Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/BUDB-8AMJYS| Tipo: | Tese de Doutorado |
| Título: | Método para a estimação de quantis de enchentes extremas com o emprego conjunto de análise bayesiana, de informações não sistemáticas e de distribuições limitadas superiormente |
| Autor(es): | Wilson dos Santos Fernandes |
| Primeiro Orientador: | Mauro da Cunha Naghettini |
| Primeiro Coorientador: | Rosangela Helena Loschi |
| Primeiro membro da banca : | Luiz Rafael Palmier |
| Segundo membro da banca: | Mario Cicareli Pinheiro |
| Resumo: | Pesquisas recentes em processos fluviais sugerem a idéia de que algumas variáveis hidrológicas, tais como as cheias máximas anuais, são limitadas superiormente. No entanto, quase todas as distribuições de probabilidade que são atualmente empregadas em análise defreqüência de cheias são ilimitadas. Isso se deve, em parte, à dificuldade de se estimar um limite superior para as vazões com base em pequenas amostras observadas. Es ta tese descreve um estudo exploratório sobre o uso conjunto de distribuições de probabilidade limitadas superiormente e informações não sistemáticas sobre cheias dentro de uma estrutura de análise bayesiana. No contexto do método desenvolvido, o valor atual da cheia máxima provável (ou PMF do inglês Probable Maximum Flood) aparece como uma estimativa para o limitesuperior das cheias máximas anuais, a despeito do fato de a determinação da PMF não ser inequívoca e depender fortemente dos dados disponíveis. No contexto bayesiano, as incertezas sobre a PMF são incluídas na análise pela correta especificação da distribuição a priori para o limite superior. Na seqüência, as informações sobre os registros sistemáticos, as cheias históricas e as paleocheias são agregadas através de uma função de verossimilhança composta, a qual é usada para atualizar a informação sobre o limite superior. Combinando as incertezas quanto à PMF com informações sobre cheias de várias fontes, a expectativa é a de melhorar a estimação do limite superior e melhor descrever as incertezas associadas às enchentes máximas anuais. Um exemplo de aplicação do método proposto foi feito no rio American, próximo ao reservatório de Folsom, na Califórnia, EUA. Outra aplicação foi feita no rio Llobregat, em Pont Du Vilomara, localizado na região da Catalunha, Espanha. Uma última aplicação foifeita no rio Pará, em Ponte do Vilela, MG, Brasil. Os resultados mostraram que é possível agrupar conceitos aparentemente incompatíveis: a estimativa determinística da PMF, tomadacomo um limite teórico para as cheias, e a análise de freqüência de cheias máximas, com a inclusão de dados não sistemáticos. Comparada à análise convencional, a conciliação dessesconceitos dentro da lógica de análise bayesiana proporcionou estimativas mais confiáveis para as cheias de grandes períodos de retorno. Por outro lado, a adoção de distribuições de probabilidade limitadas, além de ser fisicamente mais plausível, proporcionou uma melhor descrição do comportamento probabilístico das cheias em comparação às distribuições ilimitadas superiormente. |
| Abstract: | Some recent researches on fluvial processes suggest the idea that some hydrological variables, such as flood flows, are upper-bounded. However, almost all probability distributions that are currently employed in flood frequency analysis are unbounded. The complete predominanceof unbounded distributions in conventional flood frequency analysis is due mainly to the difficulties of estimating upper bounds from short data samples, with zero exceedance probabilities. This work describes an exploratory study on the joint use of an upper-bounded probability distribution and non-systematic flood information, within a bayesian framework. Accordingly, the current local estimate of the Probable Maximum Flood (PMF) appears as a natural estimate of the upper-bound for maximum flows, despite the fact that PMF determination is not unequivocal and depends strongly on the available data. In the bayesian context, the uncertainty on the PMF can be included into the analysis byconsidering an appropriate prior distribution for the maximum flows. In the sequence, systematic flood records, historical floods, and paleofloods can be included into a compound likelihood function which is then used to update the prior information on the upper-bound. Bycombining a prior distribution describing the uncertainties of PMF estimates along with various sources of flood data into a unified bayesian approach, the expectation is to obtain improved estimates of the upper-bound and better describe the uncertainties associated withflood quantiles. The application example was conducted with flood data from the American river basin, near the Folsom reservoir, in California, USA. Other application was conducted with flood data from the Llobregat river at Pont Du Vilomara, located in Cataluña region, Spain. A finalapplication was conducted with flood data from the Pará river at Ponte do Vilela, in Minas Gerais, Brazil. The results show that it is possible to put together concepts that appear to be incompatible: the deterministic estimate of PMF, taken as a theoretical limit for floods, and the frequency analysis of maximum flows, with the inclusion of non-systematic data. Ascompared to conventional analysis, the conciliation of these two concepts within the logical context of bayesian theory advances towards more reliable estimates of extreme floods. On the other hand, upper-bounded probability distributions, besides being physically more plausible, better describe the probabilistic behavior of floods as compared to unboundeddistributions. |
| Assunto: | Recursos hídricos Desenvolvimento Engenharia sanitária Teoria bayesiana de decisão estatistica Inundações |
| Idioma: | Português |
| Editor: | Universidade Federal de Minas Gerais |
| Sigla da Instituição: | UFMG |
| Tipo de Acesso: | Acesso Aberto |
| URI: | http://hdl.handle.net/1843/BUDB-8AMJYS |
| Data do documento: | 13-Fev-2009 |
| Aparece nas coleções: | Teses de Doutorado |
Arquivos associados a este item:
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.