Sandra Regina Vaz da Silva, Thales Rangel Ferreira, Fabricio Goecking Avelar, Gilberto Rodrigues Liska, J. Muniz, Luiz Alberto Beijo
{"title":"petropolis (RJ)和pocos de Caldas (MG)最大降水贝叶斯模型","authors":"Sandra Regina Vaz da Silva, Thales Rangel Ferreira, Fabricio Goecking Avelar, Gilberto Rodrigues Liska, J. Muniz, Luiz Alberto Beijo","doi":"10.1590/s1413-415220210342","DOIUrl":null,"url":null,"abstract":"Resumo As cidades de Petrópolis (RJ) e Poços de Caldas (MG) estão situadas em regiões serranas de seus respectivos estados e sofrem frequentemente com estragos provocados por fortes chuvas. Analisar e prever a ocorrência de precipitações máximas nessas localidades são fundamentais para o planejamento de atividades vulneráveis à sua ocorrência. A modelagem dessa variável é feita geralmente com distribuição generalizada de valores extremos (GEV), e a metodologia bayesiana tem apresentado bons resultados na estimação de seus parâmetros. Sendo assim, o presente estudo teve como objetivos ajustar a distribuição GEV às séries históricas de precipitação máxima de Petrópolis e Poços de Caldas e avaliar diferentes estruturas de distribuições a priori, informativas e não informativas, na predição da precipitação máxima esperada para diferentes tempos de retorno. Foram analisados o número de acertos e a precisão a fim de avaliar as previsões obtidas com as informações advindas das precipitações máximas de diferentes localidades para eliciação da distribuição a priori. A obtenção das distribuições marginais a posteriori foi realizada usando-se o método Monte Carlo via cadeias de Markov. A utilização da distribuição a priori informativa fundamentada nos dados de Poços de Caldas foi mais precisa e teve maior número de acertos para predizer as precipitações máximas para Petrópolis, enquanto para Poços de Caldas foi a priori informativa com base nas informações de São João da Boa Vista (SP). Para ambas as localidades, espera-se que, em um tempo médio de cinco anos, ocorra pelo menos um dia com precipitação máxima igual ou superior a 100 mm.","PeriodicalId":11619,"journal":{"name":"Engenharia Sanitaria E Ambiental","volume":"1 1","pages":""},"PeriodicalIF":0.4000,"publicationDate":"2023-04-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Modelagem bayesiana da precipitação máxima de Petrópolis (RJ) e Poços de Caldas (MG)\",\"authors\":\"Sandra Regina Vaz da Silva, Thales Rangel Ferreira, Fabricio Goecking Avelar, Gilberto Rodrigues Liska, J. Muniz, Luiz Alberto Beijo\",\"doi\":\"10.1590/s1413-415220210342\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Resumo As cidades de Petrópolis (RJ) e Poços de Caldas (MG) estão situadas em regiões serranas de seus respectivos estados e sofrem frequentemente com estragos provocados por fortes chuvas. Analisar e prever a ocorrência de precipitações máximas nessas localidades são fundamentais para o planejamento de atividades vulneráveis à sua ocorrência. A modelagem dessa variável é feita geralmente com distribuição generalizada de valores extremos (GEV), e a metodologia bayesiana tem apresentado bons resultados na estimação de seus parâmetros. Sendo assim, o presente estudo teve como objetivos ajustar a distribuição GEV às séries históricas de precipitação máxima de Petrópolis e Poços de Caldas e avaliar diferentes estruturas de distribuições a priori, informativas e não informativas, na predição da precipitação máxima esperada para diferentes tempos de retorno. Foram analisados o número de acertos e a precisão a fim de avaliar as previsões obtidas com as informações advindas das precipitações máximas de diferentes localidades para eliciação da distribuição a priori. A obtenção das distribuições marginais a posteriori foi realizada usando-se o método Monte Carlo via cadeias de Markov. A utilização da distribuição a priori informativa fundamentada nos dados de Poços de Caldas foi mais precisa e teve maior número de acertos para predizer as precipitações máximas para Petrópolis, enquanto para Poços de Caldas foi a priori informativa com base nas informações de São João da Boa Vista (SP). Para ambas as localidades, espera-se que, em um tempo médio de cinco anos, ocorra pelo menos um dia com precipitação máxima igual ou superior a 100 mm.\",\"PeriodicalId\":11619,\"journal\":{\"name\":\"Engenharia Sanitaria E Ambiental\",\"volume\":\"1 1\",\"pages\":\"\"},\"PeriodicalIF\":0.4000,\"publicationDate\":\"2023-04-03\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Engenharia Sanitaria E Ambiental\",\"FirstCategoryId\":\"93\",\"ListUrlMain\":\"https://doi.org/10.1590/s1413-415220210342\",\"RegionNum\":4,\"RegionCategory\":\"环境科学与生态学\",\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"WATER RESOURCES\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Engenharia Sanitaria E Ambiental","FirstCategoryId":"93","ListUrlMain":"https://doi.org/10.1590/s1413-415220210342","RegionNum":4,"RegionCategory":"环境科学与生态学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"WATER RESOURCES","Score":null,"Total":0}
引用次数: 0
摘要
petropolis (RJ)和pocos de Caldas (MG)城市位于各自州的山区,经常遭受暴雨造成的破坏。分析和预测这些地区最大降水的发生,对于规划易受其发生影响的活动至关重要。该变量的建模通常采用广义极值分布(GEV),贝叶斯方法在其参数估计方面取得了良好的结果。因此,本研究旨在调整petropolis和pocos de Caldas最大降水历史序列的GEV分布,并评估不同的先验分布结构,包括信息和非信息,以预测不同回归时间的最大预期降水。分析了命中次数和准确性,以评估从不同地点的最大降雨量获得的预测,以激发先验分布。采用马尔可夫链蒙特卡罗方法获得边际后验分布。使用基于pocos de Caldas数据的先验信息分布预测petropolis的最大降雨量更准确,有更多的成功,而pocos de Caldas的先验信息分布基于sao joao da Boa Vista (SP)的信息。对于这两个地区,预计在平均5年的时间里,至少有一天最大降雨量等于或大于100毫米。
Modelagem bayesiana da precipitação máxima de Petrópolis (RJ) e Poços de Caldas (MG)
Resumo As cidades de Petrópolis (RJ) e Poços de Caldas (MG) estão situadas em regiões serranas de seus respectivos estados e sofrem frequentemente com estragos provocados por fortes chuvas. Analisar e prever a ocorrência de precipitações máximas nessas localidades são fundamentais para o planejamento de atividades vulneráveis à sua ocorrência. A modelagem dessa variável é feita geralmente com distribuição generalizada de valores extremos (GEV), e a metodologia bayesiana tem apresentado bons resultados na estimação de seus parâmetros. Sendo assim, o presente estudo teve como objetivos ajustar a distribuição GEV às séries históricas de precipitação máxima de Petrópolis e Poços de Caldas e avaliar diferentes estruturas de distribuições a priori, informativas e não informativas, na predição da precipitação máxima esperada para diferentes tempos de retorno. Foram analisados o número de acertos e a precisão a fim de avaliar as previsões obtidas com as informações advindas das precipitações máximas de diferentes localidades para eliciação da distribuição a priori. A obtenção das distribuições marginais a posteriori foi realizada usando-se o método Monte Carlo via cadeias de Markov. A utilização da distribuição a priori informativa fundamentada nos dados de Poços de Caldas foi mais precisa e teve maior número de acertos para predizer as precipitações máximas para Petrópolis, enquanto para Poços de Caldas foi a priori informativa com base nas informações de São João da Boa Vista (SP). Para ambas as localidades, espera-se que, em um tempo médio de cinco anos, ocorra pelo menos um dia com precipitação máxima igual ou superior a 100 mm.