Published May 26, 2017 | Version v1
Publication Open

Uncertainty Quantification in Discharge Curves of Fluviometric Stations Using Bayesian Inference

  • 1. Universidade Federal do Paraná

Description

O objetivo deste artigo é apresentar a construção de uma região de confiabilidade probabilística em torno de curvas de descarga previamente definidas para diferentes postos fluviométricos, com o intuito de considerar as incertezas na obtenção de valores de vazão fluviométrica calculados por meio da utilização destas curvas. Modelos Bayesianos com algoritmos de amostragem MCMC (Monte Carlo via Cadeias de Markov) são construídos e aplicados às distribuições de probabilidade dos erros obtidos com a comparação de valores de vazão fluviométrica previstas (resultantes da aplicação das curvas de descarga) e observadas (por meio de métodos convencionais). Para este estudo registros de três postos hidrológicos monitorados pela COPEL (Companhia Paranaense de Energia) e de dez postos hidrológicos monitorados pela CEMIG (Companhia Energética de Minas Gerais) foram analisados e utilizados. Os resultados demonstraram que a abordagem Bayesiana revelou-se adequada aos objetivos propostos, permitindo a construção da região de confiabilidade e, com ela, a avaliação das incertezas associadas à utilização das curvas de descarga.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

O objetivo deste artigo é apresentar a construção de uma região de confiabilidade probabilística em torno de curvas de descarga previamente definidas para diferentes postos fluviométricos, com o intuito de considerar as incertezas na obtenção de valores de vazão fluviométrica calculados por meio da useização destas curvas. Modelos Bayesianos com algoritmos de amostragem MCMC (Monte Carlo via Cadeias de Markov) são construídos e aplicados às distribuições de probabilidade dos erros obtidos com a comparação de valores de vazão fluviométrica previstas (resultantes da aplicação das curvas de descarga) e observadas (por meio de métodos convencionais). Para estudo registros de três postos hidrológicos monitorados pela COPEL (Companhia Paranaense de Energia) e dez postos hidrológicos monitorados pela CEMIG (Companhia Energética de Minas Gerais) foram analisados e utilizados. نتائج التظاهر كيو a abordagem Bayesiana revelou - se adequada aos objetivos propostos, permitindo a construção da região de Confiabilidade e, com ela, a avaliação das incertezas associadas à utilização das curvas de descarga.

Translated Description (French)

O objetivo deste artigo é apresentar a construção de uma região de confiabilidade probabilística em torno de curvas de descarga previamente definidas para diferentes postos fluviométricos, com o intuito de considerar as incertezas na obtenção de valores de vazão fluviométrica calculados por meio da utilização destas curvas. Modelos Bayesianos com algoritmos de amostragem MCMC (Monte Carlo via Cadeias de Markov) são construídos e aplicados às distribuições de probabilidade dos erros obtidos com a comparação de valores de vazão fluviométrica previstas (resultantes da aplicação das curvas de descarga) e observadas (por meio de métodos convencionais). Para este estudo registros de três postos hidrológicos monitorados pela COPEL (Companhia Paranaense de Energia) e de dez postos hidrológicos monitorados pela CEMIG (Companhia Energética de Minas Gerais) foram analisados e utilizados. Os resultados demonstraram que a abordagem Bayesiana revelou-se adequada aos objetivos propostos, permitindo a construção da região de confiabilidade e, com ela, a avaliação das incertezas associadas à utilização das curvas de descarga.

Translated Description (Spanish)

O objetivo deste artigo é apresentar a construção de uma região de confiabilidade probabilística em torno de curvas de descarga previamente definidas para diferentes postos fluviométricos, com o intuito de considerar como incertezas na obtenção de valores de vazão fluviométrica calculados por meio da utilização destas curvas. Modelos Bayesianos com algoritmos de amostragem MCMC (Monte Carlo via Cadeias de Markov) são construidos e aplicados às distribuições de probabilidade dos erros obtidos com a comparação de valores de vazão fluviométrica previstas (resultantes da aplicação das curvas de descarga) e observadas (por meio de métodos convencionais). Para este estudo registros de três postos hidrológicos monitorizados pela COPEL (Companhia Paranaense de Energia) e dez postos hidrológicos monitorados pela CEMIG (Companhia Energética de Minas Gerais) foram analisados e utilizados. Os resultados demonstraram que a abordagem Bayesiana revelou-se adequada aos objetivos propostos, permitindo a construção da região de confiabilidade e, com ela, a avaliação das incertezas associadas à utilização das curvas de descarga.

Files

13773.pdf

Files (1.7 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:45769121ba9fad0c685df83a6af7fbd4
1.7 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
القياس الكمي لعدم اليقين في منحنيات التفريغ لمحطات قياس التدفق باستخدام الاستدلال البايزي
Translated title (French)
Quantification de l'incertitude dans les courbes de décharge des stations fluviométriques par inférence bayésienne
Translated title (Spanish)
Cuantificación de la incertidumbre en las curvas de descarga de estaciones fluviométricas mediante inferencia bayesiana

Identifiers

Other
https://openalex.org/W2730890564
DOI
10.11137/2017_2_266_277

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Brazil