A aplicação de modelos hidrológicos vem sendo bastante utilizada como apoio à tomada de decisão no planejamento dos recursos hídricos. Tendo em vista que os dados que servem de entrada para esses modelos estão sujeitos a erros diversos, o presente estudo teve o intuito de contribuir com o conhecimento do impacto desses erros no desempenho do modelo e na estimativa de seus parâmetros. O modelo analisado foi o IPH II fazendo uso do programa computacional WIN_IPH2. Entendendo que a avaliação da sensibilidade ainda é uma área que requer mais estudos, o presente trabalho é focado na utilização das análises de sensibilidade estática e dinâmica. Para isso foram geradas diversas séries temporais de dados de entradas do modelo hidrológico obtidas pela perturbação da série de dados observados. A perturbação foi representada por erros aleatórios (seguindo uma distribuição normal ou uniforme) ou sistemáticos incorporados ás séries temporais das variáveis: precipitação e evapotranspiração. Posteriormente, as análises de sensibilidade estática e dinâmica foram executadas. Para efetuar o acompanhamento da interferência dos erros, na eficiência do modelo, foi feita a avaliação dos resultados obtidos com a aplicação do modelo WIN_IPH2 para diferentes medidas de desempenho, e verificado o impacto dos erros nos dados de entrada no desempenho do modelo (sensibilidade estática) e no desempenho do modelo e na estimativa dos parâmetros (sensibilidade dinâmica). Na análise de sensibilidade estática verificou-se o decaimento mais acentuado da eficiência do modelo, em comparação com a análise de sensibilidade dinâmica, onde o modelo consegue contornar os erros nos dados de entrada com a alteração dos valores dos parâmetros. Por fim, o presente estudo confirmou as conclusões obtidas em estudos anteriores: Oudin et al. (2006), Andréassian et al. (2004), Kavetski et al. (2003). Além disso, o presente estudo apontou para outros fatores, na medida em que, observa-se junto à tendência do desempenho do modelo cair quando a intensidade do erro gerado é elevada, a importância de avaliar o possível comprometimento de dados em eventos extremos, uma vez que, nessa situação o desempenho do modelo passa a ser afetado de forma mais acentuada. / The hydrologic models had been used to support the decision making in water resources management. Since the input data of those models are subject to several kinds of errors, this study aimed to assess how this errors affect the model performance and the estimate of its parameters. The hydrologic model IPH II was used. Perceiving that the sensitivity analysis is still a field that requires further knowledge, this study was focused in the use of the dynamic and the static sensitivity procedures. In this sense, several time series of input data were obtained through the perturbations of an observed time serie. The perturbation was represented by the addition of random errors (with a normal or uniform distribution) or systematic errors to the observed time series of evapotranspiration and precipitation. Then, the static and dynamic sensibility analysis were performed. The effect of input data errors was assessed for several calibration processes of the IPH II using several performance measures. Thus, modification of the model performance (static sensitivity analysis) and model performance and parameter estimation (dynamic sensitivity analysis) were estimated. In the static sensitivity analysis it was found a most pronounced decay of the model efficiency in comparison with the dynamic sensitivity analysis, where the model can circumvent the errors in the input data with modification of the optimum parameter values. Finally, this study confirmed the conclusions of other previous studies as Oudin et al. (2006), Andréassian et al. (2004), Kavetski et al. (2003). In addition this study found other factors, as was observed that if the intensity of the error is high in an extreme event of precipitation, it reduced the model performance more than when it is low, in spite of the time series of errors have the same statistics.

A aplicação de modelos hidrológicos vem sendo bastante utilizada como apoio à tomada de decisão no planejamento dos recursos hídricos. Tendo em vista que os dados que servem de entrada para esses modelos estão sujeitos a erros diversos, o presente estudo teve o intuito de contribuir com o conhecimento do impacto desses erros no desempenho do modelo e na estimativa de seus parâmetros. O modelo analisado foi o IPH II fazendo uso do programa computacional WIN_IPH2. Entendendo que a avaliação da sensibilidade ainda é uma área que requer mais estudos, o presente trabalho é focado na utilização das análises de sensibilidade estática e dinâmica. Para isso foram geradas diversas séries temporais de dados de entradas do modelo hidrológico obtidas pela perturbação da série de dados observados. A perturbação foi representada por erros aleatórios (seguindo uma distribuição normal ou uniforme) ou sistemáticos incorporados ás séries temporais das variáveis: precipitação e evapotranspiração. Posteriormente, as análises de sensibilidade estática e dinâmica foram executadas. Para efetuar o acompanhamento da interferência dos erros, na eficiência do modelo, foi feita a avaliação dos resultados obtidos com a aplicação do modelo WIN_IPH2 para diferentes medidas de desempenho, e verificado o impacto dos erros nos dados de entrada no desempenho do modelo (sensibilidade estática) e no desempenho do modelo e na estimativa dos parâmetros (sensibilidade dinâmica). Na análise de sensibilidade estática verificou-se o decaimento mais acentuado da eficiência do modelo, em comparação com a análise de sensibilidade dinâmica, onde o modelo consegue contornar os erros nos dados de entrada com a alteração dos valores dos parâmetros. Por fim, o presente estudo confirmou as conclusões obtidas em estudos anteriores: Oudin et al. (2006), Andréassian et al. (2004), Kavetski et al. (2003). Além disso, o presente estudo apontou para outros fatores, na medida em que, observa-se junto à tendência do desempenho do modelo cair quando a intensidade do erro gerado é elevada, a importância de avaliar o possível comprometimento de dados em eventos extremos, uma vez que, nessa situação o desempenho do modelo passa a ser afetado de forma mais acentuada. / The hydrologic models had been used to support the decision making in water resources management. Since the input data of those models are subject to several kinds of errors, this study aimed to assess how this errors affect the model performance and the estimate of its parameters. The hydrologic model IPH II was used. Perceiving that the sensitivity analysis is still a field that requires further knowledge, this study was focused in the use of the dynamic and the static sensitivity procedures. In this sense, several time series of input data were obtained through the perturbations of an observed time serie. The perturbation was represented by the addition of random errors (with a normal or uniform distribution) or systematic errors to the observed time series of evapotranspiration and precipitation. Then, the static and dynamic sensibility analysis were performed. The effect of input data errors was assessed for several calibration processes of the IPH II using several performance measures. Thus, modification of the model performance (static sensitivity analysis) and model performance and parameter estimation (dynamic sensitivity analysis) were estimated. In the static sensitivity analysis it was found a most pronounced decay of the model efficiency in comparison with the dynamic sensitivity analysis, where the model can circumvent the errors in the input data with modification of the optimum parameter values. Finally, this study confirmed the conclusions of other previous studies as Oudin et al. (2006), Andréassian et al. (2004), Kavetski et al. (2003). In addition this study found other factors, as was observed that if the intensity of the error is high in an extreme event of precipitation, it reduced the model performance more than when it is low, in spite of the time series of errors have the same statistics.

A aplicação de modelos hidrológicos vem sendo bastante utilizada como apoio à tomada de decisão no planejamento dos recursos hídricos. Tendo em vista que os dados que servem de entrada para esses modelos estão sujeitos a erros diversos, o presente estudo teve o intuito de contribuir com o conhecimento do impacto desses erros no desempenho do modelo e na estimativa de seus parâmetros. O modelo analisado foi o IPH II fazendo uso do programa computacional WIN_IPH2. Entendendo que a avaliação da sensibilidade ainda é uma área que requer mais estudos, o presente trabalho é focado na utilização das análises de sensibilidade estática e dinâmica. Para isso foram geradas diversas séries temporais de dados de entradas do modelo hidrológico obtidas pela perturbação da série de dados observados. A perturbação foi representada por erros aleatórios (seguindo uma distribuição normal ou uniforme) ou sistemáticos incorporados ás séries temporais das variáveis: precipitação e evapotranspiração. Posteriormente, as análises de sensibilidade estática e dinâmica foram executadas. Para efetuar o acompanhamento da interferência dos erros, na eficiência do modelo, foi feita a avaliação dos resultados obtidos com a aplicação do modelo WIN_IPH2 para diferentes medidas de desempenho, e verificado o impacto dos erros nos dados de entrada no desempenho do modelo (sensibilidade estática) e no desempenho do modelo e na estimativa dos parâmetros (sensibilidade dinâmica). Na análise de sensibilidade estática verificou-se o decaimento mais acentuado da eficiência do modelo, em comparação com a análise de sensibilidade dinâmica, onde o modelo consegue contornar os erros nos dados de entrada com a alteração dos valores dos parâmetros. Por fim, o presente estudo confirmou as conclusões obtidas em estudos anteriores: Oudin et al. (2006), Andréassian et al. (2004), Kavetski et al. (2003). Além disso, o presente estudo apontou para outros fatores, na medida em que, observa-se junto à tendência do desempenho do modelo cair quando a intensidade do erro gerado é elevada, a importância de avaliar o possível comprometimento de dados em eventos extremos, uma vez que, nessa situação o desempenho do modelo passa a ser afetado de forma mais acentuada. / The hydrologic models had been used to support the decision making in water resources management. Since the input data of those models are subject to several kinds of errors, this study aimed to assess how this errors affect the model performance and the estimate of its parameters. The hydrologic model IPH II was used. Perceiving that the sensitivity analysis is still a field that requires further knowledge, this study was focused in the use of the dynamic and the static sensitivity procedures. In this sense, several time series of input data were obtained through the perturbations of an observed time serie. The perturbation was represented by the addition of random errors (with a normal or uniform distribution) or systematic errors to the observed time series of evapotranspiration and precipitation. Then, the static and dynamic sensibility analysis were performed. The effect of input data errors was assessed for several calibration processes of the IPH II using several performance measures. Thus, modification of the model performance (static sensitivity analysis) and model performance and parameter estimation (dynamic sensitivity analysis) were estimated. In the static sensitivity analysis it was found a most pronounced decay of the model efficiency in comparison with the dynamic sensitivity analysis, where the model can circumvent the errors in the input data with modification of the optimum parameter values. Finally, this study confirmed the conclusions of other previous studies as Oudin et al. (2006), Andréassian et al. (2004), Kavetski et al. (2003). In addition this study found other factors, as was observed that if the intensity of the error is high in an extreme event of precipitation, it reduced the model performance more than when it is low, in spite of the time series of errors have the same statistics.

Macrophages are the largest cells in the immune system and they regulate inflammatory signalling and inform cell fate decisions. Many signals, including those mediated by Tumor Necrosis Factor alpha (TNFα) converge on a few key intracellular signalling pathways, including the Nuclear Factor kappa B (NFκB) network. The NFκB signalling pathway plays a vital role in the regulation of many different cellular responses, including the production of TNFα itself, which is required to sustain and propagate immune responses to, for example, infection or tissue damage. In this thesis we report on studies-both experimental and theoretical-of the NFκB signalling pathway in macrophages. Our collaborators stimulated these cells with various doses of Lipopolysaccharide (LPS), a molecule that forms the major component of the outer membrane of Gram-negative bacteria: in these experiments it serves as a proxy for bacterial infection. The macrophages, studied in vitro, respond as they are believed to do in tissues, by secreting certain signalling molecules called cytokines: the level of secretion proved to depend on the strength of the LPS stimulus. Further, heterogeneity of macrophage signalling was observed in response to a range of LPS doses. Within individual macrophages LPS stimulation results in oscillatory behaviour of NFκB localisation-NFκB shuttles in and out of the nucleus-with an amplitude (peak nuclear concentration) that also depends on the LPS dose. Heterogeneity was also observed in cells that were stimulated with the same dose intensity. This raises an important question about how immune cells coordinate inflammatory activity in the presence of this variability. In this thesis we aim to achieve an understanding of the system through the qualitative analysis of mathematical models of it. This work explores both the parametric sensitivity and bifurcation analyses for two mathematical models of NFκB in macrophages. Parametric sensitivity analysis is used to investigate the role of parameters on the model's output, especially on certain features of the signal-peak amplitudes, inter-peak intervals and areas beneath curves-that are commonly measured in single-cell experiments. Local bifurcation analysis is conducted in order to show all the possible behaviours produced when varying parameters.