Comportamento e previsão do nível do rio Cuiabá por meio de modelos SETAR

Authors

  • Elianara Martins de Almeida Departamento de Estatística,Instituto de Ciências Exatas e da Terra, Universidade Federal de Mato Grosso
  • Anderson Castro Soares de Oliveira Departamento de Estatística,Instituto de Ciências Exatas e da Terra, Universidade Federal de Mato Grosso
  • Luciana Sanches Departamento de Engenharia Sanitária e Ambiental, Faculdade de Arquitetura, Engenharia e Tecnologia, Universidade Federal de Mato Grosso https://orcid.org/0000-0002-3645-3541
  • Marcelino Alves Rosa de Pascoa Departamento de Estatística,Instituto de Ciências Exatas e da Terra, Universidade Federal de Mato Grosso

Abstract

As enchentes já provocaram grandes inundações à população que vive em torno do rio Cuiabá, e para minimizar esse feito construíram a barragem da usina do Manso no ano de 2000. No entanto, as comunidades ribeirinhas ainda são afetadas pela cheias do rio. Desta forma, o objetivo principal desse trabalho é analisar o comportamento da série temporal do nível diário de água do rio Cuiabá, e propor modelos de previsão por meio do modelo SETAR. Para análise utilizou-se as estações Rosário Oeste e Barão de Melgaço, com cota média diária, no período de 1988 a 2012. Observou-se um comportamento sazonal do nível do rio, e que ocorreu um aumento da cota mínima do rio expressivo após a implantação da barragem. Foram estimados modelos SETAR com threshold pré-definido pela mediana, que produziram boas previsões.

References

AMIRI, E. Forecasting daily river flows using nonlinear time series models. Journal of Hydrology , v. 527, p. 1054-1072, 2015.

CHAN, K.; RIPLEY, B. TSA: Time Series Analysis : https://CRAN.Rproject.org/package=TSA, 2018. (R package version 1.2).

CRYER, J.; CHAN, K. Time Series Analysis: With Applications in R. Springer New York, 2008. (Springer Texts in Statistics).

GIRARD, P.; FANTIN-CRUZ, I.; DE OLIVEIRA, S.M.L.; HAMILTON, S. K. Small-scale spatial variation of inundation dynamics in a floodplain of the pantanal (brazil). Hydrobiologia, v. 638, n. 1, p. 223-233, Jan 2010.

GOERL, R. F.; KOBIYAMA, M. Considerações sobre as inundações no Brasil. In: XVI Simpósio Brasileiro de Recursos Hídricos. 2005.

HYNDMAN R. J.;KOEHLER, A. B. Another look at forecast-accuracy metrics for intermittent demand. Foresight: International Journal of Applied Forecasting, v. 4, p. 43-46, 2006.

LOVERDE-OLIVEIRA, S.M.; HUSZAR, V.L.M.; MAZZEO, N; SCHEFFER, M. Hydrology-driven regime shifts in a shallow tropical lake. Ecosystems, v. 12, n. 5, p. 807, Jun 2009.

MARQUES, A. M. Não linearidades, mudanças de regime e assimetrias na taxa de inflação brasileira: Análise a partir de um modelo SETAR. Economia e Sociedade, v. 22, n. 1, p. 141-163, 2013.

MATO GROSSO. Caracterização hidrográfica do Estado de Mato Grosso: relatório preliminar. Cuiabá, 1995.

MATO GROSSO. Histórico da Defesa Civil do Estado de Mato Grosso . Rio de Janeiro, 2014. 31 p.

MORETTIN, P.; TOLOI, C. C. Análise de séries temporais. Edgard Blucher, 2006.

NARZO, A. F. D.; AZNARTE, J. L.; STIGLER, M. tsDyn: Time series analysis based on dynamical systems theory., 2009.

PAES, R. P. Análise da translação da onda de cheia efluente do reservatório da UHE Manso na bacia hidrográfica do rio Cuiabá, Mato Grosso. Dissertação (Mestrado em Engenharia Hidráulica e Saneamento) | Universidade de São Paulo, Sãoo Carlos, 2011.

PRIESTLEY, M. Spectral Analysis and Time Series. Academic Press Limited, 407, 1989.

QIU, D. snpar: Supplementary Non-parametric Statistics Methods. https://CRAN.Rproject.org/package=snpar, 2014. (R package version 1.0).

QUENOUILLE, M. H. The comparison of correlations in time-series. Journal of the Royal Statistical Society. Series B (Statistical Methodology)., v. 20, n. 1, p. 158-164, 1958.

R Core Team. R: A Language and Environment for Statistical Computing. Vienna, Austria, 2020. Disponível em: https://www.R-project.org/

SHIRASHI, F. K. Avaliação dos efeitos da construção do APM Manso no controle das cheias nas áreas urbanas das cidades de Cuiabá e Várzea Grande - MT. Dissertação (Mestrado em Engenharia Civil). Universidade Federal do Rio de Janeiro, Rio de Janeio, 2003.

STIGLER, M. tsDyn: Threshold cointegration: overview and implementation in R. 2010.

TOKAR, A.; JOHNSON, P. Rainfall-runoff modeling using artificial neural networks. Journal of Hydrologic Engineering, v. 4, n. 3, p. 232-239, 1999.

TONG, H. Non-linear Time Series: A Dynamical System Approach. : Clarendon Press, 1990. (Dynamical System Approach).

TONG, H.; LIM, K. S. Threshold autoregression, limit cycles and cyclical data. Journal of the Royal Statistical Society. Series B (Methodological), v. 42, n. 3, p. 245-292, 1980.

TUCCI, C. Hidrologia: ciência e aplicação. Editora da UFRGS/ABRH, 2002. (Coleção ABRH de recursos hídricos).

VITAL, A. R.; COSTA, E. S.; CURVO, M. Projeto de recuperações conservação da Bacia do Rio Cuiabá: Programa de educação ambiental para onze municípios da Bacia do Cuiabá. Cuiabá, 1996.

ZEILHOFER, P.; MOURA, R. M. Hydrological changes in the northern pantanal caused by the manso dam: Impact analysis and suggestions for mitigation. Ecological Engineering, v. 35, n. 1, p. 105-117, 2009.

Published

29-03-2021

How to Cite

Almeida, E. M. de, Oliveira, A. C. S. de, Sanches, L., & Pascoa, M. A. R. de. (2021). Comportamento e previsão do nível do rio Cuiabá por meio de modelos SETAR. Sigmae, 9(2), 1–13. Retrieved from http://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/1090

Issue

Section

Applied Statistics