2014
DOI: 10.21168/rbrh.v19n3.p111-126
|View full text |Cite
|
Sign up to set email alerts
|

Simulação de Vazões e Níveis de Água Médios Mensais para o Rio Tapajós Usando Modelos ARIMA

Abstract: Este trabalho apresenta uma análise de previsões de vazão e níveis de águamédios mensais, com antecedência de 24 meses, para a bacia do rio Tapajós, PA, utilizando modelos estocásticos do tipo ARIMA. A identificação do modelo foi feita através da análise do coeficiente e função de autocorrelação (ACF) e do coeficiente e função de autocorrelação parcial (PACF). Os critérios de verossimilhança apresentaram menores valores para o modelo ARIMA (1,0,0)(1,1,1) 12 . Os critérios de desempenho usados foram o coeficien… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1
1
1

Citation Types

0
1
0
4

Year Published

2018
2018
2023
2023

Publication Types

Select...
4
1

Relationship

1
4

Authors

Journals

citations
Cited by 5 publications
(5 citation statements)
references
References 8 publications
0
1
0
4
Order By: Relevance
“…Inverse Distance Weighted (IDW), available in the Spatial Analyst extension of Geographic Information System (GIS) ArcGIS 10.5, elaborated the interpolation and spatial distribution of both rainfall intensity and parameters a, b, c, and k. The validation of the probability distribution model used in the present study was developed with the use of R² coefficient of determination or that of Nashande Sutcliffe (1970) and RMSE (Root Mean Square Error) expressed by Equations 13 and 14, respectively. Several studies have used such coefficients as a criterion of performance analysis of results in the validation of various models (e.g., those developed by Figueiredo and Blanco (2014), Mota (2014), Sousa and Paula (2018), Cruz et al (2019), Ferreira Filho et al (2019, among others).…”
Section: 𝒁 ̂(𝒔 𝟎 ) = ∑ 𝝀 𝒊 𝒁(𝒔 𝒊 )mentioning
confidence: 99%
“…Inverse Distance Weighted (IDW), available in the Spatial Analyst extension of Geographic Information System (GIS) ArcGIS 10.5, elaborated the interpolation and spatial distribution of both rainfall intensity and parameters a, b, c, and k. The validation of the probability distribution model used in the present study was developed with the use of R² coefficient of determination or that of Nashande Sutcliffe (1970) and RMSE (Root Mean Square Error) expressed by Equations 13 and 14, respectively. Several studies have used such coefficients as a criterion of performance analysis of results in the validation of various models (e.g., those developed by Figueiredo and Blanco (2014), Mota (2014), Sousa and Paula (2018), Cruz et al (2019), Ferreira Filho et al (2019, among others).…”
Section: 𝒁 ̂(𝒔 𝟎 ) = ∑ 𝝀 𝒊 𝒁(𝒔 𝒊 )mentioning
confidence: 99%
“…Em vista disso, buscou-se avaliar a influência entre as precipitações defasadas nas estações pluviométricas e as vazões, conforme o trabalho de Debastiani et al (2016). O coeficiente de autocorrelação ( k ρ ), definido na Equação 5, é a correlação entre os valores da série temporal em um determinado período de tempo e os valores da mesma série em um outro momento no tempo, ou seja, entre a série e ela mesma defasada k intervalos (Figueiredo & Blanco, 2014). Porém, há a necessidade de filtrar a influência de correlações levadas em consideração, em defasagens mais curtas da série temporal.…”
Section: Redes Neurais Artificiaisunclassified
“…Porém, há a necessidade de filtrar a influência de correlações levadas em consideração, em defasagens mais curtas da série temporal. E, com a finalidade de identificar as correlações filtradas entre as vazões e seus respectivos valores defasados, é utilizado o coeficiente de autocorrelação parcial ( kk φ ), definido pela Equação 6 (Figueiredo & Blanco, 2014).…”
Section: Redes Neurais Artificiaisunclassified
“…Bayer et al (2012) avaliando modelos de séries temporais para a bacia hidrográfica do rio Potiribu escolheram como melhor modelo SARIMA(3,0,0)(2,1,2)12, que apresentou um CNS de 0,68 e 0,81 para as etapas de calibração e validação, respectivamente. Figueiredo & Blanco (2014) simulando vazões e níveis de água médios mensais para o rio Tapajós, PA, escolheram o modelo SARIMA(1,0,0)(1,1,1)12, que apresentou CNS médio de 0,92 para etapa de calibração e 0,91 para a validação.…”
Section: Figura 8 -Periodograma Da Série De Vazões Mensaisunclassified