Return to search

Estudo da transformaÃÃo precipitaÃÃo-deflÃvio para a sub-bacia do Arneiroz II / Study of rainfall-runoff transformation for the Arneiroz II subbasin

nÃo hà / A modelagem do comportamento de fenÃmenos complexos, como a transformaÃÃo de
chuva em vazÃo, envolve o ajuste de uma sÃrie de parÃmetros, conferindo relativa
dificuldade para sua prediÃÃo. No Estado do CearÃ, esta tarefa se torna ainda mais
complicada, devido à carÃncia de dados fluviomÃtricos, e, sobretudo por se tratar de uma
regiÃo caracterizada pelos baixos Ãndices pluviomÃtricos e pelo regime fluviomÃtrico
intermitente preponderante. Os modelos do tipo transformaÃÃo de chuva em vazÃo SMAP
e HYMOD em intervalo diÃrio, os quais apresentam como entradas, alÃm da altura mÃdia
de precipitaÃÃo, a evaporaÃÃo, tÃm sido aplicados a bacias hidrogrÃficas do CearÃ
apresentando bons Ãndices de correlaÃÃo na fase de validaÃÃo. A calibraÃÃo destes
modelos envolve o ajuste dos seus parÃmetros percorrendo-se um espaÃo de busca a fim
de se minimizar uma funÃÃo objetivo, tratando-se de um processo estocÃstico. Desta
forma, objetivando-se apresentar um modelo nÃo-paramÃtrico e determinÃstico para a
transformaÃÃo chuva-deflÃvio, sÃo utilizadas as Redes Neurais Artificiais, as quais tÃm
apresentado desempenho satisfatÃrio na modelagem de problemas de difÃcil prediÃÃo,
inclusive no Ãmbito dos recursos hÃdricos. Para o estudo de caso foi escolhida a bacia
hidrogrÃfica da Barragem Arneiroz II, a qual dispÃe de um posto fluviomÃtrico com uma
sÃrie pseudo-histÃrica 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 propagaÃÃo atravÃs do
programa Q-net. Para a calibraÃÃo dos modelos SMAP e HYMOD foi utilizado um
algoritmo evolucionÃrio denominado Particle Swarm Optimization (PSO). Os resultados
obtidos com o modelo de RNA foram comparados aos resultados obtidos pelos modelos
SMAP e HYMOD atravÃs do parÃmetro de desempenho proposto por Nash & Sutcliffe
(1970). Os resultados obtidos mostraram que o modelo HYMOD foi aquele para o qual
parÃmetro de Nash obtido foi maior que os valores dos modelos SMAP e RNA. A
modelagem chuva-deflÃvio com as RNA nÃo apresentaram resultados satisfatÃrios se
comparados aos outros dois modelos hidrolÃgicos empregados. Isto pode ser justificado
pelo fato de que o modelo considerou apenas os dados de pluviometria, nÃo tendo sido
abastecido com outras variÃveis importantes na definiÃÃo do fenÃmeno chuva-vazÃo. / A modelagem do comportamento de fenÃmenos complexos, como a transformaÃÃo de
chuva em vazÃo, envolve o ajuste de uma sÃrie de parÃmetros, conferindo relativa
dificuldade para sua prediÃÃo. No Estado do CearÃ, esta tarefa se torna ainda mais
complicada, devido à carÃncia de dados fluviomÃtricos, e, sobretudo por se tratar de uma
regiÃo caracterizada pelos baixos Ãndices pluviomÃtricos e pelo regime fluviomÃtrico
intermitente preponderante. Os modelos do tipo transformaÃÃo de chuva em vazÃo SMAP
e HYMOD em intervalo diÃrio, os quais apresentam como entradas, alÃm da altura mÃdia
de precipitaÃÃo, a evaporaÃÃo, tÃm sido aplicados a bacias hidrogrÃficas do CearÃ
apresentando bons Ãndices de correlaÃÃo na fase de validaÃÃo. A calibraÃÃo destes
modelos envolve o ajuste dos seus parÃmetros percorrendo-se um espaÃo de busca a fim
de se minimizar uma funÃÃo objetivo, tratando-se de um processo estocÃstico. Desta
forma, objetivando-se apresentar um modelo nÃo-paramÃtrico e determinÃstico para a
transformaÃÃo chuva-deflÃvio, sÃo utilizadas as Redes Neurais Artificiais, as quais tÃm
apresentado desempenho satisfatÃrio na modelagem de problemas de difÃcil prediÃÃo,
inclusive no Ãmbito dos recursos hÃdricos. Para o estudo de caso foi escolhida a bacia
hidrogrÃfica da Barragem Arneiroz II, a qual dispÃe de um posto fluviomÃtrico com uma
sÃrie pseudo-histÃrica 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 propagaÃÃo atravÃs do
programa Q-net. Para a calibraÃÃo dos modelos SMAP e HYMOD foi utilizado um
algoritmo evolucionÃrio denominado Particle Swarm Optimization (PSO). Os resultados
obtidos com o modelo de RNA foram comparados aos resultados obtidos pelos modelos
SMAP e HYMOD atravÃs do parÃmetro de desempenho proposto por Nash & Sutcliffe
(1970). Os resultados obtidos mostraram que o modelo HYMOD foi aquele para o qual
parÃmetro de Nash obtido foi maior que os valores dos modelos SMAP e RNA. A
modelagem chuva-deflÃvio com as RNA nÃo apresentaram resultados satisfatÃrios se
comparados aos outros dois modelos hidrolÃgicos empregados. Isto pode ser justificado
pelo fato de que o modelo considerou apenas os dados de pluviometria, nÃo tendo sido
abastecido com outras variÃveis importantes na definiÃÃo do fenÃmeno chuva-vazÃo.

Identiferoai:union.ndltd.org:IBICT/oai:www.teses.ufc.br:7531
Date04 September 2009
CreatorsFrancisco Alberto de Assis Teixeira
ContributorsSilvrano Adonias Dantas Neto, Francisco de Assis de Souza Filho, Josà SÃrgio dos Santos
PublisherUniversidade Federal do CearÃ, Programa de PÃs-GraduaÃÃo em Engenharia Civil, UFC, BR
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFC, instname:Universidade Federal do Ceará, instacron:UFC
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0024 seconds