Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/42331

Comparte esta pagina

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorCoutinho, Artur Paiva-
dc.contributor.authorCALADO, Gabriel Magno Cavalcante-
dc.date.accessioned2021-12-28T12:44:08Z-
dc.date.available2021-12-28T12:44:08Z-
dc.date.issued2021-08-31-
dc.date.submitted2021-12-28-
dc.identifier.citationCALADO, Gabriel Magno Cavalcante. Análise comparativa entre distribuições de probabilidades para geração de séries sintéticas de precipitações diárias em cidades do Agreste de Pernambuco. 2021. Trabalho de Conclusão de Curso de Graduação em Engenharia Civil - Universidade Federal de Pernambuco, Caruaru, 2021.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/42331-
dc.description.abstractO acesso aos recursos hídricos é um fator indispensável no desenvolvimento de uma região. Assim, o conhecimento de variáveis climatológicas relacionadas às precipitações é essencial para o desenvolvimento de obras de infraestrutura hídrica para garantir a produção e o abastecimento da população durante todo o ano. As séries sintéticas figuram-se como aliadas para estudos de implantação dessas obras, quando os dados históricos de precipitações são curtos e/ou apresentam muitas falhas. Diante disso, o objetivo deste trabalho é montar procedimentos de geração das séries sintéticas de precipitações diárias para cidades do agreste de Pernambuco, avaliando qual e o que melhor se adapta. Nesse sentido, são utilizados processos estocásticos markovianos associados às distribuições de probabilidade Gama e Exponencial Mista que incorporam conceitos do método de Monte Carlo. Aplicou-se o modelo em estações pluviométricas nas cidades de Alagoinha, Canhotinho e Limoeiro. Após a análise da ordem das cadeias, pode-se generalizar a primeira para o conjunto de estudo. Pelo teste de KS a maioria das diferenças encontradas ficaram abaixo do valor crítico e através do cálculo do RMSE e MAE obteve-se bons resultados, com valores muito próximo de zero (ideal), com destaque para a distribuição exponencial, com desempenho superior na maioria dos casos analisados. Na comparação das séries geradas com os dados observados, em relação às médias, desvios e extensão dos períodos chuvosos, foram atingidos resultados próximos do esperado. O modelo teve baixo desempenho somente na geração das chuvas máximas, apresentando grandes diferenças nos meses em que ocorreram as maiores precipitações e tendências de subestimativa pela função Gama, que para sua confirmação, bem como a generalização do melhor método para a região dever-se-ia aumentar o conjunto de análise.pt_BR
dc.format.extent53p.pt_BR
dc.language.isoporpt_BR
dc.rightsembargoedAccesspt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectcadeias de Markovpt_BR
dc.subjectdistribuição de probabilidadespt_BR
dc.subjectMétodo de Monte Carlopt_BR
dc.titleAnálise comparativa entre distribuições de probabilidades para geração de séries sintéticas de precipitações diárias em cidades do Agreste de Pernambuco.pt_BR
dc.typebachelorThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/3094972852643172pt_BR
dc.degree.levelGraduacaopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/9407718849634806pt_BR
dc.subject.cnpq::Engenharias::Engenharia Civilpt_BR
dc.degree.departament::(CAA-NT) - Núcleo de Tecnologiapt_BR
dc.degree.graduation::CAA-Curso de Graduação em Engenharia Civilpt_BR
dc.degree.grantorUniversidade Federal de Pernambucopt_BR
dc.degree.localCaruarupt_BR
dc.identifier.orcidhttps://orcid.org/0000-0001-6801-2399pt_BR
Aparece en las colecciones: TCC- Engenharia Civil - Bacharelado

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TCC_Gabriel_Magno_Engenharia_Civil.pdf4,32 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons