A previsão e emissão de alertas antecipados constituem um dos principais elementos na prevenção dos impactos ocasionados por eventos de cheias. Uma das formas utilizadas para se obter uma ampliação do horizonte de previsão é através do uso da modelagem chuva-vazão associada à previsão de precipitação, tipicamente derivada de modelos meteorológicos. A precipitação, no entanto, é uma das variáveis que impõe maior dificuldade na previsão meteorológica, sendo considerada uma das principais fontes de incerteza nos resultados da previsão de cheias. A previsão por conjunto é uma técnica originalmente desenvolvida nas ciências atmosféricas e procura explorar as incertezas associadas às condições iniciais e/ou deficiências na estrutura dos modelos meteorológicos com intuito de melhorar sua previsibilidade. A partir de diferentes modelos meteorológicos ou de diferentes condições iniciais de um único modelo, são gerados um conjunto de previsões que representam possíveis trajetórias dos processos atmosféricos ao longo do horizonte de previsão. Pesquisas recentes, principalmente na Europa e Estados Unidos, têm mostrado resultados promissores do acoplamento de previsões meteorológicas por conjunto à modelos hidrológicos para realizar previsões de cheia. Essa pesquisa trata da avaliação do benefício da previsão de cheias por conjunto em curto prazo, em uma bacia de médio porte, utilizando dados e de ferramentas para previsão de vazões disponíveis em modo operacional no Brasil. Como estudo de caso foi utilizada a bacia do Rio Paraopeba (12.150km²), de clima tipicamente tropical, localizada na região sudeste do Brasil. A metodologia proposta para geração das previsões hidrológicas utilizou o modelo hidrológico MGB-IPH alimentado por um conjunto previsões de precipitação de diferentes modelos, com diferentes condições iniciais e parametrizações, dando origem a distintos cenários de previsão de vazões. Como parâmetro de referência na avaliação do desempenho das previsões por conjunto foi utilizada uma previsão hidrológica determinística única, baseada em uma previsão de precipitação obtida da combinação ótima de saídas de diversos modelos meteorológicos. As previsões foram realizadas retrospectivamente no período entre ago/2008 e mai/2011, sendo analisadas durante o período chuvoso dos anos hidrológicos (out-abr). Os resultados das previsões de cheia por conjunto foram avaliados através de uma representação determinística, considerando a média dos membros do conjunto, assim como através de uma representação probabilística, considerando todos os membros, através de medidas de desempenho específicas para esse fim. Na avaliação determinística, a média do conjunto hidrológico apresentou resultados similares aos obtido com a previsão determinística de referência, embora tenha apresentado benefício significativo em relação à maior parte dos membros do conjunto. A avaliação das previsões de cheia por conjunto, por sua vez, mostrou a existência de uma superestimativa e de um subespalhamento dos membros em relação às observações, sobretudo nos primeiros intervalos de tempo da previsão. Na comparação dos resultados das previsões de eventos do tipo dicótomos, que consideram a superação ou não de vazões limites de alerta, o 9º decil das previsões por conjunto mostrou superioridade em relação à previsão determinística de referência e mesmo a média do conjunto, sendo possível obter, na maior parte dos casos analisados, um aumento significativo na proporção de eventos corretamente previstos mantendo as taxas de alarmes falsos em níveis reduzidos. Esse benefício foi, de modo geral, maior para maiores antecedências e vazões limites, situações mais importantes num contexto de prevenção de cheias. Os resultados mostraram ainda que, em média, uma diminuição do número de membros do conjunto diminui seu desempenho nas previsões. / The forecasting and issuing of early warnings represent a key element to prevent the impacts of flood events. An alternative to extend forecasting horizon is the use of rainfall-runoff modeling coupled with precipitation forecasts derived from numerical weather prediction (NWP) models. However, NWP models have difficulty to accurately predict precipitation due to the extremely sensitivity of the initial conditions. Therefore, this variable represents one of the major sources of uncertainties in flood forecasting. A probabilistic or ensemble forecasting approach was originally developed in the atmospheric sciences and then applied to other research areas. This procedure explores the uncertainties related to initial conditions and deficiencies in the structure of NWP models intending to improve its predictability. Using different NWP models or different initial conditions of a single model, an ensemble forecast showing possible trajectories of atmospheric processes over the forecast horizon are produced. Recent studies developed in Europe and the United States have shown promising results in flood forecasting using hydrological models fed by NWP ensemble outputs. The present research assess the performance of short term ensemble flood forecasting in a medium size tropical basin, based on data and streamflow forecasting tools available in operational mode in Brazil. The Paraopeba River basin (12,150 km²), located in the upper portion of the São Francisco River basin, in Southeastern Brazil, was selected as a case study. The proposed methodology used the MGB-IPH hydrological coupled to an ensemble of precipitation forecasts generated by several models with different initial conditions and parameterizations. The results are several scenarios of streamflow forecasts. A single deterministic streamflow forecast, based on a quantitative precipitation forecast derived from the optimal combination of several outputs of NWP models, was used as a reference to assess the performance of the streamflow ensemble forecasts. The streamflow forecasts were performed between aug/2008 and may/2011 and were analyzed during the rainy seasons (austral summer). The results from the ensemble flood forecasting were assessed by deterministic and probabilistic performance measures, with the ensemble mean being used by the former, and specific assessment measure by the later. Based on the deterministic assessment, the ensemble mean showed similar results to those obtained by the deterministic reference forecast, although showing better performance over most of the ensemble members. Based on the probabilistic performance measures, however, results showed the existence of an ensemble overforecasting and underspread of the members in regard to observed values, especially during the first lead times. The results for predictions of dichotomous events, which mean exceeding or not flood warning thresholds, showed that the 9th decile of the ensemble over performed the deterministic forecast and even the ensemble mean. In most cases, it was observed an increase in the proportion of correctly forecasted events while keeping false alarm rates at low levels. This benefit was generally higher for higher flow thresholds and for longer lead times, which are the most important situations for flood mitigation. The results show, also, that, in average, a reduction in the number of ensemble members decreases the performance of ensemble flood forecasts.

A previsão e emissão de alertas antecipados constituem um dos principais elementos na prevenção dos impactos ocasionados por eventos de cheias. Uma das formas utilizadas para se obter uma ampliação do horizonte de previsão é através do uso da modelagem chuva-vazão associada à previsão de precipitação, tipicamente derivada de modelos meteorológicos. A precipitação, no entanto, é uma das variáveis que impõe maior dificuldade na previsão meteorológica, sendo considerada uma das principais fontes de incerteza nos resultados da previsão de cheias. A previsão por conjunto é uma técnica originalmente desenvolvida nas ciências atmosféricas e procura explorar as incertezas associadas às condições iniciais e/ou deficiências na estrutura dos modelos meteorológicos com intuito de melhorar sua previsibilidade. A partir de diferentes modelos meteorológicos ou de diferentes condições iniciais de um único modelo, são gerados um conjunto de previsões que representam possíveis trajetórias dos processos atmosféricos ao longo do horizonte de previsão. Pesquisas recentes, principalmente na Europa e Estados Unidos, têm mostrado resultados promissores do acoplamento de previsões meteorológicas por conjunto à modelos hidrológicos para realizar previsões de cheia. Essa pesquisa trata da avaliação do benefício da previsão de cheias por conjunto em curto prazo, em uma bacia de médio porte, utilizando dados e de ferramentas para previsão de vazões disponíveis em modo operacional no Brasil. Como estudo de caso foi utilizada a bacia do Rio Paraopeba (12.150km²), de clima tipicamente tropical, localizada na região sudeste do Brasil. A metodologia proposta para geração das previsões hidrológicas utilizou o modelo hidrológico MGB-IPH alimentado por um conjunto previsões de precipitação de diferentes modelos, com diferentes condições iniciais e parametrizações, dando origem a distintos cenários de previsão de vazões. Como parâmetro de referência na avaliação do desempenho das previsões por conjunto foi utilizada uma previsão hidrológica determinística única, baseada em uma previsão de precipitação obtida da combinação ótima de saídas de diversos modelos meteorológicos. As previsões foram realizadas retrospectivamente no período entre ago/2008 e mai/2011, sendo analisadas durante o período chuvoso dos anos hidrológicos (out-abr). Os resultados das previsões de cheia por conjunto foram avaliados através de uma representação determinística, considerando a média dos membros do conjunto, assim como através de uma representação probabilística, considerando todos os membros, através de medidas de desempenho específicas para esse fim. Na avaliação determinística, a média do conjunto hidrológico apresentou resultados similares aos obtido com a previsão determinística de referência, embora tenha apresentado benefício significativo em relação à maior parte dos membros do conjunto. A avaliação das previsões de cheia por conjunto, por sua vez, mostrou a existência de uma superestimativa e de um subespalhamento dos membros em relação às observações, sobretudo nos primeiros intervalos de tempo da previsão. Na comparação dos resultados das previsões de eventos do tipo dicótomos, que consideram a superação ou não de vazões limites de alerta, o 9º decil das previsões por conjunto mostrou superioridade em relação à previsão determinística de referência e mesmo a média do conjunto, sendo possível obter, na maior parte dos casos analisados, um aumento significativo na proporção de eventos corretamente previstos mantendo as taxas de alarmes falsos em níveis reduzidos. Esse benefício foi, de modo geral, maior para maiores antecedências e vazões limites, situações mais importantes num contexto de prevenção de cheias. Os resultados mostraram ainda que, em média, uma diminuição do número de membros do conjunto diminui seu desempenho nas previsões. / The forecasting and issuing of early warnings represent a key element to prevent the impacts of flood events. An alternative to extend forecasting horizon is the use of rainfall-runoff modeling coupled with precipitation forecasts derived from numerical weather prediction (NWP) models. However, NWP models have difficulty to accurately predict precipitation due to the extremely sensitivity of the initial conditions. Therefore, this variable represents one of the major sources of uncertainties in flood forecasting. A probabilistic or ensemble forecasting approach was originally developed in the atmospheric sciences and then applied to other research areas. This procedure explores the uncertainties related to initial conditions and deficiencies in the structure of NWP models intending to improve its predictability. Using different NWP models or different initial conditions of a single model, an ensemble forecast showing possible trajectories of atmospheric processes over the forecast horizon are produced. Recent studies developed in Europe and the United States have shown promising results in flood forecasting using hydrological models fed by NWP ensemble outputs. The present research assess the performance of short term ensemble flood forecasting in a medium size tropical basin, based on data and streamflow forecasting tools available in operational mode in Brazil. The Paraopeba River basin (12,150 km²), located in the upper portion of the São Francisco River basin, in Southeastern Brazil, was selected as a case study. The proposed methodology used the MGB-IPH hydrological coupled to an ensemble of precipitation forecasts generated by several models with different initial conditions and parameterizations. The results are several scenarios of streamflow forecasts. A single deterministic streamflow forecast, based on a quantitative precipitation forecast derived from the optimal combination of several outputs of NWP models, was used as a reference to assess the performance of the streamflow ensemble forecasts. The streamflow forecasts were performed between aug/2008 and may/2011 and were analyzed during the rainy seasons (austral summer). The results from the ensemble flood forecasting were assessed by deterministic and probabilistic performance measures, with the ensemble mean being used by the former, and specific assessment measure by the later. Based on the deterministic assessment, the ensemble mean showed similar results to those obtained by the deterministic reference forecast, although showing better performance over most of the ensemble members. Based on the probabilistic performance measures, however, results showed the existence of an ensemble overforecasting and underspread of the members in regard to observed values, especially during the first lead times. The results for predictions of dichotomous events, which mean exceeding or not flood warning thresholds, showed that the 9th decile of the ensemble over performed the deterministic forecast and even the ensemble mean. In most cases, it was observed an increase in the proportion of correctly forecasted events while keeping false alarm rates at low levels. This benefit was generally higher for higher flow thresholds and for longer lead times, which are the most important situations for flood mitigation. The results show, also, that, in average, a reduction in the number of ensemble members decreases the performance of ensemble flood forecasts.

Orientadores: Secundino Soares Filho, Ivette Luna Huamani / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-25T07:58:05Z (GMT). No. of bitstreams: 1 Lopes_MaianaSantos_M.pdf: 4275882 bytes, checksum: 1bc688bd7ffd93b0d9522e1800541de2 (MD5) Previous issue date: 2014 / Resumo: A previsão de vazões médias mensais é um insumo fundamental para o planejamento da operação das usinas hidrelétricas do Sistema Interligado Nacional (SIN). Durante os últimos anos, diferentes modelos baseados em inteligência computacional têm sido sugeridos para esse problema. A principal contribuição desta dissertação é o desenvolvimento de um sistema de suporte para a previsão e geração de séries sintéticas de vazões mensais, necessárias para o planejamento da operação das usinas do SIN. Este sistema permite analisar o desempenho de modelos clássicos de geração de séries sintéticas e de previsão de vazões, permitindo comparações entre um conjunto específico de modelos clássicos de séries temporais e de inteligência computacional para todas as usinas hidrelétricas do SIN / Abstract: The prediction of monthly average inflows is a fundamental input for the operation planning of the hydroelectric plants of the National Interconnected System (SIN). During the last years, different models based on computational intelligence have been suggested for this problem. The main contribution of this dissertation is the development of a support system for the prediction and generation of synthetic series of monthly average inflows, necessary for planning the operation of the plants of SIN. This system permits to analyze the performance of different models for forecasting and generation of synthetic series of inflows, allowing the comparison between a set of models based on classical time series and computational intelligence for all the hydropower plants of the SIN / Mestrado / Energia Eletrica / Mestra em Engenharia Elétrica

Neste estudo, trata-se de avaliar fontes de precipitação baseadas em estimativas por satélite e técnicas de assimilação de dados para previsão de vazões por meio do modelo hidrológico distribuído MGB-IPH. A insuficiente representatividade espacial dos pluviômetros torna difícil a correta representação dos campos de precipitações. Por outro lado, as estimativas de satélite, embora forneçam uma descrição espacial mais consistente, são potencialmente menos acuradas. Sendo assim, procura-se utilizar métodos que combinem os dados de ambas as fontes para gerar um campo de precipitação mais consistente. Neste trabalho, implementaramse dois modelos de combinação pluviômetro-satélite, CHUVSAT e MERGEHQ, através de uma metodologia de interpolação. Por outro lado, as técnicas de assimilação de dados acoplados aos modelos de previsão hidrológica são também de interesse neste estudo, pois minimizam as incertezas associadas ao processo de calibração de parâmetros, às variáveis de estado e dados de entrada do modelo hidrológico. Para esse propósito, escolheu-se a bacia do rio Tocantins e implementou-se particularmente a técnica de assimilação de dados de tipo sequencial chamado na literatura de filtro de partículas, conjuntamente com o método de filtro Kalman por conjunto e o método de assimilação AsMGB atualmente acoplado ao modelo MGB-IPH. O estudo mostra que a precipitação combinada utilizada como dado de entrada na simulação hidrológica permitiu reproduzir adequadamente os hidrogramas observados para o período de calibração e validação. Já para o caso das vazões resultantes, durante a etapa de previsão, a precipitação combinada mostrou-se com melhor desempenho em termos estatísticos que os métodos sem combinar, sobretudo após 24 horas de antecedência. Finalmente, a técnica de assimilação de dados por filtro de partículas conseguiu absorver os erros da simulação melhorando as medidas de desempenho na etapa de previsão sendo superior ao modelo de previsão sem considerar assimilação. / The objective of this study is to evaluate precipitation sources based on satellite estimates and data assimilation techniques for prediction of flows by means of the distributed hydrological model MGB-IPH. The insufficient spatial availability of rain gauges makes difficult to represent precipitation fields appropriately. In contrast, satellite estimates, although providing a more consistent spatial description, are potentially less accurate. Thus, raingauge satellite merging methods that combine data from both sources to generate a more consistent precipitation field are used herein. For this purpose, two models namely CHUVSAT and MERGEHQ were implemented using an interpolation technique. On the other hand, data assimilation techniques coupled with hydrological forecasting models are also assessed in this study. The assimilation process minimizes the uncertainties associated with the parameter calibration procedure, variable state and hydrological input data. In this manner, the sequential data assimilation technique namely particle filter in conjunction with the Kalman filter method and the assimilation method AsMGB, which is currently coupled to the MGBIPH model, were implemented and applied to the Tocantis basin. The obtained results showed that the combined precipitation used as input data in the hydrological simulation allowed reproducing adequately the observed hydrograms for the periods of calibration and validation. In the case of the resulting flows during the forecast stage, the merging precipitation was shown to perform better in statistical terms than the uncombined methods, especially after 24 hours in advance. Finally, the data assimilation technique by particle filter was able to absorb all simulation errors, improving the performance measures in the forecasting stage, thus being superior to the forecasting model without considering assimilation.

Neste estudo, trata-se de avaliar fontes de precipitação baseadas em estimativas por satélite e técnicas de assimilação de dados para previsão de vazões por meio do modelo hidrológico distribuído MGB-IPH. A insuficiente representatividade espacial dos pluviômetros torna difícil a correta representação dos campos de precipitações. Por outro lado, as estimativas de satélite, embora forneçam uma descrição espacial mais consistente, são potencialmente menos acuradas. Sendo assim, procura-se utilizar métodos que combinem os dados de ambas as fontes para gerar um campo de precipitação mais consistente. Neste trabalho, implementaramse dois modelos de combinação pluviômetro-satélite, CHUVSAT e MERGEHQ, através de uma metodologia de interpolação. Por outro lado, as técnicas de assimilação de dados acoplados aos modelos de previsão hidrológica são também de interesse neste estudo, pois minimizam as incertezas associadas ao processo de calibração de parâmetros, às variáveis de estado e dados de entrada do modelo hidrológico. Para esse propósito, escolheu-se a bacia do rio Tocantins e implementou-se particularmente a técnica de assimilação de dados de tipo sequencial chamado na literatura de filtro de partículas, conjuntamente com o método de filtro Kalman por conjunto e o método de assimilação AsMGB atualmente acoplado ao modelo MGB-IPH. O estudo mostra que a precipitação combinada utilizada como dado de entrada na simulação hidrológica permitiu reproduzir adequadamente os hidrogramas observados para o período de calibração e validação. Já para o caso das vazões resultantes, durante a etapa de previsão, a precipitação combinada mostrou-se com melhor desempenho em termos estatísticos que os métodos sem combinar, sobretudo após 24 horas de antecedência. Finalmente, a técnica de assimilação de dados por filtro de partículas conseguiu absorver os erros da simulação melhorando as medidas de desempenho na etapa de previsão sendo superior ao modelo de previsão sem considerar assimilação. / The objective of this study is to evaluate precipitation sources based on satellite estimates and data assimilation techniques for prediction of flows by means of the distributed hydrological model MGB-IPH. The insufficient spatial availability of rain gauges makes difficult to represent precipitation fields appropriately. In contrast, satellite estimates, although providing a more consistent spatial description, are potentially less accurate. Thus, raingauge satellite merging methods that combine data from both sources to generate a more consistent precipitation field are used herein. For this purpose, two models namely CHUVSAT and MERGEHQ were implemented using an interpolation technique. On the other hand, data assimilation techniques coupled with hydrological forecasting models are also assessed in this study. The assimilation process minimizes the uncertainties associated with the parameter calibration procedure, variable state and hydrological input data. In this manner, the sequential data assimilation technique namely particle filter in conjunction with the Kalman filter method and the assimilation method AsMGB, which is currently coupled to the MGBIPH model, were implemented and applied to the Tocantis basin. The obtained results showed that the combined precipitation used as input data in the hydrological simulation allowed reproducing adequately the observed hydrograms for the periods of calibration and validation. In the case of the resulting flows during the forecast stage, the merging precipitation was shown to perform better in statistical terms than the uncombined methods, especially after 24 hours in advance. Finally, the data assimilation technique by particle filter was able to absorb all simulation errors, improving the performance measures in the forecasting stage, thus being superior to the forecasting model without considering assimilation.

Neste estudo, trata-se de avaliar fontes de precipitação baseadas em estimativas por satélite e técnicas de assimilação de dados para previsão de vazões por meio do modelo hidrológico distribuído MGB-IPH. A insuficiente representatividade espacial dos pluviômetros torna difícil a correta representação dos campos de precipitações. Por outro lado, as estimativas de satélite, embora forneçam uma descrição espacial mais consistente, são potencialmente menos acuradas. Sendo assim, procura-se utilizar métodos que combinem os dados de ambas as fontes para gerar um campo de precipitação mais consistente. Neste trabalho, implementaramse dois modelos de combinação pluviômetro-satélite, CHUVSAT e MERGEHQ, através de uma metodologia de interpolação. Por outro lado, as técnicas de assimilação de dados acoplados aos modelos de previsão hidrológica são também de interesse neste estudo, pois minimizam as incertezas associadas ao processo de calibração de parâmetros, às variáveis de estado e dados de entrada do modelo hidrológico. Para esse propósito, escolheu-se a bacia do rio Tocantins e implementou-se particularmente a técnica de assimilação de dados de tipo sequencial chamado na literatura de filtro de partículas, conjuntamente com o método de filtro Kalman por conjunto e o método de assimilação AsMGB atualmente acoplado ao modelo MGB-IPH. O estudo mostra que a precipitação combinada utilizada como dado de entrada na simulação hidrológica permitiu reproduzir adequadamente os hidrogramas observados para o período de calibração e validação. Já para o caso das vazões resultantes, durante a etapa de previsão, a precipitação combinada mostrou-se com melhor desempenho em termos estatísticos que os métodos sem combinar, sobretudo após 24 horas de antecedência. Finalmente, a técnica de assimilação de dados por filtro de partículas conseguiu absorver os erros da simulação melhorando as medidas de desempenho na etapa de previsão sendo superior ao modelo de previsão sem considerar assimilação. / The objective of this study is to evaluate precipitation sources based on satellite estimates and data assimilation techniques for prediction of flows by means of the distributed hydrological model MGB-IPH. The insufficient spatial availability of rain gauges makes difficult to represent precipitation fields appropriately. In contrast, satellite estimates, although providing a more consistent spatial description, are potentially less accurate. Thus, raingauge satellite merging methods that combine data from both sources to generate a more consistent precipitation field are used herein. For this purpose, two models namely CHUVSAT and MERGEHQ were implemented using an interpolation technique. On the other hand, data assimilation techniques coupled with hydrological forecasting models are also assessed in this study. The assimilation process minimizes the uncertainties associated with the parameter calibration procedure, variable state and hydrological input data. In this manner, the sequential data assimilation technique namely particle filter in conjunction with the Kalman filter method and the assimilation method AsMGB, which is currently coupled to the MGBIPH model, were implemented and applied to the Tocantis basin. The obtained results showed that the combined precipitation used as input data in the hydrological simulation allowed reproducing adequately the observed hydrograms for the periods of calibration and validation. In the case of the resulting flows during the forecast stage, the merging precipitation was shown to perform better in statistical terms than the uncombined methods, especially after 24 hours in advance. Finally, the data assimilation technique by particle filter was able to absorb all simulation errors, improving the performance measures in the forecasting stage, thus being superior to the forecasting model without considering assimilation.

Orientadores: Christiano Lyra Filho, Romis Ribeiro de Faissol Attux / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-24T05:06:09Z (GMT). No. of bitstreams: 1 Siqueira_HugoValadares_D.pdf: 10867937 bytes, checksum: 512652380d6dd25b8717bfd5c8f5f0f8 (MD5) Previous issue date: 2013 / Resumo: Este trabalho explora a possibilidade de aplicação de arquiteturas de redes neurais artificiais - redes neurais de estado de eco (ESN) e máquinas de aprendizado extremo (ELM) - aqui denominadas coletivamente por máquinas desorganizadas (MDs), para a previsão de séries de vazões. A previsão de vazões é uma das etapas fundamentais no planejamento da operação dos sistemas de energia elétrica com predominância hidráulica, como é o caso brasileiro. Os modelos mais comumente utilizados para previsão de vazões pelo Setor Elétrico Brasileiro (SEB) são baseados na metodologia Box & Jenkins, lineares, sobretudo modelos periódicos auto-regressivos (PAR). Todavia, técnicas mais abrangentes, que alcancem melhores desempenhos, vêm sendo investigadas. Destacam-se as redes neurais artificiais, sobretudo arquiteturas do tipo perceptron de múltiplas camadas (MLP), muito conhecidas por serem aproximadores universais com elevada capacidade de aprendizado e mapeamento não-linear, características desejáveis para solução do problema em questão. Por outro lado, as máquinas desorganizadas têm apresentado resultados promissores na previsão de séries temporais. Estes modelos têm um processo de treinamento simples, baseado em encontrar os coeficientes de um combinador linear; em particular, não precisam fazer ajuste dos pesos de sua camada intermediária, ao contrário das redes MLP. Por isso, este trabalho investigou as MDs do tipo ESN e ELM, versões recorrente e não-recorrente, respectivamente, para previsão de vazões médias mensais. Serão avaliadas também três técnicas para retirada da componente sazonal característica destas séries ¿ médias móveis, padronização e diferenças sazonal ¿ além da exploração de técnicas de seleção de variáveis do tipo filtro e wrapper, no intuito de melhorar performance dos modelos preditores. Na maioria dos casos estudados, os resultados obtidos pelas MDs na previsão das séries associadas a importantes usinas hidrelétricas brasileiras - Furnas, Emborcação e Sobradinho - em cenários com horizontes variados, mostraram-se de melhor qualidade do que os obtidos pelo modelo PAR e as redes neurais MLPs / Abstract: This work explores the possibility of application of neural network architectures ¿ echo state networks (ESN) and extreme learning machines (ELM) ¿ collectively referred as unorganized machines (UMs), to seasonal streamflow series forecasting. Streamflow forecasting is one of the key steps in the planning of operation of power systems with hydraulic predominance, as in the Brazilian case. The models most commonly used to streamflow prediction by the Brazilian Electric Sector are based on the Box & Jenkins methodology, with linear and especially periodic autoregressive models. However, more extensive techniques that achieve better performances have been investigated to this task. We highlight artificial neural networks, especially architectures such as multilayer perceptron (MLP), known to be universal approximators with high learning ability skills ability to perform nonlinear mapping, desirable characteristics for the solution of this problem. On the other hand, unorganized machines have shown promising results in time series forecasting. These models have a simple training process, based on finding the coefficients of a linear combiner; they do not require adjustments in the weights of the hidden layer, which are necessary with MLP architecture. Therefore, this study investigated the UMs such as ESN and ELM, recurrent and nonrecurrent versions, respectively, to seasonal streamflow series forecasting. Three techniques to remove the seasonal component of streamflow series will also be evaluated - moving averages, standardization and seasonal differences. In addition, In order to improve the performance of predictive models techniques for variable selection, such as filters and wrappers, will also be explored. In the most cases, the computational results obtained by the UMs in streamflow series forecasting associated to important Brazilian hydroelectric plants - Furnas, Emborcação and Sobradinho - with scenarios including several horizons, presented better performance when compared to forecasting obtained with PAR models and MLPs / Doutorado / Energia Eletrica / Doutor em Engenharia Elétrica

From the Proceedings of the 1972 Meetings of the Arizona Section - American Water Resources Assn. and the Hydrology Section - Arizona Academy of Science - May 5-6, 1972, Prescott, Arizona / A critique of statistical properties of monthly flows on an ephemeral stream in Arizona is given. A subjective procedure, justified for managerial purposes not concerned with the variability of flow within the month, is proposed for sequential generation of monthly flow data. Ephemeral flows should be modeled by starting with at least historical daily flows for more meaningful monthly flow models. Stochastic properties of monthly streamflows and state transition probabilities are reviewed with regard to ephemeral streams. A flow chart for a streamflow model geared to digital computers, with a simulation of streamflow subroutine, is developed. Meaningful monthly flow models could serve as a check on alternative models (subjective matrix, lag-one auto regressive, harmonic, bivariate normal, bivariate log-normal models). Rules and guidelines are presented in developing meaningful probability matrices.

From the Proceedings of the 1977 Meetings of the Arizona Section - American Water Resources Assn. and the Hydrology Section - Arizona Academy of Science - April 15-16, 1977, Las Vegas, Nevada / Riverflow modeling is believed useful for purposes of decision making with respect to reservoir control, irrigation planning, and flood forecasting and design of structures to contain floods. This author holds the view that present riverflow models in vogue are unsatisfactory because, for one thing, sample simulations according to these models do not resemble observed southwestern river records. The purpose of this paper is to outline a general Markov model which assumes only that rivers have a finite memory. We show how to calibrate the model from river records and then present evidence to support our contention that some success has been realized in mimicking typical flows by our simulation procedure.

Streamflow forecasting is a fundamental component of various water resources management systems, ranging from flood control and mitigation to long-term planning of irrigation and hydropower systems. In the context of floods, a probabilistic forecasting system is required for proper and effective decision-making. Therefore, the primary goal of this research is the development of an advanced ensemble-based streamflow forecasting framework to better quantify the predictive uncertainty and generate enhanced probabilistic forecasts. This research started by comprehensively evaluating the performances of various lumped conceptual models in data-poor watersheds and comparing various Bayesian Model Averaging (BMA) modifications for probabilistic streamflow simulation. Then, using the concept of BMA, two novel probabilistic post-processing approaches were developed to enhance streamflow forecasting performance. The combination of the entropy theory and the BMA method leads to an entropy-based Bayesian Model Averaging (En-BMA) approach for enhanced probabilistic streamflow and precipitation forecasting. Also, the integration of the Hydrologic Uncertainty Processor (HUP) and the BMA methods is proposed for probabilistic post-processing of multi-model streamflow forecasts. Results indicated that the MACHBV and GR4J models are highly competent in simulating hydrological processes within data-scarce watersheds, however, the presence of the lower skill hydrologic models is still beneficial for ensemble-based streamflow forecasting. The comprehensive verification of the BMA approach in terms of streamflow predictions has identified the merits of implementing some of the previously recommended modifications and showed the importance of possessing a mutually exclusive and collectively exhaustive ensemble. By targeting the remaining limitation of the BMA approach, the proposed En-BMA method can improve probabilistic streamflow forecasting, especially under high flow conditions. Also, the proposed HUP-BMA approach has taken advantage of both HUP and BMA methods to better quantify the hydrologic uncertainty. Moreover, the applicability of the modified En-BMA as a more robust post-processing approach for precipitation forecasting, compared to BMA, has been demonstrated. / Thesis / Doctor of Philosophy (PhD) / Possessing a reliable streamflow forecasting framework is of special importance in various fields of operational water resources management, non-structural flood mitigation in particular. Accurate and reliable streamflow forecasts lead to the best possible in-advanced flood control decisions which can significantly reduce its consequent loss of lives and properties. The main objective of this research is to develop an enhanced ensemble-based probabilistic streamflow forecasting approach through proper quantification of predictive uncertainty using an ensemble of streamflow forecasts. The key contributions are: (1) implementing multiple diverse forecasts with full coverage of future possibilities in the Bayesian ensemble-based forecasting method to produce more accurate and reliable forecasts; and (2) developing an ensemble-based Bayesian post-processing approach to enhance the hydrologic uncertainty quantification by taking the advantages of multiple forecasts and initial flow observation. The findings of this study are expected to benefit streamflow forecasting, flood control and mitigation, and water resources management and planning.