciência e tecnologia da água: inovação e oportunidades para o desenvolvimento sustentável”
Resumo: Este trabalho tem por objetivo criar um modelo de projeção de cenários futuros de vazões de 3 a 10 anos utilizando a transformada em ondeletas para a bacia do Rio São Francisco. Foi utilizada as vazões fornecida pela Operador Nacional de Sistemas (ONS), dividida em dois períodos: 1931 a 2006 e 2007 a 2016, para calibração e verificação, respectivamente. A série anual é padronizada e é feita uma análise do espectro global de potência para identificar as bandas mais energéticas. A série temporal é decomposta em três bandas mais o resíduo e reconstruída considerando que as bandas são ortogonais. Em seguida é feito um modelo autorregressivo (AR) por banda e resíduo. O ruído do modelo AR é obtido pela diferença entre o resultado do modelo no período de calibração e o valor da banda. A projeção é obtida pela soma dos modelos autorregressivos. Para avaliação de desempenho é feito uma análise qualitativa da distribuição de probabilidades acumulada do período de anos projetados e a verossimilhança. O modelo identificou a função de distribuição de probabilidades dos anos projetados e obteve verossimilhança maior que 1, indicando que esta metodologia pode captar a variabilidade de médio prazo.
Abstract: This work aims to create projection model future scenarios 3 to 10 years of streamflow using the wavelet transform in the São Francisco River Basin. We used the stremflow data provided by Operador Nacional do Sistema (ONS), divided into two periods: 1931-2006 and 2007-2016, for calibration and verification, respectively. The annual series is standardized and an analysis is made of global power spectrum to identify the most energetic bands. The time series is decomposed into three bands the residue and reconstructed whereas bands are orthogonal. It was made a auto regressive (AR) model for band and residue, with noise of the AR model obtained by the difference between the model results in the calibration period and the value of the band, and then used to generate scenarios. The projection is obtained by adding the auto regressive models. For performance evaluation is made a qualitative analysis of the accumulated probability distribution of projected years period and its verisimilitude. The model identified the distribution probabilities function of projected year and achieved verisimilitude greater than 1, indicating that this methodology can capture the variability medium term.
URI: http://www.repositorio.ufc.br/handle/riufc/54707
Aparece nas coleções:DEHA - Trabalhos apresentados em eventos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2017_eve_cssilveira.pdf423,04 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.