On the Outputs of the Stochasticized Nash-Dooge Linear Reservoir Cascade

Bodo, Byron A.; Unny, T. E.

doi:10.1007/978-94-009-4792-4_8

Cited by 10 publications

(3 citation statements)

References 21 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…As bases físicas são explicadas por funções de transferência de uma série de reservatórios lineares (Nash, 1958). Para propostas nas quais se pretende modelar a resposta de uma bacia de forma geral, a idealização da bacia como um reservatório de armazenamento linear é o mais elementar entre vários níveis de conceptualização que isso envolve (Bodo e Unny, 1987). O parâmetro n demonstra o número de reservatórios e a é igual ao inverso do coeficiente de reservatório normalmente usado.…”

Section: Modelagem Das Séries Temporais De Monitoramentounclassified

Mapeamento das características dinâmicas do nível freático do Sistema Aquífero Bauru como instrumento de gestão de recursos hídricos

Manzione

2018

Geol. USP. Sér. Cient.

View full text Add to dashboard Cite

O objetivo deste trabalho foi mapear o tempo de resposta dos níveis freáticos de aquíferos. Para tanto, recorreu-se à extração de séries temporais de dados de monitoramento de níveis freáticos, precipitação e evapotranspiração potencial em uma área representativa do Sistema Aquífero Bauru (SAB) na região hidrográfica do Médio Paranapanema (UGRHI-17), situada no Estado de São Paulo. A partir desses dados utilizou-se o modelo Predefined Impulse Response Function in Continuous Time (PIRFICT), obtendo-se uma função impulso-resposta (IR) cujos parâmetros são interpolados por metodologia geoestatística. Os resultados apresentaram-se como importantes ferramentas de auxílio para os tomadores de decisão quanto à adoção de práticas de manejo de resíduos e efluentes, uso da água, planos de remediação e políticas públicas para a gestão dos recursos hídricos subterrâneos.

show abstract

Section: Modelagem Das Séries Temporais De Monitoramentounclassified

Mapeamento das características dinâmicas do nível freático do Sistema Aquífero Bauru como instrumento de gestão de recursos hídricos

Manzione

2018

Geol. USP. Sér. Cient.

View full text Add to dashboard Cite

show abstract

“…The physical bases are explained by transfer functions of a series of linear reservoirs (NASH, 1958). For proposals where it is intended to model the response of a basin in general, the idealization of the basin as a reservoir of linear storage is the most elementary among several levels of conceptualization that involves (BODO; UNNY, 1987). The parameter n shows the number of reservoirs and a is equal to the inverse of the normally used reservoir coefficient.…”

Section: Estimating Groundwater Systems Response Characteristicsmentioning

confidence: 99%

Physical-based time series model applied on water table depths dynamics characteristics simulation

Manzione

2018

RBRH

View full text Add to dashboard Cite

Time series modelling applied to study water table depths monitoring data is an elegant way to model irregular and continuous data. When successive observations are dependent, future values may be predicted from past observations, and target parameters can be estimated. These may include expected values of groundwater levels, or probabilities that critical levels are exceeded at certain times or during certain periods. These target parameters are estimated with the purpose of obtaining characteristics of the development of a certain domain in time and such characteristics can, for instance, be extrapolated to future situations. In a system identification approach, is it possible to establish the dynamic relationship between water table perturbations and climatological events, vegetation, hydrogeological local conditions, management and groundwater abstraction. The aim of this work was demonstrate the use of a physical-based time series model to stablish the relationship between precipitation and water table depths from hydrogeological monitoring data. The results enabled to infer about water table dynamics even when it is affected by different climatological patterns, simulating mean, maximum and minimum states.Keywords: Modelling; Groundwater; Monitoring; PIRFICT model. RESUMOA análise de séries temporais aplicada ao estudo de dados de monitoramento do nível freático é uma maneira elegante de modelar dados irregulares e contínuos. Quando observações sucessivas são dependentes, os valores futuros podem ser previstos a partir de observações passadas, e os parâmetros alvo podem ser estimados. Estes podem incluir os valores esperados das profundidades das águas subterrâneas, ou probabilidades de que os níveis críticos sejam excedidos em determinados momentos ou durante determinados períodos. Estes parâmetros alvo são estimados com a finalidade de obter características do desenvolvimento de um determinado domínio no tempo, e tais características podem, por exemplo, ser extrapoladas para situações futuras. Através de uma abordagem de identificação de sistema, é possível estabelecer a relação dinâmica entre perturbações nos níveis freáticos e eventos climáticos, vegetação, condições hidrogeológicas locais, manejo e abstração das águas subterrâneas. O objetivo desse trabalho foi demonstrar a aplicação de um modelo de séries temporais fisicamente embasado no estabelecimento da relação entre precipitação e oscilação de níveis freáticos a partir de dados de monitoramento hidrogeológico. Os resultados permitiram inferir sobre a dinâmica dos níveis freáticos mesmo quando afetados por diferentes padrões climatológicos, simulando estados médios, mínimos e máximos de alturas do nível freático. Physical-based time series model applied on water table depths dynamics characteristics simulation Palavras

show abstract

“…They treated parameters such as precipitation, evaporation, and the in®ltration (F )-index as stochastic. Bodo and Unny (1987) formulated a model that considered evaporation and precipitation as random inputs and also incorporated the relevant SDEs. Sarino and Serrano (1990) used simple watershed models, such as the Nash cascade of n equal linear reservoirs, to investigate the effects of errors generated by the temporal variability of data.…”

Section: Introductionmentioning

confidence: 99%