TEIXEIRA, F. A. A. Estudo da transformação precipitação-deflúvio para a sub-bacia do Arneiroz II. 2009. 73 f. Dissertação (Mestrado em Engenharia Civil: Recursos Hídricos) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2009. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2015-04-27T13:08:21Z
No. of bitstreams: 1
2009_dis_fasteixeira.pdf: 6044434 bytes, checksum: fee42975bd065cd9fc2caef0c9fa3105 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2015-04-29T13:45:23Z (GMT) No. of bitstreams: 1
2009_dis_fasteixeira.pdf: 6044434 bytes, checksum: fee42975bd065cd9fc2caef0c9fa3105 (MD5) / Made available in DSpace on 2015-04-29T13:45:23Z (GMT). No. of bitstreams: 1
2009_dis_fasteixeira.pdf: 6044434 bytes, checksum: fee42975bd065cd9fc2caef0c9fa3105 (MD5)
Previous issue date: 2009-09-04 / A modelagem do comportamento de fenômenos complexos, como a transformação de chuva em vazão, envolve o ajuste de uma série de parâmetros, conferindo relativa dificuldade para sua predição. No Estado do Ceará, esta tarefa se torna ainda mais complicada, devido à carência de dados fluviométricos, e, sobretudo por se tratar de uma região caracterizada pelos baixos índices pluviométricos e pelo regime fluviométrico intermitente preponderante. Os modelos do tipo transformação de chuva em vazão SMAP e HYMOD em intervalo diário, os quais apresentam como entradas, além da altura média de precipitação, a evaporação, têm sido aplicados a bacias hidrográficas do Ceará apresentando bons índices de correlação na fase de validação. A calibração destes modelos envolve o ajuste dos seus parâmetros percorrendo-se um espaço de busca a fim de se minimizar uma função objetivo, tratando-se de um processo estocástico. Desta forma, objetivando-se apresentar um modelo não-paramétrico e determinístico para a transformação chuva-deflúvio, são utilizadas as Redes Neurais Artificiais, as quais têm apresentado desempenho satisfatório na modelagem de problemas de difícil predição, inclusive no âmbito dos recursos hídricos. Para o estudo de caso foi escolhida a bacia hidrográfica da Barragem Arneiroz II, a qual dispõe de um posto fluviométrico com uma série pseudo-histórica relativamente extensa. Assim, foram calibrados os modelos HYMOD, SMAP, modelos tradicionalmente utilizados pela FUNCEME, e uma rede neural do tipo perceptron multicamadas, treinada pelo algoritmo de retro propagação através do programa Q-net. Para a calibração dos modelos SMAP e HYMOD foi utilizado um algoritmo evolucionário denominado Particle Swarm Optimization (PSO). Os resultados obtidos com o modelo de RNA foram comparados aos resultados obtidos pelos modelos SMAP e HYMOD através do parâmetro de desempenho proposto por Nash & Sutcliffe (1970). Os resultados obtidos mostraram que o modelo HYMOD foi aquele para o qual parâmetro de Nash obtido foi maior que os valores dos modelos SMAP e RNA. A modelagem chuva-deflúvio com as RNA não apresentaram resultados satisfatórios se comparados aos outros dois modelos hidrológicos empregados. Isto pode ser justificado pelo fato de que o modelo considerou apenas os dados de pluviometria, não tendo sido abastecido com outras variáveis importantes na definição do fenômeno chuva-vazão / A modelagem do comportamento de fenômenos complexos, como a transformação de chuva em vazão, envolve o ajuste de uma série de parâmetros, conferindo relativa dificuldade para sua predição. No Estado do Ceará, esta tarefa se torna ainda mais complicada, devido à carência de dados fluviométricos, e, sobretudo por se tratar de uma região caracterizada pelos baixos índices pluviométricos e pelo regime fluviométrico intermitente preponderante. Os modelos do tipo transformação de chuva em vazão SMAP e HYMOD em intervalo diário, os quais apresentam como entradas, além da altura média de precipitação, a evaporação, têm sido aplicados a bacias hidrográficas do Ceará apresentando bons índices de correlação na fase de validação. A calibração destes modelos envolve o ajuste dos seus parâmetros percorrendo-se um espaço de busca a fim de se minimizar uma função objetivo, tratando-se de um processo estocástico. Desta forma, objetivando-se apresentar um modelo não-paramétrico e determinístico para a transformação chuva-deflúvio, são utilizadas as Redes Neurais Artificiais, as quais têm apresentado desempenho satisfatório na modelagem de problemas de difícil predição, inclusive no âmbito dos recursos hídricos. Para o estudo de caso foi escolhida a bacia hidrográfica da Barragem Arneiroz II, a qual dispõe de um posto fluviométrico com uma série pseudo-histórica relativamente extensa. Assim, foram calibrados os modelos HYMOD, SMAP, modelos tradicionalmente utilizados pela FUNCEME, e uma rede neural do tipo perceptron multicamadas, treinada pelo algoritmo de retro propagação através do programa Q-net. Para a calibração dos modelos SMAP e HYMOD foi utilizado um algoritmo evolucionário denominado Particle Swarm Optimization (PSO). Os resultados obtidos com o modelo de RNA foram comparados aos resultados obtidos pelos modelos SMAP e HYMOD através do parâmetro de desempenho proposto por Nash & Sutcliffe (1970). Os resultados obtidos mostraram que o modelo HYMOD foi aquele para o qual parâmetro de Nash obtido foi maior que os valores dos modelos SMAP e RNA. A modelagem chuva-deflúvio com as RNA não apresentaram resultados satisfatórios se comparados aos outros dois modelos hidrológicos empregados. Isto pode ser justificado pelo fato de que o modelo considerou apenas os dados de pluviometria, não tendo sido abastecido com outras variáveis importantes na definição do fenômeno chuva-vazão
| Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.ufc.br:riufc/11704 |
| Date | 04 September 2009 |
| Creators | Teixeira, Francisco Alberto de Assis |
| Contributors | Dantas Neto , Silvrano Adonias |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFC, instname:Universidade Federal do Ceará, instacron:UFC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds