Quantificação das Incertezas em Curvas de Descarga de Postos Fluviométricos Utilizando Inferência Bayesiana
DOI:
https://doi.org/10.11137//2017_2_266_277Keywords:
Dados fluviométricos, confiabilidade probabilística, MCMCAbstract
O objetivo deste artigo é apresentar a construção de uma região de confiabilidade probabilística em torno de curvas de descarga previamente definidas para diferentes postos fluviométricos, com o intuito de considerar as incertezas na obtenção de valores de vazão fluviométrica calculados por meio da utilização destas curvas. Modelos Bayesianos com algoritmos de amostragem MCMC (Monte Carlo via Cadeias de Markov) são construídos e aplicados às distribuições de probabilidade dos erros obtidos com a comparação de valores de vazão fluviométrica previstas (resultantes da aplicação das curvas de descarga) e observadas (por meio de métodos convencionais). Para este estudo registros de três postos hidrológicos monitorados pela COPEL (Companhia Paranaense de Energia) e de dez postos hidrológicos monitorados pela CEMIG (Companhia Energética de Minas Gerais) foram analisados e utilizados. Os resultados demonstraram que a abordagem Bayesiana revelou-se adequada aos objetivos propostos, permitindo a construção da região de confiabilidade e, com ela, a avaliação das incertezas associadas à utilização das curvas de descarga.References
Alfaki, M. 2008. Improving effi ciency in parameter estimation
using the Hamiltonian Monte Carlo algorithm. University of Bergen, Norway, Dissertação de
Mestrado, 85p.
Bonat, W.H.; Krainski, E.T.; Ribeiro, J.R & Zeviani, W.M.
Métodos computacionais para inferência com
aplicações em R. In: SIMPOSIO BRASILEIRO DE
PROBABILIDADE E ESTATÍSTICA, SINAPE, 20,
CD-ROM.
Di Baldassarre, G. & Montanari, A. 2009. Uncertainty in
river discharge observations: a quantitative analysis.
Hydrology and Earth System Sciences, 13: 913-921.
Domeneghetti, A.; Castellarin, A. & Brath, A. 2012. Assessing
rating-curve uncertainty and its effects on hydraulic
calibration. Hydrology and Earth System Sciences, 16:
-1202.
Duane, S.; Kennedy, A.D.; Pedleton, B.J. & Roweth, D. 1987.
Hybrid Monte Carlo. Physics Letters B, 195: 216-222.
Gelfand, A.E. & Smith, A.F.M. 1990. Sampling based
approaches to calculating marginal densities. Journal
of the American Statistical Association, 85: 398-409.
Gelman, A.; Carlin, J.B.; Stern, H.S. & Rubin, D.B. 2003.
Bayesian data analysis – 2ª ed. London, Chapman and
Hall, 689p.
Gelman, A.; Carlin, J.B.; Stern, H.S.; Rubin, D.B.; Dunson, D.
& Vehtari, A. 2013. Bayesian data analysis – 3ª ed.
London, Chapman and Hall, 639p.
Geman, S. & Geman, D. 1984. Stochastic relaxation, Gibbs
distributions and the Bayesian restoration of images.
IEEE Trans. on pattern analysis and machine
intelligence, 6: 721-741.
Hastings, W.K. 1970. Monte Carlo sampling methods using
Markov chains and their applications. Biometrika, 57:
-10.
Le Coz, J.; Renard, B.; Bonnifait, L.; Branger, F.; Le Boursicaud,
R. 2014. Combining hydraulic knowledge and
uncertain gaugings in the estimation of hydrometric
rating curves: a Bayesian approach. Journal of
Hydrology, 509: 573-587.
McMillan, H.; Freer, J.; Pappenberger F.; Krueger, T. & Clark,
M. 2010. Impacts of uncertain river flow data on
rainfall-runoff model calibration and discharge
predictions. Hydrological Processes, 24: 1270-1284.
Metropolis, N.; Rosenbluth, A.W.; Rosenbluth, M.N.; Teller,
A.H. & Teller, E. 1953. Equations of state calculations
by fast computing machines. The Journal of Chemical
Physics, 21: 1087-1091.
Montanari, A. & Brath, A. 2004. A stochastic approach for
assessing the uncertainty of rainfall-runoff simulations.
Water Resour, 40: W01106.
Montanari, A. & Grossi, G. 2008. Estimating the uncertainty of
hydrological forecasts: A statistical approach. Water
Resour, 44: W00B08.
Moyeed, R.A. & Clarke, R.T. 2005. The use of Bayesian
methods for fitting rating curves, with case studies.
Advances in Water Resources, 28: 807-818.
Overleir, A.P. 2004. Accounting for heteroscedasticity in rating
curve estimates. Journal of Hydrology, 292: 173-181.
R Core Team. 2012. R: a language and environment for
statistical computing. R Fundation for Statistical
Computing, Austria. ISBN 3-900051-07-0, URL
Rantz, S.E. 1982. Measurement and computation of streamflow:
Volume 2. Computation of discharge. Geological
Survey Water-Supply Paper 2175. Washington, United
States Government Printing Office, 118p.
Schmidt, A.R. 2002. Analysis of stage-discharge relations for
open-channel flows and their associated uncertainties.
University of Illinois, Urbana-Champaign, Tese de
Doutorado, 329p.
Silva, F.E.; Naghettini, M. & Fernandes, W. 2014. Avaliação
bayesiana das incertezas nas estimativas dos
parâmetros de um modelo chuva-vazão conceitual.
Revista Brasileira de Recursos Hídricos, 19: 148-159.
Westerberg, I.; Guerrero, J.L.; Seibert, J.; Beven, K.J. & Halldin,
S. 2011. Stage-discharge uncertainty derived with a
non-stationary rating curve in the Choluteca River.
Hydrological Process, 25: 603-613.
Downloads
Published
Issue
Section
License
This journal is licensed under a Creative Commons — Attribution 4.0 International — CC BY 4.0, which permits use, distribution and reproduction in any medium, provided the original work is properly cited.
Except where otherwise noted, content on this site is licensed under a license 