FundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgico / A hegemonia da hidroeletricidade na matriz de energia elÃtrica brasileira impÃe cautelosa anÃlise sobre o regime fluvial, tendo em vista o significativo impacto que possÃveis variaÃÃes das vazÃes possam produzir na oferta de energia e consequentemente em toda a economia nacional. Com base nisto, modelos estatÃsticos de previsÃo de afluÃncias tÃm sido uma ferramenta importante no suporte à tomada de decisÃes, no planejamento e na gestÃo de recursos hÃdricos aplicados ao Sistema Interligado Nacional (SIN). Neste sentido, a presente tese propÃe metodologias de previsÃo simultÃneas e elaboraÃÃo de cenÃrios de vazÃes mensais afluentes aos Postos Base (PBâs) do SIN atravÃs de modelos estatÃsticos; visando ao melhor aproveitamento dos dados disponÃveis a partir da inserÃÃo de mÃtodos que mantenham a estrutura espacial da rede hidrogrÃfica nacional. Esta visa tambÃm a analisar o impacto da incorporaÃÃo de informaÃÃes climÃticas na previsÃo de vazÃes mensais. Os modelos propostos de previsÃo de afluÃncia utilizam os dados de vazÃes naturais gerados pelo Operador Nacional do Sistema (ONS) e tÃcnicas estatÃsticas com as de RegressÃo Linear MÃltipla, AnÃlise de Componentes Principais, mÃtodo Stepwise para escolha de variÃveis explanatÃrias; alÃm de modelos do tipo PeriÃdico Autorregressivo (PAR) e periÃdico Autorregressivo com variÃveis exÃgenas (PARX). Os modelos do tipo PAR apresentam os melhores desempenhos, de acordo com o Ãndice de DistÃncia MulticritÃrio, na maioria dos meses e dos PBâs do SIN quando comparados aos modelos PARX. Entre os mÃtodos de correlaÃÃo espacial para os modelos PAR, destacam-se a correlaÃÃo entre os ruÃdos da regressÃo (CRD) e a anÃlise de componentes principais (ACP). NÃo hà um predomÃnio entre esses mÃtodos para todos os meses e PBâs do SIN. Os melhores modelos do tipo PARX sÃo os que fazem uso de Ãndices climÃticos como variÃveis exÃgenas, dentre os quais se destacam os Ãndices AMO (OscilaÃÃo AtlÃntica Multidecadal) e TNI (TransâNINO). Estes apresentam melhor desempenho no perÃodo seco das bacias do norte do Brasil â Amazonas e Araguaia-Tocantins; centro-leste brasileiro â AtlÃntico Leste e na maioria dos rios que formam a Bacia do ParanÃ.

Made available in DSpace on 2014-06-12T17:35:17Z (GMT). No. of bitstreams: 2 arquivo2460_1.pdf: 1017299 bytes, checksum: e37f2cfc8bc9f28e658a21d44a4e8b06 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2009 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho apresenta a previsão de vazão na bacia do rio São Francisco, utilizando-se de quatro modelos baseado nas principais ferramentas de inteligência artificiais: RNA (Redes Neurais Artificiais) e lógica fuzzy. No primeiro modelo foram escolhidas as RNAs para prever a vazão mensal com horizonte de um ano. No segundo modelo, utilizou-se a RNA e o sistema ANFIS (Adaptive Neuro-Fuzzy Inference System) para realizar a previsão mensal em horizonte de um e dois meses à frente. No terceiro modelo, foi estudado um sistema híbrido, no qual a RNA realiza uma previsão de vazão com horizonte anual e o sistema ANFIS desagrega em meses. Por fim, foi estudado outro sistema híbrido semelhante ao anterior, no qual se utilizou o método dos fragmentos para a desagregação mensal da vazão. O processo de escolha dos modelos das redes neurais e sistema ANFIS, passaram por uma análise de estrutura da entrada a partir da base de dados. Os dados de vazão utilizados foram do Operador Nacional do Sistema Elétrico (ONS) no período de 1931 a 2004, para realizar o ajuste dos modelos. Para avaliar o desempenho dos modelos foram utilizados os resultados das previsões obtidas no período 2005 a 2008. Através destes modelos, este trabalho visa contribuir de forma direta com o setor elétrico brasileiro que tem cerca de 90% de sua energia proveniente de usinas hidroelétricas

Redes Neurais Artificiais (RNA's) vem sendo utilizada em diversas áreas do conhecimento inclusive para a previsão de séries temporais. O objetivo deste trabalho é utilizar uma RNA para o diagnóstico e prognóstico de vazão em bacias urbanas da Região Metropolitana de São Paulo (RMSP) com dados do radar meteorológio de São Paulo e os dados telemétricos da bacia do Alto Tietê. Uma RNA do tipo feedforward multicamadas, com aprendizado supervisionado e com o algoritmo de treinamento Linear Least Square SIMplex (LLSSIM, Hse et al. 1996) foram aplicados à bacia do Rio Tamanduateí. Dividiu-se os eventos disponíveis em três grupos; para o treinamento, verificação e previsão ideal com a RNA. Realizou o treinamento e verificação da rede com dados de vazão estimada e nível medido. Os erros de fase e amplitude foram utilizados para avaliar o desempenho da rede em cada uma das configurações empregadas. Estes indicam a importância da memória da bacia para o bom desempenho da RNA. Verifica-se também que nem sempre o aumento do número de camadas escondidas melhoram os resultados, bem como o aumento da quantidade de dados. Comparou-se ainda a performance da RNA contra um modelo auto regressivo sendo a primeira menos dependente da memória da bacia. Por último, realizou previsões do tipo ideal com resultados satisfatórios até 1 hora e 30 minutos de antecedência. Além deste período os erros crescem exponencialmente. / Artificial Neural Networks (ANN) have been widely used in several areas of science for many purposes, including time series forecasting. The objective of this work is to apply an ANN to simulate and to forecast streamflow at the outlet of the Tamanduateí basin. This urban basin is located within the Metropolitan Area of São Paulo (MASP). Radar and telemetric data are input to a multi-layer feedforward ANN. It is trained with the Linear Least Square SIMplex training algorithm (LLSSIM; Hse et al, 1996). Available flood events were divided up in three independent groups for training, verification and forecasting. The training and the verification of estimated streamflow and measured river stage were carried out. Phase and amplitude errors were used to evaluate the performance of the ANN for each configuration. The results indicate a better performance of the ANN when previous streamflow or river stage are input to the ANN. Furthermore, the increase of hidden layers not necessarily improve the results. The ANN was compared to an auto-regressive model. The former is less dependent on the basin memory. The ANN Forecasts yielded satisfactory results up to one and half-hour in advance. For longer time periods the errors tend to grow exponentially.

Orientadora: Profa. Dra. Andrea de Oliveira Cardoso / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Ciência e Tecnologia Ambiental, 2016. / Devido à importância do conhecimento das variações da vazão de rios para o planejamento dos usos múltiplos da água, este mestrado objetiva explorar as influências remotas do clima, via padrões de variabilidades climáticas, e regionais, via precipitação e vazão em bacias de contribuição. Para tanto, foram desenvolvidos modelos empíricos de previsão de vazões mensais na parte baixa da Bacia Hidrográfica do Rio Paraná (BHRP), mais especificamente onde está localizada a Usina Hidrelétrica (UHE) de Itaipu. Visando garantir séries históricas longas e completas, necessárias para construção de modelos empíricos, os dados de precipitação foram tratados de forma a identificar dados duvidosos e preencher dados faltantes. Além disso, os dados de precipitação foram interpolados, pelo método de Krigagem ordinária, e posteriormente, regionalizados, através de Análise de Cluster, visando diminuir o número de séries inseridas no modelo, mantendo regiões com padrões distintos. O modelo empírico utilizado foi o de Regressão Linear Múltipla, sendo aplicado para estimativas de vazão em Itaipu com defasagens variando de 1 a 4 meses, considerando todos os meses consecutivos (modelo geral). Também foram desenvolvidos modelos mensais, para cada mês do ano, separadamente, com defasagens variando de 1 a 12 meses. Para o desenvolvimento dos modelos, considerou-se o período de 1980 a 2000 para calibração e o período de 2001 a 2010, para validação. Estes modelos foram testados com diferentes grupos de preditores, tais como: índices climáticos; precipitação em regiões pluviométricas homogêneas; vazão em pontos a montante e na UHE Itaipu; e o conjunto de todos os preditores anteriores. Por meio do método stepwise foram selecionados os preditores mais significativos, sendo destacados os seguintes preditores: índices do El Niño Oscilação Sul e de anomalias de temperatura da superfície do mar no Atlântico Tropical Sul; precipitação em regiões ao sul da BHRP; e a própria vazão em Itaipu defasada. Os modelos foram validados, indicando de um modo geral maior desempenho nas defasagens mais curtas, quando considerados os preditores de vazão e precipitação, sendo que para os meses de janeiro, julho e agosto, a precipitação tem maior contribuição. Nas defasagens mais longas, verificou-se que o melhor desempenho, ocorre para o modelo considerando somente os índices climáticos, mas na maioria dos casos os extremos não são bem capturados, exceto nos meses de abril, junho e julho. Portanto, os resultados deste estudo demonstram a importância de serem consideradas as influências remotas do clima nas estimativas de vazão, principalmente para previsões de mais longo prazo. / Given the importance of knowledge of river flow variations to the planning of multiple uses of water, this objective masters explore the remote climate influences, though patterns of climate variability, and regional, though precipitation and flow in contribution of basins. Therefore, were developed empirical models of monthly streamflow in the lower of basin the Parana River (BHRP) at the site Itaipu Dam. In order to ensure long and complete historical series, necessary for building empirical models, the rainfall data were analyzed in order to identify unreliable data and fill out incomplete sets. Furthermore, the precipitation data were interpolated by the method kriging ordinary and subsequently regionalized through the cluster analysis, in order to reduce the number of inserted in series model, keeping regions with different patterns. The empirical model used was of multiple linear regression to estimate streamflow in Itaipu with period lagged by 1 to 4 months considering all consecutive months (general model). Also monthly models were developed for each month of the year, separately, with period lagged by 1 to 12 months. For the development of the models, it was considered the period from 1980-2000 for calibration and the period from 2001-2010, for validation. These models were tested with different groups of predictors as: I) only the lagged climate indices; II) only precipitation in homogeneous rainfall regions; III) only flow at upstream points and even the streamflow of Itaipu; IV) and the set of predictors cited I, II and III. Through stepwise method the most significant predictors were selected, being highlighted the best predictors: the contents of the El Niño Southern Oscillation and temperature anomalies of the sea surface in the tropical South Atlantic; rainfall in areas south of BHRP; and proper streamflow lagged in Itaipu. The models were validated, indicating generally higher performance in shorter lags, when considered predictors of flow and precipitation, except for the months of january, july and august, where precipitation has greater contribution. In the longer lags, it was found that the best performance is for the model considering only the climate indices, but in most extreme cases is not captured, except in april, june and july. Therefore, the results of this study demonstrate the importance of considering the remote climate influences on flow estimates, especially longer-term forecasts.

Made available in DSpace on 2015-05-14T12:09:27Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 7820449 bytes, checksum: c6acd880295b25b51f289018a1415c70 (MD5) Previous issue date: 2012-08-17 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The Brazilian energetic system is mainly based on hydropower, which is highly dependent on the watershed water availability. In order to minimize the risk of failure, which affects the uptake from the water bodies, this system is interconnected. During the dry season, there is less volume stored in the reservoirs, which leads to a lower production of energy. Before the flood period, in order to attend the multiple uses of the water resources, it is necessary to keep an operational volume in the reservoir, which also decreases the water level and has impacts on power generation. In order to make the flood control, the electricity sector forecasts the availability of a waiting volume in the reservoirs, which are capable of receiving parts of the inflows to prevent, at prefixed risk, damage at downstream. It is in this scenario that the problem highlighted in this dissertation arises, the forecasting of inflow to a reservoir, in order to have a judicious allocation of these void spaces in the reservoirs for the flood control. Thus, the main objective of this study is to analyze the use of the wavelet transform to forecast daily inflows in Sobradinho reservoir (Bahia State) seven days ahead, by a wavelet-ANN hybrid system, with the following specific objectives: (a) eliminate the noise present in the observed inflow time series by wavelet analysis, (b) define the optimal level for decomposition of the signals, (c) determine the appropriate mother-wavelet for this type of forecasting with ANN, and (d) carry out simulations with the proposed wavelet-ANN hybrid system and compare the results with the predictions made without the application of wavelet transform. It was used the daily data for the period from January 1931 to December 2010. From the obtained results, it was observed that the wavelet-ANN hybrid system performed better forecasting for seven days ahead than the system using the ANN with the raw data, and the approximation A3 from the discrete mother-wavelet Meyer obtained the best result (R2 = 0.9977; Nash = 0.9954 and RMS = 96.4523 m³/s), whereas the prediction using RNA with raw data obtained the following results: R2 = 0.9481; Nash = 0.8971 and RMS = 456.7712 m³/s, i.e., the RMS decreased almost 80%, while the Nash and R2 coefficients have increased more than 5% and 10%, respectively, when compared with the forecasts using the raw data. / O sistema energético brasileiro é fortemente baseado na energia hidroelétrica, a qual é altamente dependente da disponibilidade hídrica das bacias hidrográficas. A fim de minimizar os riscos de falha que afetam o aporte de água aos mananciais, esse sistema é interligado, pois, nas épocas secas, tem-se um menor volume armazenado nos reservatórios, o que leva a uma menor produção de energia, e antes das épocas de cheias, para atender ao uso múltiplo dos recursos hídricos, deve-se deixar um volume operacional no reservatório, o que também diminui o seu nível de água e tem impactos na geração de energia. Para efetuar o controle de cheias, o setor elétrico prevê a disponibilidade de um volume de espera nos reservatórios, capazes de absorver parcelas das afluências, para evitar, com um risco prefixado, que sejam causados danos a jusante. É nesse cenário que surge o problema destacado no presente trabalho, a previsão da vazão afluente a um reservatório, a fim de se ter uma alocação criteriosa desses espaços vazios nos reservatórios para o controle de cheias. Diante do exposto, o objetivo geral deste trabalho é analisar o uso da transformada wavelet para realizar previsões das vazões diárias afluentes ao reservatório de Sobradinho BA com sete dias de antecedência, por meio de um sistema híbrido wavelet-RNA, sendo os objetivos específicos: (a) eliminar os ruídos presentes nas séries históricas de vazão através da análise wavelet; (b) definir o nível ótimo de decomposição dos sinais; (c) determinar a wavelet-mãe adequada para este tipo de previsão com RNAs; e (d) realizar simulações com o sistema híbrido wavelet-RNA proposto e comparar os resultados com as previsões realizadas sem a aplicação da transformada wavelet. Utilizou-se dados de médias diárias de vazões naturais do período de janeiro de 1931 a dezembro de 2010. Diante dos resultados apresentados, observa-se que o sistema híbrido wavelet-RNA proposto obteve resultados melhores de previsão para sete dias de antecedência que o sistema utilizando a RNA com os dados brutos, sendo a aproximação A3 da waveletmãe Meyer Discreta a que obteve o melhor resultado na validação (R2 = 0,9977; Nash = 0,9954 e RMS = 96,4523 m³/s), enquanto que a previsão utilizando os dados brutos forneceu os seguintes resultados: R2 = 0,9481; Nash = 0,8971 e RMS = 456,7712 m³/s; i.e., o RMS diminuiu quase 80%, enquanto que os coeficientes R2 e Nash tiveram um aumento maior que 5% e 10%, respectivamente, em relação às previsões com os dados brutos.

Redes Neurais Artificiais (RNA's) vem sendo utilizada em diversas áreas do conhecimento inclusive para a previsão de séries temporais. O objetivo deste trabalho é utilizar uma RNA para o diagnóstico e prognóstico de vazão em bacias urbanas da Região Metropolitana de São Paulo (RMSP) com dados do radar meteorológio de São Paulo e os dados telemétricos da bacia do Alto Tietê. Uma RNA do tipo feedforward multicamadas, com aprendizado supervisionado e com o algoritmo de treinamento Linear Least Square SIMplex (LLSSIM, Hse et al. 1996) foram aplicados à bacia do Rio Tamanduateí. Dividiu-se os eventos disponíveis em três grupos; para o treinamento, verificação e previsão ideal com a RNA. Realizou o treinamento e verificação da rede com dados de vazão estimada e nível medido. Os erros de fase e amplitude foram utilizados para avaliar o desempenho da rede em cada uma das configurações empregadas. Estes indicam a importância da memória da bacia para o bom desempenho da RNA. Verifica-se também que nem sempre o aumento do número de camadas escondidas melhoram os resultados, bem como o aumento da quantidade de dados. Comparou-se ainda a performance da RNA contra um modelo auto regressivo sendo a primeira menos dependente da memória da bacia. Por último, realizou previsões do tipo ideal com resultados satisfatórios até 1 hora e 30 minutos de antecedência. Além deste período os erros crescem exponencialmente. / Artificial Neural Networks (ANN) have been widely used in several areas of science for many purposes, including time series forecasting. The objective of this work is to apply an ANN to simulate and to forecast streamflow at the outlet of the Tamanduateí basin. This urban basin is located within the Metropolitan Area of São Paulo (MASP). Radar and telemetric data are input to a multi-layer feedforward ANN. It is trained with the Linear Least Square SIMplex training algorithm (LLSSIM; Hse et al, 1996). Available flood events were divided up in three independent groups for training, verification and forecasting. The training and the verification of estimated streamflow and measured river stage were carried out. Phase and amplitude errors were used to evaluate the performance of the ANN for each configuration. The results indicate a better performance of the ANN when previous streamflow or river stage are input to the ANN. Furthermore, the increase of hidden layers not necessarily improve the results. The ANN was compared to an auto-regressive model. The former is less dependent on the basin memory. The ANN Forecasts yielded satisfactory results up to one and half-hour in advance. For longer time periods the errors tend to grow exponentially.

Este trabalho aborda o problema de modelagem de séries de vazões afluentes aos aproveitamentos hidrelétricos. A previsão de vazão natural fluvial é realizada semanalmente para 158 usinas hidrelétricas do Sistema Interligado Nacional (SIN), pois trata-se de insumo fundamental para o planejamento e operação do sistema elétrico brasileiro. Diversos modelos são utilizados na determinação destas previsões, entre os quais podem ser citados os modelos físicos, os estatísticos e aqueles que aplicam sistemas inteligentes. Apesar de contínuos aprimoramentos terem sido incorporados ao processo de previsão de vazão, existem alguns aproveitamentos hidrelétricos para os quais os resultados de estimação têm apresentado grandes desvios. Neste contexto, com a motivação de se obter uma resposta acurada, investigam-se os sistemas fuzzy como modelos concorrentes aplicados à previsão de vazões semanais. O objetivo do trabalho é reduzir os erros de estimação para uma usina piloto, incorporando à previsão de vazão os dados de precipitação. Para a construção da série histórica de precipitação média da bacia hidrográfica, fez-se uma exaustiva pesquisa por estações pluviométricas, seguida por tratamento de dados de medição e método de interpolação. Ao final do trabalho, é apresentada uma análise comparativa entre os resultados obtidos com o Modelo Autorregressivo Periódico (PAR) e o sistema de inferência fuzzy. Com base no desempenho observado, superior ao modelo autorregressivo, comprova-se a adequação do modelo proposto para a modelagem do processo hidrológico. / This work addresses the modelling problem of hydropower plants reservoir streamflow series. The natural streamflow forecasting for 157 hydroelectric power plants of the National Interconnected System - NIS is updated on a weekly basis, which is an essential input for the planning and operation of the Brazilian Electric Power System. Several models are used to determine this prediction, such as physicals, statisticals and the ones that use intelligent systems. Despite the improvements to natural streamflow forecasting, substantial deviation has been found for the expected results of some hydropower plants. Highlighted the importance of this variable, fuzzy systems applied to weekly streamflows forecasts will be investigated as alternative models, in order to obtain better results. The purpose of this work is to reduce the estimation errors for a pilot hydropower plant, incorporating precipitation data into the forecast. Therefore, an exhaustive research to acquire data from hydrometeorological stations was conducted. After being treated, a variable selection method was applied to the data, defining the most relevant input variables for the prediction model. At the end, a comparative analysis shows that the fuzzy model presents a better performance than the periodic autoregressive model used by ONS to plan the operation of the electric power system.

Este trabalho aborda o problema de modelagem de séries de vazões afluentes aos aproveitamentos hidrelétricos. A previsão de vazão natural fluvial é realizada semanalmente para 158 usinas hidrelétricas do Sistema Interligado Nacional (SIN), pois trata-se de insumo fundamental para o planejamento e operação do sistema elétrico brasileiro. Diversos modelos são utilizados na determinação destas previsões, entre os quais podem ser citados os modelos físicos, os estatísticos e aqueles que aplicam sistemas inteligentes. Apesar de contínuos aprimoramentos terem sido incorporados ao processo de previsão de vazão, existem alguns aproveitamentos hidrelétricos para os quais os resultados de estimação têm apresentado grandes desvios. Neste contexto, com a motivação de se obter uma resposta acurada, investigam-se os sistemas fuzzy como modelos concorrentes aplicados à previsão de vazões semanais. O objetivo do trabalho é reduzir os erros de estimação para uma usina piloto, incorporando à previsão de vazão os dados de precipitação. Para a construção da série histórica de precipitação média da bacia hidrográfica, fez-se uma exaustiva pesquisa por estações pluviométricas, seguida por tratamento de dados de medição e método de interpolação. Ao final do trabalho, é apresentada uma análise comparativa entre os resultados obtidos com o Modelo Autorregressivo Periódico (PAR) e o sistema de inferência fuzzy. Com base no desempenho observado, superior ao modelo autorregressivo, comprova-se a adequação do modelo proposto para a modelagem do processo hidrológico. / This work addresses the modelling problem of hydropower plants reservoir streamflow series. The natural streamflow forecasting for 157 hydroelectric power plants of the National Interconnected System - NIS is updated on a weekly basis, which is an essential input for the planning and operation of the Brazilian Electric Power System. Several models are used to determine this prediction, such as physicals, statisticals and the ones that use intelligent systems. Despite the improvements to natural streamflow forecasting, substantial deviation has been found for the expected results of some hydropower plants. Highlighted the importance of this variable, fuzzy systems applied to weekly streamflows forecasts will be investigated as alternative models, in order to obtain better results. The purpose of this work is to reduce the estimation errors for a pilot hydropower plant, incorporating precipitation data into the forecast. Therefore, an exhaustive research to acquire data from hydrometeorological stations was conducted. After being treated, a variable selection method was applied to the data, defining the most relevant input variables for the prediction model. At the end, a comparative analysis shows that the fuzzy model presents a better performance than the periodic autoregressive model used by ONS to plan the operation of the electric power system.

Submitted by Irvana Coutinho (irvana@ufpa.br) on 2012-08-30T15:39:30Z No. of bitstreams: 2 Dissertacao_AnaliseModelagemHidrometeorologica.pdf: 9271076 bytes, checksum: d5501103fcd4ad16c0e800e8c9eaf8d0 (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) / Made available in DSpace on 2012-08-30T15:39:30Z (GMT). No. of bitstreams: 2 Dissertacao_AnaliseModelagemHidrometeorologica.pdf: 9271076 bytes, checksum: d5501103fcd4ad16c0e800e8c9eaf8d0 (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Previous issue date: 2008 / ADA - Agência de Desenvolvimento da Amazônia / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / Esta pesquisa objetivou desenvolver um modelo estatístico de previsão de vazão para Marabá - PA, bem como avaliar a estrutura dinâmica atmosférica associada aos extremos do regime hidrológico da bacia do rio Tocantins. O modelo hidrológico de regressão linear múltipla utilizou as séries de observações fluviométricas e pluviométricas obtidas no banco de dados da ANA. Os testes de validação do modelo estatístico com coeficiente de Nash acima de 0,9 e erro padrão de 1,5 % e 5% nos períodos de cheia e estiagem, respectivamente, permitem que as previsões de vazão em Marabá possam ser geradas com antecedência de 2 a 4 (3 a 5) dias para o período da cheia (estiagem). Através da técnica de composições considerando todos os anos com registro de vazão acima/muito acima e abaixo/muito abaixo do normal, obtidos pela metodologia dos percentis, investigaram-se as características regionais da precipitação e a estrutura dinâmica atmosférica em cada mês (Novembro a Abril). As composições dos anos com vazão acima/muito acima mostraram que a precipitação sobre a bacia foi acima do normal em todos os meses, sendo que os padrões de grande escala indicaram a configuração associada ao fenômeno La Niña no Pacífico e condições de resfriamento no Atlântico Sul; intensificação tanto do ramo ascendente zonal da célula de Walker como do ramo ascendente meridional da célula de Hadley; intensificação da Alta da Bolívia posicionada mais a leste e anomalias negativas de ROL associadas à atuação conjunta da ZCAS e ZCIT. Inversamente, as composições dos anos com vazão abaixo/muito abaixo evidenciaram a predominância de precipitação abaixo do normal em toda bacia hidrográfica, a qual se associou com as condições de aquecimento (El Niño) sobre o Pacífico, Atlântico sul aquecido, célula de Walker e Hadley com enfraquecimento dos movimentos ascendentes, posicionamento da Alta da Bolívia mais a oeste com anomalias positivas de ROL indicando inibição da atividade convectiva tropical. Adicionalmente, uma análise quantitativa dos impactos sócio-econômicos sobre os principais núcleos da cidade de Marabá revelou que aproximadamente 10 mil pessoas (5% da população) são atingidas pela cheia do rio Tocantins com custos nas operações de enchente acima de R$ 500.000,00, considerando o caso de 2005. / The objectives of the present work is to develop a statistical model to predict discharge or flow in Marabá-PA, as well assess the atmospheric dynamic structure associated with the extreme hydrological regime observed in the Tocantins river basin. The hydrological model based on multiple linear regressions uses time series derived from fluviometric and pluviometric stations which are obtained from ANA database. Validation tests of the statistical model with Nash coefficient above 0.9 and standard error of 1.5% and 5% during flood and drought periods, respectively, allow generating predictions of discharge with antecedence of 2 to 4 days (3 to 5 days) for the flood (drought) period. Through composites technique considering all years with record of above/very above discharge and below/very below discharge in Marabá, obtained from percentiles method, it was investigated the precipitation characteristics in basin scale and the dynamic aspects observed in each month (November to April). The composites of years with above/very above discharge showed that the rainfall on the basin was above normal in all months, and the large-scale patterns indicated a configuration associated with La Niña phenomenon over Pacific and cooling conditions over South Atlantic; intensification of both zonal/meridional ascending branch of the Walker/Hadley cell; intensification of the Bolivian High anomalously placed eastward and negative ROL anomalies associated with the joint occurrence of ZCAS and ZCIT. Conversely, the composites of years with below/very below discharge showed a predominance of precipitation below normal throughout basin, which was associated with the conditions of warming (El Niño) over Pacific, and also warm TSM anomalous over South Atlantic, cell of Walker and Hadley with weak upward movement, the positioning of the High Bolivia westward with positive ROL anomalies indicating inhibition of tropical convective activity. Additionally, a quantitative analysis of the socio-economic impacts in the main centers of Marabá revealed that approximately 10 thousand (5% of the population) people are affected by Tocantins river floods with costs in the flooding operations above R$ 500.000,00, considering the 2005 case.

Submitted by Nathalya Silva (nathyjf033@gmail.com) on 2017-04-24T20:04:12Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_ModeloGerenciamentoAgua.pdf: 11144827 bytes, checksum: 1729da6214c18fcd59e89f3ba710e78e (MD5) / Approved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2017-04-26T13:22:34Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_ModeloGerenciamentoAgua.pdf: 11144827 bytes, checksum: 1729da6214c18fcd59e89f3ba710e78e (MD5) / Made available in DSpace on 2017-04-26T13:22:34Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_ModeloGerenciamentoAgua.pdf: 11144827 bytes, checksum: 1729da6214c18fcd59e89f3ba710e78e (MD5) Previous issue date: 2016-02 / Este trabalho trata de um modelo para gerenciamento de usos múltiplos da água, visando minimizar conflitos de uso, relacionados com a operação de sistemas de reservatórios em aproveitamentos hidrelétricos de bacias hidrográficas. O modelo SOUMA – “Sistema de Otimização de Usos Múltiplos da Água”, que consiste em um modelo estocástico de otimização baseado em programação não linear, foi desenvolvido e estruturado em GAMS (General Algebraic Modeling System) com o emprego do solver MINOS. O SOUMA compõe-se de dois módulos auxiliares. O primeiro é um módulo de previsão de níveis de água, que consiste em um modelo estocástico do tipo ARIMA (Auto Regressive Integrated Moving Average). O segundo é um módulo de previsão de vazões, que é um modelo estocástico chuva-vazão, do tipo RNA. O modelo ARIMA na calibração e na validação apresentou R² médio acima de 0,93 e RMSE abaixo de 0,08, capturando de forma satisfatória o comportamento das séries níveis d’água. O modelo chuva-vazão que foi empregado na composição da vazão afluente ao reservatório, com a utilização de arquitetura RNA, apresentou R² médio de 0,954 e RMSE médio de 0,098. O modelo SOUMA foi aplicado à bacia do rio Tapajós para o futuro Aproveitamento Hidro Energético – AHE São Luiz do Tapajós, Itaituba, PA. Foram criados seis cenários que serviram de parâmetros na otimização e minoração dos conflitos. Vazões afluentes ao reservatório foram obtidas e simuladas, para os cenários hidrológicos seco, médio e úmido e para os cenários climáticos El Niño, Neutro e La Niña. Para geração de energia e profundidade de navegação, considerando as afluências dos cenários hidrológicos seco, médio e úmido, o SOUMA evidenciou, em relação aos níveis de referência dos cenários de navegação baixo, médio e alto, a ocorrência de profundidades abaixo da mínima, para gerações médias abaixo de 2.411 MW, 2.939 MW e 3.586 MW, respectivamente. Para geração de energia e capacidade de carga transportada, considerando as afluências dos cenários hidrológicos seco, médio e úmido, o SOUMA demonstrou, em relação aos níveis de referência dos cenários de navegação baixo, médio e alto, que gerações médias acima de 2.869 MW, 3.508 MW e 4.740 MW, respectivamente, não geram ganhos de capacidade de carga transportada e que gerações médias abaixo de 1.344 MW, 1.622 MW 2.056 MW, respectivamente, inviabilizam o transporte de carga. Para geração de energia e cota de inundação, considerando as afluências dos cenários hidrológicos seco, médio e úmido, o SOUMA mostrou, em relação aos níveis de referência dos cenários de controle de inundação baixo, médio e alto, a ocorrência de inundações a jusante, para gerações médias acima de 4.978 MW, 6.057 MW e 7.390 MW, respectivamente. Retiradas consuntivas são significativas apenas no período de junho a outubro. Considerando a média das demandas consuntivas mensais (145 m³/s), para afluências do cenário hidrológico seco, médio e úmido, o SOUMA evidenciou uma perda mensal na geração de energia elétrica de 50 MW, 47 MW e 44 MW, respectivamente. Os resultados aferidos evidenciam que os modelos desenvolvidos são ferramentas de fundamental importância à otimização operacional de sistemas de reservatórios com usos múltiplos, permitindo a otimização de gerações e de defluências em AHE, em períodos de cheia e de estiagem e de grandes demandas energéticas, com a manutenção de condições de navegabilidade em trechos a jusante de barramentos, através de simulações operacionais sustentáveis que minoram conflitos de uso. / This work deals with a model for management of multiple uses of water, for the mitigation of conflicts of use related to the operation of reservoir systems in hydroelectric power plant of water catchment area. The model SOUMA – "system optimization of multiple uses of water", which consists of a stochastic optimization model based on nonlinear programming, was developed and structured in GAMS (General Algebraic Modeling System) with the use of solver MINOS. The SOUMA is composed of two modules. The first is a module for forecasting of water levels, which consists of a stochastic model of type ARIMA (Auto Regressive Integrated Moving Average). The second is a module for forecasting of streamflow, which is a stochastic model of rainfall-streamflow the RNA type. The ARIMA model calibration and validation presented average R² above 0.93 and RMSE below 0.08, capturing in a satisfactory manner the behavior of water levels. The rain-flow model that was used in the composition of influent flow to the reservoir, with the use of RNA architecture, presented average R² 0.954 and of 0.098 RMSE. The SOUMA model was applied to Tapajós River basin for the future hydroelectric power plant of São Luiz do Tapajós, Itaituba, PA. Six scenarios were created to be used as parameters in optimizing and mitigation of conflicts. The reservoir tributaries streamflow were obtained and simulated for dry, medium and moist hydrological scenarios and for El Niño, La Niña and Neutral climatic scenarios. For the power generation and navigation depth uses, considering the tributaries streamflow of the dry, medium and moist hydrological scenarios, the SOUMA showed, in relation to the reference levels of the low, medium and high navigation scenarios, the occurrence of depths below the minimum, for generations averages below 2,411 MW, 2,939 MW and 3,586 MW, respectively. For power generation and cargo capacity, considering the tributaries streamflow of the dry, medium and moist hydrological scenarios, the SOUMA showed, in relation to the low, medium and high reference levels of the navigation scenarios, that generations averages above 2,869 MW, 3,508 MW and 4,740 MW, respectively, do not generate earnings of cargo capacity and that medium generations below 1,344 MW, 2,056 MW and 1,622 MW, respectively, make the river transport of cargo infeasible. For power generation and flood dimension, considering the tributaries streamflow of the dry, medium and moist hydrological scenarios, the SOUMA showed, in relation the reference levels low, medium and high of the flood control, the occurrence of floods downstream to generations above average 4,978 MW, 6,057 MW and 7,390 MW, respectively. Consumptive withdrawals are meaningful only in the period from June to October. Considering the monthly average consumptive demands (145 m ³/s), to tributaries streamflow of the dry, medium and moist hydrological scenarios, the SOUMA showed a monthly loss in power generation of 50 MW, 47 MW and 44 MW, respectively. The measured results show that the models developed are important tools to operational optimization of reservoir systems with multiple uses, allowing the optimization of generations and defluente flow in the hydroelectric power plant of water catchment area, in periods of flood and drought and large energy demands, with maintenance of navigation conditions downstream from dams, through sustainable operational simulations that minimize usage conflicts.