Submitted by Cássio da Cruz Nogueira (cassionogueirakk@gmail.com) on 2017-03-16T13:13:43Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_PropostaOtimizacaoModelo.pdf: 2967207 bytes, checksum: 09c11dcb40323d2971c8c5bf94450590 (MD5) / Approved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2017-03-21T15:00:46Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_PropostaOtimizacaoModelo.pdf: 2967207 bytes, checksum: 09c11dcb40323d2971c8c5bf94450590 (MD5) / Made available in DSpace on 2017-03-21T15:00:46Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_PropostaOtimizacaoModelo.pdf: 2967207 bytes, checksum: 09c11dcb40323d2971c8c5bf94450590 (MD5) Previous issue date: 2014-05-16 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Devido à carência de dados de vazão no Estado do Pará, a regionalização de curvas de permanência de vazões, apresenta-se como uma técnica importante, permitindo a estimativa de vazões em locais com dados insuficientes ou inexistentes. Assim, o presente trabalho visa propor a otimização de um modelo de regionalização de curvas de permanência de vazões para a região paraense. O modelo teve como base de dados 43 estações fluviométricas distribuídas no Estado do Pará. As curvas de permanência foram calibradas utilizando-se 5 modelos matemáticos de regressão: potência, exponencial, logarítmico, quadrático e cúbico. O modelo de regionalização foi estabelecido, usando-se a técnica de regressão múltipla. A variação espacial dos parâmetros dos modelos foi explicada em termos de área de drenagem, precipitação média anual, comprimento e desnível do rio principal. O modelo foi validado através do procedimento de Jack-knife. O melhor ajuste do modelo cúbico foi representado matematicamente pelos erros quadráticos relativos médios percentuais (ϵ%), coeficientes de Nash-Sutcliffe (Nash) e pelos ajustes gráficos das vazões simuladas e observadas. A otimização do modelo, seguindo o método da tentativa e erro, deu-se pelo agrupamento das estações por área de drenagem e pela inserção de estações sintéticas. O número de estações sintéticas inseridas no modelo foi avaliado pelo Root Mean Square Error (RMSE), coeficiente de Nash e pelo ϵ%. Para os grupos I e II o número ótimo de estações sintéticas, que se juntaram às já consideradas nos grupos, foi 6 e 3, respectivamente. No grupo III somente o método de agrupamento em relação às áreas de drenagem foi suficiente para um bom desempenho do modelo de regionalização. O bom desempenho do modelo calibrado, validado e otimizado demonstrou o potencial deste na estimativa das curvas de permanência dos rios que cortam o Pará. As coordenadas geográficas das estações sintéticas, que otimizaram o modelo, podem servir como sugestão para o poder público de onde instalar novas estações. O número de novas estações seria limitado aos resultados da otimização, racionalizando-se recursos e aproveitando o modelo desenvolvido para determinar curvas de permanência de vazão para todo o estado do Pará. Nesse caso, as novas estações instaladas, também ajudariam, futuramente, a melhorar o desempenho do modelo. / Due to lack of data flow in the State of Pará, the regionalization of streamflow duration curves, presents itself as an important technique, allowing the estimation of flow in sites with insufficient or no data. Hus, this paper aims to propose the optimization of a model of regionalization of streamflow retention curves for the Para region. The model was based on data at 43 gauged stations distributed in the state of Pará. The flow duration curves were calibrated using 5 regression models: power, exponential, logarithmic, quadratic and cubic. Regionalization model was established using the multiple regression technique. The spatial variation of each parameter was explained in terms of the drainage area, mean annual precipitation, length and slope of the main river. The model was validated using the Jack -knife procedure. The best fit of the cubic model was mathematically represented by the quadratic mean relative errors (ϵ%), coefficients of Nash-Sutcliffe (Nash) and the graphics settings the simulated and observed streamflow. The optimization model was achieved by insertion of synthetic stations and cluster stations by drainage area. The number of synthetic stations included in the model were evaluated by Root Mean Square Error (RMSE), the coefficient of Nash and the ϵ%. For groups I and II the optimal number of synthetic stations, who joined those already considered in the groups, it was 6 and 3, respectively. In group III only the clustering method in relation to drainage areas was sufficient for good performance of the regionalization model. The good performance of the calibrated, validated and optimized model demonstrated the potential of this in the estimation of retention curves of the rivers that cross the Para. The geographic coordinates of synthetic stations, which optimized the model can serve as a suggestion to the government where to install new stations. The number of new stations would be limited to the results of optimization, streamlining resources and building up the model developed to determine retention curves flow for the entire state of Para. In this case, the new installed stations, would also help in the future to improve the model performance.

O estudo de inventário tem por objetivo estimar o potencial hidroelétrico de rios ou bacias, analisando várias alternativas propostas de partição de quedas, sendo que cada alternativa contém um conjunto de aproveitamentos hidroelétricos. Essas alternativas são então estudadas individualmente para definição da alternativa ótima, ou seja, a que tem melhor custo beneficio e ao mesmo tempo cause menos danos ambientais. Para essa análise necessitamos calcular a potência de cada aproveitamento específico, assim como a energia gerada, para isso então precisamos conhecer a vazão do rio em estudo, no local desses aproveitamentos. Como a vazão dos rios varia com o tempo, pois depende de variáveis como clima, geologia dos solos, desmatamento, entre outras, se recomenda usar nos cálculos séries longas de vazões médias com no mínimo 30 anos de dados, o problema é que em muitos casos não temos essas séries ou temos séries menores e incompletas, nesse caso então necessitamos estimar os valores ausentes e ruidosos utilizando os dados de estações fluviométricas próximas, para depois transportá-las para o aproveitamento em estudo, para isso utilizamos de técnicas estatísticas de correlação. A ideia nesse trabalho é de utilizarmos redes neurais artificiais ao invés das técnicas convencionais e comparar os resultados obtidos. / The inventory study aims to estimate the hydropower potential of rivers or basins, analyzing several alternative proposals for partition of falls, each of which contains a set of alternative hydroelectric developments. These alternatives are then individually analyzed to define the optimal alternative, namely that which has the best cost benefit while causing less environmental damage. For this analysis we need to calculate the power of each specific use, as well as the energy generated for that then we need to know the flow of the river under study, the location of these usages. As the river flow varies with time because it depends on variables such as climate, geology, soils, deforestation, among others, we recommend using the long series of calculations mean flow at least 30 years of data, the problem is that in many cases we do not have these series or have smaller and incomplete series, in this case then we need to estimate the missing values and noisy data using next gauged stations, and then transport them to use in the study, for this we use statistical correlation techniques. The idea is that we use work instead of the conventional Artificial Neural Network techniques and compare the results.

O estudo de inventário tem por objetivo estimar o potencial hidroelétrico de rios ou bacias, analisando várias alternativas propostas de partição de quedas, sendo que cada alternativa contém um conjunto de aproveitamentos hidroelétricos. Essas alternativas são então estudadas individualmente para definição da alternativa ótima, ou seja, a que tem melhor custo beneficio e ao mesmo tempo cause menos danos ambientais. Para essa análise necessitamos calcular a potência de cada aproveitamento específico, assim como a energia gerada, para isso então precisamos conhecer a vazão do rio em estudo, no local desses aproveitamentos. Como a vazão dos rios varia com o tempo, pois depende de variáveis como clima, geologia dos solos, desmatamento, entre outras, se recomenda usar nos cálculos séries longas de vazões médias com no mínimo 30 anos de dados, o problema é que em muitos casos não temos essas séries ou temos séries menores e incompletas, nesse caso então necessitamos estimar os valores ausentes e ruidosos utilizando os dados de estações fluviométricas próximas, para depois transportá-las para o aproveitamento em estudo, para isso utilizamos de técnicas estatísticas de correlação. A ideia nesse trabalho é de utilizarmos redes neurais artificiais ao invés das técnicas convencionais e comparar os resultados obtidos. / The inventory study aims to estimate the hydropower potential of rivers or basins, analyzing several alternative proposals for partition of falls, each of which contains a set of alternative hydroelectric developments. These alternatives are then individually analyzed to define the optimal alternative, namely that which has the best cost benefit while causing less environmental damage. For this analysis we need to calculate the power of each specific use, as well as the energy generated for that then we need to know the flow of the river under study, the location of these usages. As the river flow varies with time because it depends on variables such as climate, geology, soils, deforestation, among others, we recommend using the long series of calculations mean flow at least 30 years of data, the problem is that in many cases we do not have these series or have smaller and incomplete series, in this case then we need to estimate the missing values and noisy data using next gauged stations, and then transport them to use in the study, for this we use statistical correlation techniques. The idea is that we use work instead of the conventional Artificial Neural Network techniques and compare the results.