Previsão de precipitações utilizando a técnica de previsão por conjuntos e um algoritmo baseado no vizinho mais próximo

  • Márcio Francisco Dutra e Campos UNICAMP
  • Maury Meirelles Gouvêa Júnior PUC Minas

Resumo


Este trabalho apresenta um método de previsão de precipitações que utiliza a abordagem estocástica de previsão por conjuntos (ensembles) e a técnica do vizinho mais próximo (KNN) para selecionar, entre várias distribuições de probabilidades candidatas, aquelas que melhor aderem aos dados observados. A pesquisa utiliza as séries históricas de dados hidrológicos disponibilizados pela Agência Nacional de Águas (ANA). Os resultados preliminares mostram que o método proposto gera previsões que são, pelo menos, comparáveis a diversos métodos de regressão.

Referências

Andrade, M. A., Mello, C. D., & Beskow, S. (2013). Simulação hidrológica em uma bacia hidrográfica representativa dos Latossolos na região Alto Rio Grande, MG. Revista Brasileira de Engenharia Agrícola e Ambiental, 17(1), 69-76.

Caldeira, T. L., Beskow, S., de Mello, C. R., Faria, L. C., de Souza, M. R., & Guedes, H. A. (2015). Modelagem probabilística de eventos de precipitação extrema no estado do Rio Grande do Sul. R. Bras. Eng. Agríc. Ambiental, 19(3), 197-203.

Fan, F. M., Ramos, M.-H., & Collischonn, W. (2015). Sobre o uso de previsões hidrológicas probabilísticas para tomada de decisão. Revista Brasileira de Recursos Hídricos, 20(4), 914–926.

Franco, C. S., Marques, R. F., Oliveira, A. S., & de Oliveira, L. F. (2014). Distribuição de probabilidades para precipitação máxima diária na Bacia Hidrográfica do Rio Verde, Minas Gerais. Revista Brasileira de Engenharia Agricola e AmbientalAgriambi, 18(7).

García-Marín, A., Roldán-Cañas, J., Estévez, J., Moreno-Pérez, F., Serrat-Capdevila, A., González, J., ... & Giráldez, J. V. (2014). La hidrología y su papel en ingeniería del agua. Ingeniería del agua, 18(1), 1-14.

Kottegoda, N. T., Natale, L., & Raiteri, E. (2014). Monte Carlo Simulation of rainfall hyetographs for analysis and design. Journal of Hydrology, 519, 1-11.

Lall, Upmanu, and Ashish Sharma. "A nearest neighbor bootstrap for resampling hydrologic time series." Water Resources Research 32.3 (1996): 679-693.

Mishra, A. K., & Desai, V. R. (2005). Drought forecasting using stochastic models. Stochastic Environmental Research and Risk Assessment, 19(5), 326–339. DOI: 10.1007/s00477-005-0238-4

Naghettini, M. & Pinto, É. J. D. A. (2007). Hidrologia Estatística. Companhia de Pesquisa de Recursos Minerais (CPRM), 552 p.

Nowak, K., Prairie, J., Rajagopalan, B., & Lall, U. (2010). A nonparametric stochastic approach for multisite disaggregation of annual to daily streamflow. Water Resources Research, 46(8).

Souza, F. A. O. De, Silva, C. L. Da, Maggiotto, S. R., & Oliveira Júnior, M. P. De. (2012). Caracterização das vazões em uma pequena bacia hidrográfica do Distrito Federal, Brasil. Revista Brasileira de Engenharia Agrícola E Ambiental, 16(1), 10–17. DOI: 10.1590/S1415-43662012000100002

Scheuerer, M. (2014). Probabilistic quantitative precipitation forecasting using ensemble model output statistics. Quarterly Journal of the Royal Meteorological Society, 140(680), 1086-1096.

Sraj, M., Viglione, A., Parajka, J., & Bloschl, G. (2016). The influence of nonstationarity in extreme hydrological events on flood frequency estimation. Journal of Hydrology and Hydromechanics, 64(4), 426–437. DOI: 10.1515/johh-2016-0032

Taillardat, M., Mestre, O., Zamo, M., & Naveau, P. (2016). Calibrated ensemble forecasts using quantile regression forests and ensemble model output statistics. Monthly Weather Review, 144(6), 2375-2393.

Todini, E. (2007). Hydrological catchment modelling: past, present and future. Hydrological Earth System Science, 11(1), 468–482. DOI: 10.5194/hess-11-468-2007
Publicado
02/07/2017
DUTRA E CAMPOS, Márcio Francisco; GOUVÊA JÚNIOR, Maury Meirelles. Previsão de precipitações utilizando a técnica de previsão por conjuntos e um algoritmo baseado no vizinho mais próximo. In: WORKSHOP DE COMPUTAÇÃO APLICADA À GESTÃO DO MEIO AMBIENTE E RECURSOS NATURAIS (WCAMA), 8. , 2017, São Paulo. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2017 . p. 840-849. ISSN 2595-6124. DOI: https://doi.org/10.5753/wcama.2017.3444.