Skip navigation
Veuillez utiliser cette adresse pour citer ce document : http://repositorio2.unb.br/jspui/handle/10482/35810
Fichier(s) constituant ce document :
Fichier Description TailleFormat 
2019_LuisCarlosHernandezHernandez.pdf6,37 MBAdobe PDFVoir/Ouvrir
Titre: Uso de Modelos de Markov com Estados Ocultos e informações climáticas para a previsão de afluências
Autre(s) titre(s): Use of Hidden Markov Models with climate information for climate streamflow forecasts
Auteur(s): Hernández Hernández, Luis Carlos
Orientador(es):: Reis Junior, Dirceu Silveira
Assunto:: Previsão de vazão
Índices climáticos
Reservatório Orós - Ceará (CE)
Modelo Oculto de Markov (HMM)
Date de publication: 13-nov-2019
Référence bibliographique: HERNÁNDEZ HERNÁNDEZ, Luis Carlos. Uso de Modelos de Markov com Estados Ocultos e informações climáticas para a previsão de afluências. 2019. xxvi, 213 f., il. Tese (Doutorado em Tecnologia Ambiental e Recursos Hídricos)—Universidade de Brasília, Brasília, 2019.
Résumé: Sistemas probabilísticos de previsão de vazão nas escalas sazonal e interanual podem fornecer informações valiosas, ainda que incertas, para o processo de alocação de água numa bacia hidrográfica, reservatório ou conjunto de reservatórios, permitindo que se estabeleça um trade-off entre os benefícios que se obtém pelo uso da água disponível e os riscos, inerentes à decisão tomada, de não se ter água suficiente para atender as demandas no futuro. Tais sistemas de previsão podem e são utilizados na gestão do risco de secas, permitindo que gestores e tomadores de decisão tenham o tempo necessário para colocar em prática ações previamente planejadas no plano de secas, possibilitando uma redução das perdas econômicas, sociais e ambientais resultantes da ocorrência de uma possível seca. Esta tese explora o uso de Modelos de Markov com Estados Ocultos Hidden Markov Models (HMMs), com a inclusão de informações climáticas de larga escala, para realizar a previsão na escala climática de vazões médias anuais afluentes ao reservatório Orós/CE, visando contribuir para o entendimento de como essa classe de modelos se comporta na previsão de vazões. Utilizaram-se três extensões da versão básica dos HMMs, as quais incorporam informações climáticas: i) HMMs não Homogêneos (NHMMs); ii) NHMMs Autoregressivos (AR-NHMMs); e iii) HMMs com informações climáticas nas distribuições dependentes dos estados ocultos (IHMMs), resultando em um total de 132 HMMs. As diferenças entre os HMMs dependem da distribuição dependente (Log-Normal e Gama), do número de estados ocultos (2 e 3) e das 11 combinações de indicadores climáticos (NINO3 e Dipolo do Atlântico utilizados em diferentes momentos e escalas temporais). O desempenho dos diferentes modelos probabilísticos foi avaliado empregando um período de validação de 60 anos (1941-200) tendo como base o Continuous Ranked Probability Skill Score (CRPSS), assim como métricas de qualidade de previsões pontuais, tais como o Erro Médio Absoluto e Percentual (EMA, EMPA), Distancia Multicritério (DM) e coeficientes de Nash Sutcliffe (NS) e correlação. HMMs com 2 estados, baseados na distribuição Log-Normal se destacaram dos outros modelos, principalmente aquele que emprega o índice NINO3 de dezembro (NL) do ano anterior para realizar a previsão em janeiro do ano corrente. Em geral, os HMMs obtiveram desempenho melhor em anos mais secos, quando comparados com a climatologia, mas tiveram dificuldade na previsão de anos mais úmidos. No entanto, IHMMs que empregam o índice do Dipolo do Atlântico são alternativas para a previsão de anos úmidos. Os resultados mostraram que o modelo NL obteve desempenho destacado, quando comparado com modelos que não incluem informações climáticas e modelos autoregressivos com variáveis exógenas (ARX). Os resultados obtidos indicam o potencial de sistemas de previsão de vazão empregando a modelagem baseada em HMMs, em conjunto com informações climáticas. Esse caminho permite uma melhor compreensão da influência climática nos regimes do rio, permitindo flexibilizar o uso de indicadores climáticos e capturar melhor a variabilidade e a ocorrência de vazões baixas.
Abstract: Seasonal and interannual probabilistic streamflow forecasts, albeit uncertain, can provide valuable information to water allocation processes carried out in watersheds, resevoirs or system of reservoirs, allowing for the evaluation of tradeoffs between the benefits of using the current storage water and the risks of facing a shortage in the future. Such streamflow forecast systems can and are used in drought risk management, giving water managers and decision makers the time needed to take the appropriate measures, usually defined in the drought management plan, resulting in potential reduction in economic, social and environmental damages due to the occurrence of a given drought. This thesis explores the use of Hidden Markov Models (HMMs), in conjuction of large-scale climate information, to provide climate streamflow forecast of mean annual flows for the Orós reservoir/CE. The goal is to evaluate how this class of model can contribute to the understanding of how mean annual streamflow varies in the region and which climate índices modulates the process. Three extension of the basic version of HMMs that employ large-scale climate information were used: i) non-homegenous HMMs (NHMMs); ii) auto-regressive non-homegeneous models (AR-NHMMs); e iii) HMMs with climate information modulating the dependente probabilistic distributions of HMMs (IHMMs), resulting in a total of 132 models. Differences among models are due to the probability distribution used to model annual flows (Log-normal and Gamma), number of hidden states (2 and 3), and sets of climate indices (Nino3 and Atlantic Dipole taken in different times of the year and different time scales). The quality of the different probabilistic forecast models was evaluated in a 60-year independent period (1941-2000) based on the Contineous Ranked Probability Score (CRPS), as well as on the following deterministic verification measures: mean absolute and relative errors, muticriteria distance, Nash-Sutcliff effciency coeffcient, and correlation. HMMs with two hidden states and based on the Log-normal distribution outperformed other models, in particular the one that employs the value of NINO3 measured in December of the previous year to issue in January the forecat of the current year. In general, the HMMs performed better in dry years, when compared to climatology, but had weak results for wet years. However, IHMMs that uses the Atlantic Dipole index seems to be a reasonable alternative for wet years. Results show that the NL model obtained a distinguished performance when compared to both models that don’t inclued climate information and auto-regressive models with exogeneous variables (ARX). The results point out forecast systems HMMs based along with climate information for could potentially be used for inflow forecasting. Influence of climate on river regimes could be further understood by using this forecast modelling which allows flexibility when using climate indices and a better representation if both variability and lower flow occurrences.
metadata.dc.description.unidade: Faculdade de Tecnologia (FT)
Departamento de Engenharia Civil e Ambiental (FT ENC)
Description: Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, Pós-Graduação em Tecnologia Ambiental e Recursos Hídricos, 2019.
metadata.dc.description.ppg: Programa de Pós-Graduação em Tecnologia Ambiental e Recursos Hídricos
Licença:: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições:Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Collection(s) :Teses, dissertações e produtos pós-doutorado

Affichage détaillé " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/35810/statistics">



Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.