Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/41213
Type: Tese
Title: Quantificação de incertezas associadas a variáveis intervenientes na modelagem hidrodinâmica por meio de métodos bayesianos.
Other Titles: Uncertainty estimation in hydrodynamic modeling using bayesian techniques
Authors: Viviane Borda Pinheiro Rocha
First Advisor: Mauro da Cunha Naghettini
First Co-advisor: Luiz Rafael Palmier
First Referee: Francisco Eustáquio Oliveira e Silva
Second Referee: Veber Afonso Figueiredo Costa
Third Referee: Dirceu Silveira Reis Júnior
metadata.dc.contributor.referee4: Daniel Henrique Marco Detzel
Abstract: As enchentes e inundações e seus efeitos sobre populações ribeirinhas têm constituído objeto de estudo da comunidade científica e técnica em todo o mundo. Na contramão de avanços no campo de aquisição e análise de dados e da modelagem numérica hidrológica e hidráulica, estimativas apontam que os danos associados às inundações tendem a aumentar. Diversos estudos realizados no setor de recursos hídricos nas últimas duas décadas defendem que uma das formas de se estimarem enchentes com maior precisão e de se compreenderem profundamente os modelos utilizados é a quantificação das distintas incertezas, ou erros, que afetam as previsões e predições estimadas pelos métodos e modelos numéricos voltados à síntese chuva-vazão e à propagação de cheias. Nesse sentido, esta pesquisa de doutoramento prospectou distintos métodos disponíveis para quantificação de incertezas oriundas das fontes de erros associadas a uma modelagem hidrodinâmica, aos dados de entrada que a alimentam e às saída geradas, bem como para sua propagação sobre o resultado final, expresso sob a forma de hidrogramas, cotagramas, perfis de escoamento e mapas de inundação associados a enchentes importantes. Da pesquisa bibliográfica realizada, definiu-se a utilização de um esquema de abordagem Bayesiana, que consiste basicamente na atualização do conhecimento que se tem a priori acerca de parâmetros e dados necessários à modelagem à luz de informações observadas sobre o fenômeno modelado, como hidrogramas registrados no extremo de jusante de um trecho fluvial, ou manchas de inundação disponíveis. A adoção de métodos de cunho Bayesiano à modelagem hidrodinâmica, caracterizada por equações não-lineares de solução numérica, é viabilizada por meio da utilização de Métodos de Monte Carlo por Cadeias de Markov (MCMC), a fim de garantir a aproximação da chamada distribuição a posteriori dos parâmetros, dados e variáveis envolvidas na inferência, ou seja, obtida após a incorporação das informações observadas disponíveis sobre as cheias em determinado local. Para aplicação da metodologia, foi escolhido um estirão fluvial do rio São Francisco, entre a confluência com o rio Abaeté e a cidade de Pirapora, no estado de Minas Gerais, com disponibilidade de dados de vazão média diária de ponta-a-ponta, de 22 seções topobatimétricas e de um modelo digital de terreno com precisão horizontal de 1 m. Os resultados mostram que a metodologia adotada é adequada à quantificação das incertezas oriundas dos coeficientes de rugosidade de Manning na calha fluvial e na planície de inundação nesse tipo de modelo e abre uma série de possibilidades quanto a estudos futuros concernentes ao tema. O método garantiu também a obtenção de intervalos de credibilidade caracterizadores da incerteza em predições do modelo, tais como hidrogramas e cotagramas na seção utilizada para a inferência Bayesiana e o controle de resultados.
Abstract: Floods and their effects on riverine populations have been the subject of study of the scientific and technical community all over the world. Despite some improvements in modelling and data acquisition fields, estimates indicate that flood damage tends to increase. Several studies in the water sector over the past two decades have argued that one of the ways to estimate flooding more accurately and to understand the models used is to quantify the different uncertainties, or errors, that affect predictions as estimated by numerical methods and rainfall-runoff models and flood routing. In this sense, this doctorate research prospected different methods available for quantifying uncertainties associated with some parameters, data and variables involved in mathematical modeling of floods and their quantification and propagation on the final result, in this case expressed as hydrographs, as well as water surface elevation profiles and inundation maps. From the bibliographical inspection, it was defined the application of a Bayesian approach scheme, which basically consists of updating the prior knowledge about parameters and variables involved in modeling using observed information related to the phenomenon under consideration, such as flow and stage hydrographs registered in the downstream end of a river reach, and available flood inundation maps. The adoption of Bayesian methods for hydrodynamic modeling, characterized by nonlinear equations of numerical solution, is possible by means of Markov Chain Monte Carlo Methods (MCMC), in order to ensure the approximation of the posterior distribution of parameters, data and variables involved in the inference, that is, obtained after incorporating the observed information available on floods at a given location. For the application and validation of the methodology, a fluvial reach in the upper São Francisco river was selected, located between the Abaeté river outlet and the town of Pirapora, in Minas Gerais state, with daily mean flow data available in the upstream and downstream ends, 22 cross sections and a digital terrain model with horizontal accuracy of 1 m. The results show that the adopted methodology is adequate to quantify the uncertainties arising from the Manning’s roughness coefficients in the channel and floodplains in this type of model and opens a series of possibilities for future studies concerning the subject. The method also ensured the estimation of credibility intervals that characterize the uncertainty in model predictions, such as flow and stage hydrographs in the section used for the Bayesian inference and control of results.
Subject: Engenharia sanitária
Recursos hídricos - Desenvolvimento
Incerteza
Teoria bayesiana de decisão estatística
Método de Monte Carlo
Markov, Processos de - Soluções numéricas
Inundações
language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal de Minas Gerais
Publisher Initials: UFMG
metadata.dc.publisher.department: ENG - DEPARTAMENTO DE ENGENHARIA HIDRÁULICA
metadata.dc.publisher.program: Programa de Pós-Graduação em Saneamento, Meio Ambiente e Recursos Hídricos
Rights: Acesso Aberto
URI: http://hdl.handle.net/1843/41213
Issue Date: 19-Dec-2019
Appears in Collections:Teses de Doutorado

Files in This Item:
File Description SizeFormat 
TESE_VivianeBordaPinheiroRocha_191219_REPOSITORIO_UFMG_v200422.pdfVersão revisada7.98 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.