DOIS MODELOS DE DESAGREGAO DE VAZES MENSAIS EM

DIRIAS
Fabricio Mller
COPEL - Coordenao de Planejamento - Coordenadoria de Planejamento da Gerao
Rua Marechal Deodoro, 1028 - CEP 80060-010
moz@mail.copel.br - fbrc@hotmail.com
________________________________________________________________________
RESUMO
Gerao de sries sintticas de vazes
dirias podem ser utilizadas em hidrologia em,
por exemplo, simulao de vazes mximas
ou refinamento de decises obtidas com
simulao mensal.
Este estudo visa a criao de modelos
de gerao de sries dirias de vazes que
resolvam
os
problemas
comumente
encontrados neste tipo de modelos: a no
preservao, ao mesmo tempo, da forma das
hidrgrafas encontradas no histrico e das
estatsticas mensais.
Os modelos propostos so basicamente
dois:
MSD
(Modelo
Simplificado
de
Desagregao) e MMD (Modelo Modificado de
Desagregao) e so baseados no modelo
dos fragmentos (Svanidze, 1980). Para
comparao com os modelos propostos,
geraram-se vazes por diversos modelos
existentes.
Os testes realizados mostraram que os
modelos no-paramtricos - Diana, de
Yakowitz, dos fragmentos e os propostos saram-se, na maioria dos casos, melhor que
os modelos paramtricos (os restantes), por
preservarem com maior eficincia as
caractersticas da hidrgrafa. E as estatsticas
mensais foram bem preservadas pelos
modelos propostos, tendo sido portanto
alcanado o objetivo do estudo.
INTRODUO
So inmeras as possveis utilizaes de
geraes de sries hidrolgicas sintticas no
planejamento de sistemas de aproveitamento
de recursos hdricos. A simulao mediante

modelos matemticos permite a anlise do

comportamento ou respostas de diferentes
configuraes possveis ante uma variedade
de situaes hidrolgicas ou estmulos,
podendo alcanar-se desta forma solues
tendentes ao timo dentro do planejamento,
desenho e operao de sistemas para o
aproveitamento
dos
recursos
hdricos
(Valencia et al.,1991). Em boa parte dos
casos, necessita-se apenas gerar sries
mensais ou anuais, porm s vezes isto no
o suficiente, como por exemplo no clculo do
volume de espera a ser alocado
nos
reservatrios para o controle das cheias, na
modelagem de vazes extremas ou na anlise
de segurana de barragens. O'Connell e
Jones
(1978)
(apud
Kelman,
1983)
demonstram a necessidade de sries dirias
para o clculo da confiabilidade de um
reservatrio de abastecimento de gua na
Inglaterra.
O objetivo deste trabalho tentar
resolver, de maneira satisfatria e ao mesmo
tempo, dois aspectos importantes na gerao
de vazes dirias:
1. a dificuldade em se obter um modelo
matemtico que reproduza com perfeio o
comportamento de sries dirias de vazes,
com suas ascenses rpidas e recesses
lentas;
2. a dificuldade em se obter um modelo
que, ao mesmo tempo, preserve estatsticas
mensais, anuais e dirias. Considera-se que
um modelo "preserva" estatsticas mensais ou
anuais neste trabalho quando o mesmo utiliza
estatsticas mensais ou anuais para a gerao
de sries, tendendo ento a preservar estas
estatsticas.

Estes aspectos no foram resolvidos ao

mesmo tempo porque os modelos que
resolveram o primeiro aspecto (como o
modelo Diana (Kelman et al., 1983) e o
modelo no-paramtrico (Yakowitz, 1979))
no resolvem o segundo, e os que resolvem o
segundo aspecto (como os de desagregao)
no resolvem plenamente o primeiro.
Para cumprir este objetivo so
cumpridas trs etapas:
1. gerar vazes por modelos existentes
de gerao de sries de vazes dirias;
2. proposio propriamente dita de
modelos de desagregao de vazes mensais
em dirias (MSD - Modelo Simplificado de
Desagregao e MMD - Modelo Modificado de
Desagregao) e gerar vazes por estes
modelos;
3. fazer uma comparao de resultados
obtidos pelos modelos existentes e propostos.
No estudo no sero considerados
casos de gerao multivariada, nem casos de
gerao indireta, onde geram-se precipitaes
dirias para ento transform-las em vazes.
Um exemplo de modelo de gerao de vazes
dirias por simulao indireta pode ser
encontrado em Kottegoda e Horder (1979).
Em alguns modelos, ser estimado o efeito da
chuva na srie de vazes, mas apenas
atravs do prprio registro de vazes.
interessante ressaltar que os modelos
de gerao indireta poderiam resolver alguns
dos problemas encontrados em alguns
modelos analisados neste trabalho (como
gerao de vazes negativas e a forma dos
hidrogramas), mas talvez introduzissem outros
(como a correta relao chuva-vazo e a
conseqente dificuldade na preservao de
estatsticas mensais).

ESTAO ESCOLHIDA PARA GERAO

DE SRIES
A estao fluviomtrica escolhida para o
estudo foi a de Rio dos Patos em Rio dos
Patos (cdigo do DNAEE: 64620000), na
Bacia do Rio Iva, Estado do Paran. Ela est
situada a 2512 latitude sul, 5056 longitude
leste, e tem uma rea de drenagem

correspondente de 1090 km2. Para o perodo

estudado, 1931-1993, a vazo mdia foi de
22,8 m3/s, a vazo mxima observada foi de
660,0 m3/s, em 31/5/92, e a mnima
observada foi de 0,2 m3/s, em 18/8/33. A
figura 1 mostra seis meses de registro
histrico no Rio dos Patos.

350
300
250
200
150
100
50
0

dias

Figura 1 - Seis meses de registro histrico no

Rio dos Patos

MODELOS EXISTENTES
PARA SIMULAO

ESCOLHIDOS

Escolha dos modelos

A filosofia que norteou a escolha dos
modelos de gerao de vazes dirias foi a
seguinte:
escolher pelo menos um modelo para
cada sub-item da classificao de modelos
apresentada por Mller (1997);
escolher entre os modelos mais
representativos ou mais citados em cada subitem da supracitada classificao.
Abaixo relacionada est apresentada a
classificao
de
Mller
com
os
correspondentes modelos escolhidos em cada
sub-item:
1. Modelos baseados unicamente em
simuladores de vazes mensais. Modelos
escolhidos: QUI1 e QUI2 (Quimpo, 1968) e
PAY (Payne,1969);
2. Modelos de "pulsos", que geram, por
um meio ou outro, ascenses rpidas da
hidrgrafa causadas por chuvas e estimados
unicamente atravs do registro de vazes.
Dividem-se em:

2.1. Modelos
"shot-noise".
Modelos
escolhidos: SHC, SHM e DSN
(Weiss, 1977);
2.2. Modelos baseados na transio de
probabilidades
"seco-chuvoso".
Modelo escolhido: SAR (Sargent,
1979);
2.3. Modelos de pulsos empricos.
Modelo escolhido: DIAN (modelo
Diana, apresentado por Kelman et
al., 1983) ;
3. Modelo no-paramtrico, ou de
Yakowitz (1979). Modelos escolhidos: YAK1,
YAK2, YAK3 e YAK-A.
4. Modelos de desagregao de vazes
anuais ou mensais em dirias. Modelo
escolhido: FRAG (modelo dos fragmentos
apresentado por Svanidze, 1980).
Apesar dos modelos de Yakowitz (1979)
serem
os
nicos
chamados
noparamtricos, os modelos DIAN e FRAG
tambm no so paramtricos.
Principais caractersticas
Neste item esto apresentadas algumas
caractersticas dos modelos existentes
simulados. A descrio completa destes
modelos, juntamente com a descrio de sua
aplicao em Rio dos Patos est apresentada
em Mller (1997).
Os modelos QUI1 e QUI2, estocsticos
propostos por Quimpo (1968) so adaptaes
de modelos auto-regressivos, de ordens 1 e 2,
respectivamente, para o caso de modelagem
diria. Como os modelos auto-regressivos
geram sries com mdia nula e desvio-padro
unitrio, que depois sero multiplicadas pelo
desvio-padro e somadas s mdias de longo
perodo, isto tornou invivel a pura e simples
aplicao de modelos auto-regressivos para o
caso dirio, tendo em vista a enorme
variabilidade das mdias e desvios-padro
para cada dia do ano neste caso. Para sanar
este problema, ajustada uma funo suave
e verossmil, tanto para a mdia
quanto
para o desvio-padro

. Estas funes so

as mdias e desvios-padres peridicos

obtidos por sries de Fourier para sries

dirias (Kelman, 1987a; Quimpo, 1968;

Yevjevich, 1984). Este modelo apresenta os
seguintes inconvenientes: a ascenso da
hidrgrafa no apresenta uma asceno
abrupta comparada com recesso suave,
como normalmente ocorre na srie histrica; e
no consegue reproduzir a alta assimetria e
curtose das distribuies empricas (Tao,
1973, apud Kelman, 1987b).
O modelo PAY (Payne et al., 1969) se
baseia nas sries histricas rearranjadas: as
ascenes e recesses da srie histrica so
retiradas do seu lugar de origem e realocadas
nos dias de maior probabilidade de ocorrncia.
Aps este rearranjo das vazes histricas, um
modelo log-Pearson tipo III utilizado para
gerar novas sries. O mtodo foi testado
originalmente no rio Calapooia, em Oregon,
que apresenta uma forte sazonalidade, com a
neve derretida apresentando grande influncia
na primavera, e com finais de veres
chuvosos. A aplicao de tal modelo para a
Regio Sul do Brasil, com sazonalidade muito
pouco definida, apresenta, como era de se
esperar, grandes dificuldades.
Os modelos shot-noise SHC e SHM
(Bernier, 1970, apud Kelman, 1987a; Weiss,
1977) se compem de uma srie de eventos,
obedecendo a uma lei de Poisson, cada um
produzindo um pulso de altura aleatria,
superposto a uma equao exponencial
ajustada s recesses. Isto constitui um
processo regressivo de primeira ordem
contnuo no tempo, com distribuio gama dos
valores instantneos. O modelo pode ser
ajustado aos dados disponveis de tal modo a
preservar a mdia, o desvio-padro e as
correlaes seriais da srie histrica. Weiss
(1977) ainda criou os modelos de segunda
ordem (como o DSN), onde o escoamento
dividido em duas parcelas: escoamentos de
base e de superfcie. Estes modelos tm a
grande vantagem de gerar vazes dirias com
a utilizao de um nmero mnimo de
parmetros e foram, incluse, aplicados com
sucesso na regio litornea do estado do
Paran (Mine, 1990).
O modelo SAR (Sargent,1979) gera
inicialmente os dias onde devam ou no
ocorrer pulsos, ou seja, dias chuvosos ou no.
Para cada dia chuvoso, um pulso gerado

utilizando uma distribuio exponencial

modificada. O pulso ento adaptado a uma
funo de transferncia para obter a
seqncia de vazes para os dias onde no
ocorrem pulsos. Posteriormente feito um
ajuste, segundo o modelo de Harms e
Campbell (1967), das vazes dirias geradas
s vazes mensais previamente geradas.
Neste estudo foi utilizado o modelo FRAG
mensal para gerar vazes mensais (ver
descrio do modelo FRAG mais adiante
neste captulo).
No modelo DIAN de gerao de sries
sintticas dirias (Kelman et al., 1983) a vazo
diria q(t), para um dia t qualquer
considerada como a soma de dois
componentes:
q(t) = u(t) + o(t)

(1)

onde u(t) depende de fatores externos, tais

como precipitaes - podendo ser considerado
um "pulso" do modelo Diana, e o(t) representa
o
contnuo
esvaziamento
da
gua
armazenada na bacia hidrogrfica. Na
modelagem do processo u(t), dois aspectos
devem ser considerados: definir sua
distribuio de probabilidade marginal e
preservar a dependncia entre valores
sucessivos de u(t). Para resolver estes
aspectos, o modelo Diana mapeia o processo
u(t) atravs de uma transformao do tipo
u(t)=[(t)]. O processo (t) resulta de uma
censura ao processo z(t), auto-regressivo de
ordem 1 de distribuio normal. J o processo
o(t), o contnuo esvaziamento da bacia
hidrogrfica, igual a q(t-1) multiplicado por
uma taxa de recesso.
Nos modelos YAK1, YAK2, YAK3 e
YAK-A (Yakowitz, 1979) a vazo num dia j+1
obtida das N vazes nos dias anteriores,
onde N a ordem do modelo (ordem igual a 1
para os modelos YAK1 e YAK-A; 2 e 3 para os
modelo YAK2 e YAK3 respectivamente). Por
exemplo, se a ordem do modelo for igual a
dois, adota-se para incio da simulao duas
vazes, q(j-1) e q(j), aleatoriamente. A partir
destas duas vazes o modelo noparamtrico, inicialmente procura em qual
"estado representativo" previamente obtido

melhor se encaixa o vetor contendo as vazes

q(j-1) e q(j). A cada "estado representativo"
corresponde uma funo de distribuio
emprica, e, a partir desta, o modelo noparamtrico gera a vazo no prximo dia, ou
seja q(j+1). Obtidas as vazes nos dias j e j+1
gera-se a vazo no dia j+2, e assim por
diante. O modelo YAK-A utiliza algumas
modificaes, propostas por Mller (1997),
para simplificar o processo de otimizao na
obteno dos estados representativos.
No modelo FRAG (Svanidze, 1980),
inicialmente so calculados os fragmentos
adimensionalisadas qadm(,k), onde o ano e
k o dia da srie histrica. Estes fragmentos
so obtidos atravs da diviso da srie diria
histrica de vazes q(,k) pela mdia anual
x() do ano em que estas vazes q(,k)
ocorreram. Deste modo, para cada ano do
histrico
corresponder
um
fragmento
qadm(,k), o qual um vetor composto por 365
valores adimensionalisados tais que:
qadm(,k) = q(,k) / x ()

(2)

com variando do ano inicial at o final do

histrico, e k =1,...,365 dias (o modelo FRAG
mensal considera k variando de 1 a 12
meses). Para se gerar a srie q(j,k) de vazes
mensais simuladas por este mtodo,
necessita-se inicialmente gerar a srie x(j) de
vazes mdias anuais (para o caso de Rio dos
Patos foi escolhido um modelo AR(3) - ver
Mller, 1997), com j variando do primeiro ao
ltimo ano da gerao e k variando de 1 a
365. Ento, para cada vazo x(j) mdia anual
gerada, sorteia-se um ano do histrico para
que se obtenha o fragmento correspondente,
multiplica-se os 365 valores qadm(,k) deste
fragmento pela vazo anual gerada x(j)
obtendo-se
ento
os
365
valores
correspondentes de q(j,k).
Svanidze (1980) recomenda o uso de
sries simuladas de vazes dirias no estudo
de volumes de espera para cheias; mostra a
semelhana entre as hidrgrafas geradas pelo
modelo dos fragmentos e as histricas, seja
qual for o intervalo de discretizao da
hidrgrafa (mensal, dirio, ou mesmo horrio);
e acrescenta que o problema dos saltos que

ocorrem no final de cada ano gerado "no

est ainda resolvido": uma soluo est
mostrada na descrio dos modelos
propostos.

MODELOS PROPOSTOS
Problemas encontrados nos modelos de
gerao de vazes dirias
Alguns problemas encontrados na
gerao de vazes dirias conduziram
necessidade da proposio de novos modelos
de gerao de sries neste trabalho,
problemas estes relacionados a trs fatores
principais:
a) dificuldade em ajustar um processo
ARMA(p,q), comumente aplicvel em sries
temporais, srie histrica;
b) forma prpria das hidrgrafas;
c) dificuldade em preservar ao mesmo
tempo vazes dirias, mensais e anuais.
Quanto ao item a), aplicao de
modelos do tipo ARMA(p,q) na modelagem de
vazes dirias, a mesma no recomendada
por dois motivos:
Tao (1973), apud Kelman (1987b),
tentou ajustar diversas expresses analticas
para o termo aleatrio da frmula da equao
bsica dos modelos ARMA(p,q), no obtendo
sucesso, devido aos altos coeficientes de
assimetria e curtose comumente encontrados
nas sries dirias de vazes.
Nas sries dirias de vazes, as
ascenes da hidrgrafa so quase sempre
mais abruptas que as recesses. Processos
cujas caractersticas exibam esta propriedade
so chamados irreversveis no tempo. Este
fato possivelmente argumento suficiente
para desestimular o emprego de modelos
ARMA(p,q) para o estudo de vazes dirias
(Kelman, 1987a).
Os modelos QUI1 e QUI2 (Quimpo,
1968) nada mais so do que uma forma
especial da aplicao de modelos ARMA(p,q)
para sries dirias. A forma das hidrgrafas
simuladas por este modelo, como as da figura
2, geradas para Rio dos Patos conforme

descrito em Mller (1997), so completamente

diferentes das hidrgrafas do histrico (como
as da figura 1): no h diferenas de forma
entre ascenes e recesses; o hidrograma
muito irregular; e h gerao de valores
negativos. Tudo isto colabora para o
desestmulo do uso de modelos ARMA(p,q) na
simulao de vazes dirias.
Sendo eliminada a possibilidade de
gerar sries de vazes semelhantes com as
histricas por modelos do tipo ARMA(p,q),
solues
matemticas
paramtricas
alternativas foram tentadas, como os modelos
de PAY (Payne et al., 1969), shot noise como
o DSN (Weiss, 1977), e SAR (Sargent, 1979).
As figuras 3 a 5, seguir, mostram hidrgrafas
de seis meses geradas em Rio dos Patos
pelos mtodos, respectivamente, PAY, DSN e
SAR.
Uma anlise destas figuras permite as
seguintes concluses:
O modelo PAY apresenta hidrgrafas
mais irregulares que as do histrico (figura 1)
e de tamanho sempre igual;
A hidrgrafa do modelo DSN
bastante distinta da do histrico, por ser muito
regular - parecendo uma serra dentada,
conforme a definio de Weiss (1977);
A hidrgrafa do modelo SAR ,
comparando com as dos outros dois modelos,
a mais prxima da srie histrica; mesmo
assim, ela mais linear; a parte superior dos
picos muito retilnea; a recesso "baixa"

100
80
60
40
20
0
-20
-40
-60
-80
dias

Figura 2 - Seis meses gerados pelo modelo

Quimpo de 1a. ordem

60
50
40
30
20
10
0

dias

Figura 3 - Seis meses gerados pelo modelo

PAY (Rio dos Patos)

Figura 4 - Seis meses gerados pelo modelo

DSN (Rio dos Patos)

350
300
250
200
150
100
50
0

dias

Figura 5 - Seis meses gerados pelo modelo

simplificado de SAR (Rio dos Patos)

comea sempre, arbitrariamente, logo abaixo

das vazes iguais mdia de longo perodo
(ver Mller, 1997); o modelo SAR reproduz
melhor ascenes e recesses baixas que

ascenes e recesses altas, o que contraria

o objetivo mais freqente de geraes de
sries sintticas de vazes dirias, ou seja,
estudo de mximas.
Estas concluses so coerentes com as
objees de Yakowitz (1979) quanto
parametrizao de simuladores de vazes
dirias e estas podem ser resumidas nestes
dois pontos, j mencionados:
as sries simuladas por modelos
paramtricos "no se parecem com as sries
histricas";
estas sries tm dificuldade em
reproduzir ascenes e recesses da
hidrgrafa.
A concluso de Yakowitz de suma
importncia: "ainda no h uma famlia
paramtrica de sries temporais rica o
suficiente para modelar de maneira segura e
perfeita sries de vazes dirias. Na ausncia,
at agora, do descobrimento de classes
paramtricas mais robustas, devemos ento,
ou recorrer a sries temporais no
paramtricas ou nos contentarmos com
alguns tipos de famlias paramtricas que no
contero a lei qual a srie diria obedece".
Foram geradas vazes por outros trs
modelos j existentes e que podem ser
considerados no-paramtricos: o modelo
DIAN, os modelos de Yakowitz (1979), e o
FRAG. Hidrogramas de seis meses para estes
trs modelos (o de Yakowitz o YAK-A)
gerados
em
Rio
dos
Patos
esto
representados, respectivamente, nas figuras
6, 7 e 8.

120
100
80
60
40
20
0

dias

Figura 6 - Seis meses gerados pelo modelo

DIAN (Rio dos Patos)

250
200
150
100
50
0

dias

Figura 7 - Seis meses gerados pelo modelo

de YAKOWITZ (Rio dos Patos)

dos fragmentos original, e sua criao se

justifica tendo em vista que:
visam resolver o problema dos saltos
intra-anuais;
como partem de uma srie anual para
uma mensal e s ento para uma diria,
permitem uma maior variabilidade das sries
de vazes, isto , sries bastante distintas da
original, mas preservando suas estatsticas;
permitem um melhor planejamento
estratgico, levando em conta as palavras de
KELMAN (1987b): "a vantagem desta
abordagem (de desagregaes sucessivas)
que torna compatvel os estudos estratgicos
e tticos relativos operao do sistema
hidreltrico, quando feitos a partir de
simulaes com sries sintticas. No
planejamento
estratgico
o
horizonte
considerado pode ser de alguns anos e o
intervalo de discretizao do tempo no
usualmente inferior a um ms. No
planejamento ttico preciso refinar as
decises da fase estratgica, levando em
considerao as restries operao com
curto prazo de durao, como so as
relacionadas ao controle de cheias".
permitem que a gerao sinttica por
qualquer modelo de gerao de sries dirias
que no preserve estatsticas mensais venha
a faz-lo, como se ver na descrio do
modelos estendidos de desagregao.
Notao utilizada

Figura 8 - Seis meses gerados pelo mtodo

dos fragmentos dirio (Rio dos Patos)
O modelo FRAG dirio apresenta
excelentes resultados no que diz respeito
preservao das estatsticas anuais e
mensais. Os modelos propostos podem ser
considerados aperfeioamentos do modelo

A notao para os modelos propostos

deve ser acompanhada com ateno para
evitar mal-entendidos. Isto porque, para os
modelos MSD (Modelo Simplificado de
Desagregao) e MMD (Modelo Modificado de
Desagregao), existem quatro sries de igual
importncia, todas com seus respectivos anos,
meses e dias: a srie original; as sries
originais com "meses" de n dias; sries dirias
adimensionalizadas em meses de n dias;
srie gerada.
A descrio das sries do modelo MSD
a seguinte:
srie original: pode ser a srie
histrica ou uma srie diria gerada por outro
modelo. As vazes aqui so representadas

por letras minsculas e seu contadores por

gregas minsculas. As vazes mdias anuais
so representadas x() para um ano
qualquer, com =anoi,...,anof (onde anoi o
primeiro ano da srie original e anof o ltimo).
As vazes dirias so representadas por
q(,), para um ano , um ms e um dia ,
=1,...,numdias(),
onde
numdias(1)=31,
numdias(2)=28 (no foram considerados
fevereiros com 29 dias, por simplificao) e
assim por diante - ou seja, o nmero de dias
de ms, conforme visto no calendrio.
srie original com meses de
n (=28,30,31) dias: so as mesmas vazes
dirias da srie original rearranjadas de
maneira que existam janeiros com 28, 30 e
31 dias; fevereiros com 28,30 e 31 dias; e
assim por diante. Isto feito para aumentar o
nmero de fragmentos na srie histrica.
Estas vazes dirias com meses de
n (=28,30,31) dias so representadas por
q28(), q30(,) e q31(,) para um ano
um ms e um dia , =1,...,num() (onde
num()=28 nas sries q28(), 30 nas sries
q30(,k) e 31 nas sries q31(,), para
=1,..12). Na descrio do modelo MSD est
apresentada a maneira como so montados
estes meses de n dias. As correspondentes
vazes mdias mensais so para estes
meses so y28(),
y30() e y31()
conforme sejam de "meses" com 28, 30 ou 31
dias, para o ano e ms =1,...,12.
sries dirias adimensionalizadas em
meses de n (=28,30,31) dias: so chamadas,
respectivamente, de a28(,), a30,) ou
a31(,) conforme tenham 28, 30 ou 31 dias,
para i=anoi,...,anof, para =1,...,12 e para
=1,...,num().
srie gerada: os meses tm a mesma
durao do calendrio. As vazes so
representadas por letras maisculas e os
contadores por romanas minsculas. A vazo
mdia anual para um ano i representada por
X(i), com i=anoig, ... , anofg (onde anoig o
primeiro ano gerado e anofg o ltimo). A
vazo mdia mensal representada por Y(i,,j)
para um ano i e um ms j. Finalmente, a
vazo diria gerada notada como Q(i,j,k)
para um dia k, com k=1, ... , numdias(j).

J para o modelo MMD, a srie original

de vazes dirias simplesmente chamada
w(t), com t=1,...,h, onde h o nmero de dias
da srie original completa. Como para o
modelo MSD, tambm existem
vazes
mensais para "meses" de 28, 30 e 31 dias
(como se ver mais adiante), aqui chamados
de v28(t), v30(t) e v31(t), com t=1,...,h-n, onde
n=28, 30 ou 31 conforme o nmero de dias do
ms de n dias. Este procedimento aumenta
o nmero de fragmentos no modelo MMD, o
que importante em sua implementao,
como se ver adiante.
Modelo MSD

O modelo MSD (Modelo Simplificado de

Desagregao) uma extenso do modelo
dos fragmentos na desagregao de vazes
mensais em dirias. A diferena entre ambos
est em dois itens:
* na passagem da vazo gerada do final de um m
* na srie original: para o modelo MSD, esta srie
lo. A partir daqui, a "srie original" ser aquela
a que este estudo ir se referir, no
importando se esta srie a histrica ou a
modelada.
A gerao de sries por este modelo
segue o princpio bsico seguinte: dadas as
vazes dirias geradas de um ms j, calculase
por
tentativas,
qual
fragmento
adimensionalizado, que, multiplicado pela
vazo mdia mensal do ms j+1, resultar na
menor distncia entre o ltimo dia do ms j e o
primeiro dia do ms j+1. Esta gerao envolve
os seguintes passos:
1. Gerao da srie de vazes mensais
Y(i,j) por algum mtodo (Mller (1997)
escolheu o modelo FRAG mensal para Rio
dos Patos).
2. Preparao dos registros histricos
com meses de 28, 30 e 31 dias, ou seja, das
sries q28(), q30() e q31(), dada a
srie q(), chamada srie original,
conforme notao acima. Como dito
anteriormente, existem "meses" de janeiro
com 28, 30 e 31 dias, assim como fevereiros,
maros, etc. para aumentar o nmero de
fragmentos na srie histrica. Deste modo,
ter-se- trs novos registros com dimenses

aproximadamente iguais s do histrico

(maiores que o histrico no caso de registro
com meses de 31 dias e menores que o
histrico nos outros casos). Para a criao
destes registros adota-se o seguinte
procedimento:
a vazo no primeiro dia dos "meses"
de n (28, 30 e 31) dias a mesma do
primeiro dia do ms original;
quando o nmero de dias do ms da
srie original for maior que o nmero de dias
do "ms" de n dias (por exemplo, meses
originais de fevereiro nos arquivos com meses
de 31 dias), basta tomar os dias que faltam
para completar o novo "ms" no ms original
imediatamente subseqente;
no outro caso (por exemplo, meses
de janeiro nos arquivos com meses de 30
dias), basta tomar os dias do ms original
necessrios para completar a soma do
nmero de dias do novo arquivo com "meses"
de n dias. Obviamente, nos casos em que o
nmero de dias do ms original for igual ao
nmero de dias do "ms" de n dias, todas as
vazes do ms original sero iguais s do
novo "ms".
3. O
prximo
passo

a
adimensionalizao dos "meses" de n dias.
Isto feito simplesmente dividindo cada vazo
diria dos "meses" de n dias pela vazo mdia
mensal de seu prprio "ms". Sejam por
exemplo, "meses" de 30 dias. A vazo mdia
mensal y30() para =anoi,...,anof e cada
"ms" =1,...,12 dada por
y 30 (, )

30

q (, , )
30 k 1 30

(3)

A srie adimensionalizada para "meses"

de 30 dias ento dada por
a30 ( , , )

q30 ( , , )
y30 ( , )

(4)

com
=anoi,...,anof, =1,...,12, =1,...,30.
Raciocnio semelhante empregado para os
"meses" de 28 e 31 dias.
Como exemplo da criao destas sries
com meses de n dias, para facilitar a

compreenso apresenta-se na tabela 1 a srie

de vazes em fevereiro (sem dia 29 de
fevereiro) e maro de 1960 para Rio dos
Patos ao lado das correspondentes vazes
dos meses de n (=28,30,31) dias,
adimensionais ou no, mais as suas
correspondentes mdias.
4. Quando forem gerados meses de
janeiro,
buscam-se
os
"meses"
adimensionalizados com 31 dias; quando
forem gerados fevereiros, buscam-se "meses"
adimensionalizados de 28 dias e assim por
diante. O princpio da gerao multiplicar o
valor da vazo mensal Y(i,j) obtido no primeiro
passo pelas vazes adimensionalizadas
obtidas no terceiro passo para a obteno de
vazes dirias.
Para o primeiro ms gerado, basta
multiplicar o valor de Y(i,,j) obtido para i=anoig
e j=1 pelas vazes de uma srie a31(),
k=1,...,31 com e quaisquer para a obteno
do primeiro ms com vazes dirias geradas
Q(anoi,1,k), k=1,...,31.

Tabela 1 - Exemplo de criao das sries q28(), a28(), y28(), q30(), a30(),
y30(), q31(), a31(), y31() mais as suas correspondentes mdias para os meses ()
de fevereiro (sem dia 29 de fevereiro) e maro para o ano () de 1960 na estao de rio dos
Patos ao lado da correspondente srie histrica q()

q()
3
(m /s)

q28()
3
(m /s)

a28()
(adimens)

q30()
3
(m /s)

a30()
(adimens)

q31()
3
(m /s)

a31()
(adimens)

1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960

2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

5,6
4,9
3,9
11,7
11,7
7,9
6,1
4,6
4,2
6,1
7,9
9,8
8,4
11
14,6
21,8
19,2
16,8
16,1
32,4
59,4
44
37,7
28,8
20,1
12,5
10,3
9,4

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

5,6
4,9
3,9
11,7
11,7
7,9
6,1
4,6
4,2
6,1
7,9
9,8
8,4
11
14,6
21,8
19,2
16,8
16,1
32,4
59,4
44
37,7
28,8
20,1
12,5
10,3
9,4

0,351
0,307
0,244
0,733
0,733
0,495
0,382
0,288
0,263
0,382
0,495
0,614
0,526
0,689
0,915
1,366
1,203
1,053
1,009
2,030
3,722
2,757
2,362
1,804
1,259
0,783
0,645
0,589

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

5,6
4,9
3,9
11,7
11,7
7,9
6,1
4,6
4,2
6,1
7,9
9,8
8,4
11
14,6
21,8
19,2
16,8
16,1
32,4
59,4
44
37,7
28,8
20,1
12,5
10,3
9,4
10,3
10,3

0,359
0,314
0,250
0,751
0,751
0,507
0,391
0,295
0,270
0,391
0,507
0,629
0,539
0,706
0,937
1,399
1,232
1,078
1,033
2,079
3,812
2,824
2,419
1,848
1,290
0,802
0,661
0,603
0,661
0,661

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

5,6
4,9
3,9
11,7
11,7
7,9
6,1
4,6
4,2
6,1
7,9
9,8
8,4
11
14,6
21,8
19,2
16,8
16,1
32,4
59,4
44
37,7
28,8
20,1
12,5
10,3
9,4
10,3
10,3
10,3

0,363
0,318
0,253
0,759
0,759
0,513
0,396
0,298
0,272
0,396
0,513
0,636
0,545
0,714
0,947
1,414
1,246
1,090
1,045
2,102
3,854
2,855
2,446
1,869
1,304
0,811
0,668
0,610
0,668
0,668
0,668

y28() =

15,96
mdia =

y30() =

15,58
mdia =

y31() =

1,000

1,000

15,41
mdia =

1,000

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

10,3
10,3
10,3
9,8
9,4
9,4
8,9
8,4
8,4
7,9
8,9
11
10,3
9,8
9,4
7,5
6,5
6,1
5,6
5,6
5,3
5,3
4,9
4,2
2,5
2
1,8
1,8

1,431
1,431
1,431
1,361
1,306
1,306
1,236
1,167
1,167
1,097
1,236
1,528
1,431
1,361
1,306
1,042
0,903
0,847
0,778
0,778
0,736
0,736
0,681
0,583
0,347
0,278
0,250
0,250

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

10,3
10,3
10,3
9,8
9,4
9,4
8,9
8,4
8,4
7,9
8,9
11
10,3
9,8
9,4
7,5
6,5
6,1
5,6
5,6
5,3
5,3
4,9
4,2
2,5
2
1,8
1,8
1,8
1,6

1,507
1,507
1,507
1,434
1,376
1,376
1,302
1,229
1,229
1,156
1,302
1,610
1,507
1,434
1,376
1,098
0,951
0,893
0,820
0,820
0,776
0,776
0,717
0,615
0,366
0,293
0,263
0,263
0,263
0,234

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

10,3
10,3
10,3
9,8
9,4
9,4
8,9
8,4
8,4
7,9
8,9
11
10,3
9,8
9,4
7,5
6,5
6,1
5,6
5,6
5,3
5,3
4,9
4,2
2,5
2
1,8
1,8
1,8
1,6
1,4

1,547
1,547
1,547
1,472
1,412
1,412
1,337
1,262
1,262
1,187
1,337
1,652
1,547
1,472
1,412
1,126
0,976
0,916
0,841
0,841
0,796
0,796
0,736
0,631
0,375
0,300
0,270
0,270
0,270
0,240
0,210

y28() =

7,20
mdia =

y30() =

6,83
mdia =

y31() =

1,000

1,000

6,66
mdia =

1,000

1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960
1960

3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

10,3
10,3
10,3
9,8
9,4
9,4
8,9
8,4
8,4
7,9
8,9
11
10,3
9,8
9,4
7,5
6,5
6,1
5,6
5,6
5,3
5,3
4,9
4,2
2,5
2
1,8
1,8
1,8
1,6
1,4

O prximo ms (j+1) gerado (fevereiro

neste caso) obtido encontrando o fragmento
a28(,), variando de anoi a anof e de 1 a
12, que respeite a condio
min Y(i, j 1) * a28 ( , ,1) Q(i, j,31)

por Y(i,,j) podem ou no serem empregadas

obedecendo restries de ordem sazonal ou
diversa. Adiante so mostradas as restries
que foram empregadas na gerao de vazes
dirias em Rio dos Patos.

(5)
Modelo MMD

Esta condio foi imposta de modo que

a distncia entre o ltimo dia de um ms e o
primeiro dia do prximo seja a menor possvel.
Raciocnio semelhante empregado na
obteno do ms de maro subseqente:
como maro (o ms j+1) tem 31 dias e
fevereiro (o ms j) tem 28 dias a condio da
frmula (5) passa a ser:
min Y(i, j 1) * a31 ( , ,1) Q(i, j,28)

(6)

tambm variando de anoi a anof e de 1 a

12. Aplicando o mesmo raciocnio, so
gerados os valores dos meses seguintes
(obviamente, na passagem de um ano para
outro tem-se j=12 e j+1=1, variando o valor de
i, o ano gerado).
O
fato
da
diferena Y(i, j 1) * a28 ( , ,1) Q(i, j,31) , das
equaes (5), (6) ou similares entre a vazo
no ltimo dia de um ms e o incio do outro ser
tomada simplesmente como a mnima para a
toda a gama de variao de e pode ser
justificada pelos seguintes motivos:
as vazes dirias normalmente tem
alta correlao lag 1;
os valores desta diferena no so
sempre pequenos, o que assemelha o caso
simulado com o gerado;
o fato de no se estar respeitando
com tanta fidelidade a correlao entre a
ltima vazo de um ms e a primeira do
prximo compensada pela facilidade de
programao - alm disso, o modelo MMD,
mais complexo, se prope a resolver este
problema.
As sries adimensionais a28(),
a30() ou a31() a serem multiplicadas

O modelo MMD uma extenso do

modelo MSD. A diferena entre os dois est
na passagem da vazo gerada de um ms
para o seu subseqente: no modelo MSD,
escolhida a primeira vazo do prximo ms
pela menor diferena entre esta vazo e a
anterior; no modelo MMD, impe-se a vazo
do primeiro dia do prximo ms pelo mtodo
no-paramtrico de Yakowitz. Como para o
modelo MSD, chamar-se- "srie original" a
srie utilizada como base para modelao,
no importando se esta srie a histrica ou
no.
O princpio deste modelo o seguinte:
dados os ltimos N dias do ms j, obtm-se,
por algum dos modelos no-paramtricos de
Yakowitz (1979) a vazo do dia seguinte, isto
, a vazo do primeiro dia do ms j+1, onde N
a ordem do modelo no-paramtrico. Por
sucessivas tentativas, obtm-se um fragmento
que, multilpicado por Y(i,j+1) mais aproxime a
vazo do primeiro dia com aquela calculada
pelo modelo de Yakowitz.
Os seguintes passos so necessrios
para a simulao:
1. Dada a srie histrica de vazes
dirias w(t), t=1,...,h, criar a srie de vazes
"mensais"
de 28,
30 e 31 dias,
respectivamente v28(t), v30(t) e v31(t), t=1,...,h-n
que nada mais so que a mdia de 28. 30 ou
31 dias das vazes iniciando no dia t. Para
meses de 30 dias, ter-se-
v30 (t)

1 t 29
w(t) ,
30 t

t=1,...,h-30

(7)

Frmulas semelhantes so empregadas

para os "meses" de 28 e 31 dias. A tabela 2
apresenta, para facilitar a compreenso, o
incio do histrico em rio dos Patos (de
1/1/1931 a 2/2/1931), ou seja, a srie w(t),

para t=1,...,33, com suas correspondentes

mdias v28(t), v30(t) e v31(t), para t=1,2,3.
2. Para gerar o primeiro ms de janeiro,
basta selecionar uma srie cuja mdia seja
v31(t), t=qualquer e empregar a frmula:
Q(1,1,k) = Y(1,1)*w(t+k-1) / v31(t)

Aplicao dos modelos propostos para Rio

dos Patos

(8)

para k=1,...,31. A frao w(.)/v31(.) constante

do segundo termo da frmula (8) a
adimensionalizao das vazes dirias w(t*),
t*=t,...,t+31-1, pois as mesmas so divididas
por sua mdia mensal v31(t). No modelos MMD
preferiu-se pela no formao de arquivos
adimensionalizados tendo em vista as grandes
dimenses que os mesmos teriam nestes
modelos.
3. Como dito acima, dados os ltimos N
dias do ms j, obtm-se, por algum modelo
no-paramtrico de Yakowitz, a vazo do dia
seguinte, isto , a vazo do primeiro dia do
ms j+1, onde N a ordem do modelo noparamtrico. Esta vazo obtida por Yakowitz
ser a partir de agora chamada de W(i,j+1,1),
maisculo, onde i o ano, j o ms, e 1
representa o primeiro dia. Ento se calcula,
por
tentativas,
qual
fragmento
adimensionalizado w(.)/v28,v30,v31 cujo primeiro
dia multiplicado por Y(i,j), d a menor distncia
com relao a W(i,j+1,1).
Deste modo, tendo sido gerado o
primeiro ms de janeiro Q(anoig,1,k),
k=1,...,31, com as ltimas N vazes de janeiro
obtm-se W(anoi,2,1), ou seja, a primeira
estimativa da vazo no primeiro dia de
fevereiro gerado. Ser ento escolhido um
fragmento w(t) tal que
minY(anoig,2)*w(t)/v28(t)-W(i,2,1)

para k=1,...,28. As vazes nos meses

seguintes devem ser obtidas utilizando
raciocnio semelhante.

(9)

variando t de 1 at h-28+1. preciso lembrar

que v28(t) a vazo mensal de 28 dias
comeando em t, e w(t) o primeiro dia do
"ms" de 28 dias comeando em t e que anoig
o primeiro ano gerado. Escolhido o valor de t
que resulte mnimo para a equao (8), as 28
vazes de fevereiro so ento dadas por
Q(anoig,2,k)=Y(anoig,2)*w(t+k-1)/v28(t) (10)

Dois problemas surgiram da simulao

do modelo MMD: o problema do nmero de
tentativas e o da distncia, que sero
comentados a seguir.
O nmero de tentativas para a obteno
do valor t que corresponda condio de
mnimo da equao (9) pode ser muito alto,
dependendo de h, o tamanho da srie original,
o que pode aumentar muito o tempo
empregado na simulao. Isto pode ser
evitado mudando a condio desta equao
para
minY(anoig,2)*w(t)/v28(t)-W(i,2,1),
diminuindo ou no o nmero de tentativas.
Nas simulaes feitas neste trabalho, mudouse o intervalo de t=1,...,h-28+1 para
t=q,...,q+5000, onde q era um nmero inteiro
randmico tal que 0<q<h-5000-28.
O segundo problema a ser analisado
aqui o da diferena entre W(i,j,1) e
Q(i,j,1)=Y(i,j)*w(t)/v28,30,31(t), dado um ano i e
um ms j gerados quaisquer. Como W(i,j,1)
o prximo valor da vazo, obtida pelo modelo
no-paramtrico, se houver muitos meses em
que Q(i, j,1) W(i, j,1) tenha um valor grande,
o
resultado
apresentar perturbao,
alterando a correlao entre as vazes do
ltimo dia simulado de um ms e a primeira do
prximo - por isto a criao da srie w(t), para
aumentar o nmero de fragmentos e, assim,
diminuir
a
probabilidade
de
que
Q(i, j,1) W(i, j,1) seja grande. Para minimizar
ainda mais este efeito, pensou-se num
mtodo simplificado de alterao da srie
Q(i,j,k), k=1,...,n, onde n pode ser 28, 30 ou
31, de acordo com o nmero de dias do ms.

Tabela 2 - Incio do histrico em Rio dos Patos (de 1/1/1931 a 2/2/1931), isto , a srie w(), para =1,...,33), com suas
correspondentes mdias v28(t), v30(t) e v31(t), para t=1,2,3
Data

01/01/31
02/01/31
03/01/31
04/01/31
05/01/31
06/01/31
07/01/31
08/01/31
09/01/31
10/01/31
11/01/31
12/01/31
13/01/31
14/01/31
15/01/31
16/01/31
17/01/31
18/01/31
19/01/31
20/01/31
21/01/31
22/01/31
23/01/31
24/01/31
25/01/31
26/01/31
27/01/31
28/01/31
29/01/31
30/01/31
31/01/31
01/02/31
02/02/31

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
MDIAS =

Vazo
Oobservada
observadA
(srie w))
(m3/s)
5,6
7,5
16,1
10,3
7,5
6,5
6,5
5,6
5,6
10,3
11,7
7,5
10,3
59,4
59,4
73,2
50,6
31,5
24,5
38,6
36,8
26,2
22,7
16,1
14,6
13,2
13,2
10,3
9,4
8,4
7,5
6,5
6,5

t=1

28 dias
5,6
7,5
16,1
10,3
7,5
6,5
6,5
5,6
5,6
10,3
11,7
7,5
10,3
59,4
59,4
73,2
50,6
31,5
24,5
38,6
36,8
26,2
22,7
16,1
14,6
13,2
13,2
10,3

v28(1)= 21,5

t=2

sries com
30 dias
5,6
7,5
16,1
10,3
7,5
6,5
6,5
5,6
5,6
10,3
11,7
7,5
10,3
59,4
59,4
73,2
50,6
31,5
24,5
38,6
36,8
26,2
22,7
16,1
14,6
13,2
13,2
10,3
9,4
8,4

v30(1)= 20,6

31 dias
5,6
7,5
16,1
10,3
7,5
6,5
6,5
5,6
5,6
10,3
11,7
7,5
10,3
59,4
59,4
73,2
50,6
31,5
24,5
38,6
36,8
26,2
22,7
16,1
14,6
13,2
13,2
10,3
9,4
8,4
7,5

v31(1)= 20,2

28 dias

7,5
16,1
10,3
7,5
6,5
6,5
5,6
5,6
10,3
11,7
7,5
10,3
59,4
59,4
73,2
50,6
31,5
24,5
38,6
36,8
26,2
22,7
16,1
14,6
13,2
13,2
10,3
9,4

v28(2)= 21,6

t=3

sries com
30 dias

7,5
16,1
10,3
7,5
6,5
6,5
5,6
5,6
10,3
11,7
7,5
10,3
59,4
59,4
73,2
50,6
31,5
24,5
38,6
36,8
26,2
22,7
16,1
14,6
13,2
13,2
10,3
9,4
8,4
7,5

v30(2)= 20,7

31 dias

7,5
16,1
10,3
7,5
6,5
6,5
5,6
5,6
10,3
11,7
7,5
10,3
59,4
59,4
73,2
50,6
31,5
24,5
38,6
36,8
26,2
22,7
16,1
14,6
13,2
13,2
10,3
9,4
8,4
7,5
6,5
v31(2)= 20,2

28 dias

16,1
10,3
7,5
6,5
6,5
5,6
5,6
10,3
11,7
7,5
10,3
59,4
59,4
73,2
50,6
31,5
24,5
38,6
36,8
26,2
22,7
16,1
14,6
13,2
13,2
10,3
9,4
8,4

v28(3)= 21,6

sries com
30 dias

16,1
10,3
7,5
6,5
6,5
5,6
5,6
10,3
11,7
7,5
10,3
59,4
59,4
73,2
50,6
31,5
24,5
38,6
36,8
26,2
22,7
16,1
14,6
13,2
13,2
10,3
9,4
8,4
7,5

v30(3)= 21,2

31 dias

16,1
10,3
7,5
6,5
6,5
5,6
5,6
10,3
11,7
7,5
10,3
59,4
59,4
73,2
50,6
31,5
24,5
38,6
36,8
26,2
22,7
16,1
14,6
13,2
13,2
10,3
9,4
8,4
7,5
6,5
6,5
v31(3)= 20,2

O princpio deste mtodo o seguinte:

seja Q'(i,j,k), k=1,...,n a nova srie alterada.
O primeiro valor de Q'(i,j,k), isto , para k=1,
simplesmente igual a W(i,j,1). Para que esta
diferena entre Q'(i,j,k) e Q(i,j,k), k=1,...,n seja
compensada de modo que a mdia do ms
formado pelas vazes Q(.) e Q'(.) seja a
mesma, basta aplicar a frmula:
Q'(i,j,k) [Q(i,j,k) ]

nk
n1

.2

para que esta srie venha a preservar

estatsticas mensais. Foram feitas algumas
simulaes com cada srie original sempre
tendo o tamanho da srie histrica, ou seja,
63 anos, o que no impede que se venham
simular vazes com sries de tamanhos
diferentes, maiores ou mesmo menores.

(11)
120
100

para k=1,...,n e =Q(i,j,1)-Q'(i,j,1). Esta

frmula
provoca
uma
inclinao
do
hidrograma no sentido anti-horrio quando
positivo e no sentido horrio quando
negativo. Isto pode ser visto na figura 9 abaixo
que mostra um ms simulado pelo modelo
MMD modificado por um valor de igual a 8.
3
O valor =8 m /s muito alto, com
probabilidade muito pequena de ocorrncia
em Rio dos Patos, onde a mdia de longo
perodo de 22,8 m3/s; mesmo assim, notase que a forma do hidrograma no se alterou
substancialmente. Isto justifica o uso da
equao (11).
A srie de vazes dirias ser ento a
srie Q'(i,j,k), i=anoig,...,anofg. Para cada ms
gerado por uma frmula do tipo da (11), se o
valor de resultar maior que um certo limite ,
deve-se mudar a srie Q(i,j,k) , k=1,...,n para
uma srie Q' pela frmula (11). Esta srie
Q'(i,j,k), k=1,...,n ento ser a srie de vazes
dirias definitiva para o ms i. Com os ltimos
N valores de vazo para este ms i ser ento
obtido o valor de W(i,j+1,1), e o processo
segue conforme explicado anteriormente.
Para aplicao do modelo MMD neste
trabalho, escolheu-se para a passagem de um
ms para outro, N=1 (modelo YAK-A, por sua
facilidade de programao) e N=2 (modelo
YAK2, o que apresentou melhores resultados
entre os modelos de Yakowitz simulados - ver
Mller, 1997). Estes modelos so chamados,
respectivamente, MMD e MMD2.
Quanto s sries simuladas, tanto o
modelo MSD quanto o modelo MMD podem
ter como srie original tanto a srie histrica
quanto uma srie composta por outro modelo,

80

Q(i,j,k)

60
Q'(i,j,k)

40
20
0

dias

Figura 9 - Sries Q(i,jk) e Q'(i,j,k) para um

ms gerado pelo MMD

A escolha dos modelos para criao de

sries originais recaiu sobre os modelos noparamtricos, pois apresentam as melhores
formas dos hidrogramas. Foram escolhidos:
o modelo Diana;
o modelo YAK-A;
o modelo YAK2.
Deste modo, para o modelo MSD, foram
gerados os seguintes modelos, conforme a
srie original: MSD (histrica), MSD-D (Diana),
MSD-Y (YAK-A), MSD-Y2 (YAK2). J para o
modelo MMD, o valor de N para a passagem
de um ms para outro pode ser tanto 1
(modelo MMD) quanto 2 (modelo MMD2).
Deste modo, para o modelo MMD, conforme a
srie original, teremos: MMD (srie histrica),
MMD-D (Diana), MMD-Y (YAK-A) e MMD-Y2
(YAK2). J para o modelo MMD2 foram
simulados:
MMD2 (histrica), MMD2-D
(Diana), MMD2-Y (YAK-A) e MMD2-Y2
(YAK2).
Tanto para os modelos MSD quanto
para os modelos MMD, tendo em vista que os
meses mais secos so semelhantes entre si,
por causa da maior freqncia de recesses
baixas, do mesmo modo que existe
semelhana entre os meses mais chuvosos,
adotou-se o seguinte procedimento: quando a

vazo mdia mensal gerada para certo ms,

qmen, fosse maior do que a mdia de longo
perodo, qmed (=22,8 m3/s), o fragmento
mensal
adimensionalizado
que
seria
multiplicado por qmen deveria ter origem em
uma srie que, antes da adimensionalizao,
tivesse mdia maior do que qmed. Quando
qmed fosse menor que a mdia de longo
perodo, ento o fragmento seria buscado em
uma srie que originalmente fosse menor que
qmed. possvel que em estaes com
maiores
reas
de
drenagem
e/ou
sazonalidade bem pronunciada os modelos
propostos, com srie original obtida do
histrico, no tenham bom desempenho. Isto
devido ao fato de que o fragmentos obtidos
em um ms no possam ser transferidos para
outro, por causa da forma do hidrograma
tpico existente em cada ms, o que no
aconteceu neste estudo. Neste caso uma
anlise mais aprofundada necessria, e as
seguintes solues so possveis:
*
fragmentos obtidos da srie
histrica em janeiro s poderiam gerar vazes
em janeiro, e assim por diante;
*
geram-se vazes dirias por
algum outro modelo (como o Diana ou o noparamtrico de Yakowitz) e posteriormente
aplicam-se os modelos propostos. Neste caso
podem-se gerar, inclusive novas sries dirias
por Diana ou Yakowitz em janeiro tomando
como srie histrica apenas meses de janeiro,
e assim por diante.
A figura 10 apresenta seis meses de
simulao diria pelo modelo MSD, e a figura
11 faz o mesmo para o modelo MMD. Por
estas figuras percebe-se que estes modelos
propostos geram sries bastante parecidas
com a do histrico.
ANLISE COMPARATIVA
Para cada modelo de gerao de vazes
dirias foram simuladas 16 sries de 63 anos
(o tamanho da srie histrica), ou seja, 1008
anos de valores de vazes dirias,

Figura 10 - Seis meses de vazes dirias

geradas pelo modelo MSD (Rio dos Patos)

Figura 11 - Seis meses de vazes dirias

geradas pelo modelo MMD (Rio dos Patos)

num total de 367920 valores de vazo por

modelo. Os ltimos valores de uma srie so
utilizados para gerar os primeiros da prxima,
o que permite que esta srie de 1008 anos
seja tomada tanto como uma nica srie de
1008 anos como 16 sries de 63 anos.
Momentos
Inicialmente estudada a sazonalidade
diria. A tabela 3 apresenta, para a srie
histrica e para todos os modelos simulados,
os valores da mdia, desvio-padro e
coeficiente de assimetria dirios, mensais e
anuais.
Por esta tabela percebe-se:
a) quanto a mdia: os modelos PAY,
SHM, SHC, YAK-A, YAK3 apresentaram as
mdias mais baixas: o modelo PAY mostrou
dificuldade em toda a sua aplicao, como
apresentado no item 4.3.2; a mdia dos trs
modelo shot-noise mostrou a ocorrncia de
tendenciosidade, o que tambm ocorreu com
o modelo YAK-A, pelo mesmo no sofrer
processo de otimizao pelo algoritmo de KMeans, sendo uma alternativa aos outros;
quanto a mdia obtida pelo modelo YAK3, ver

seo 4.3.6. Todos os demais modelos

apresentaram bons resultados.
b) quanto ao desvio-padro das vazes
dirias: todos os modelos paramtricos (QUI1,
QUI2, PAY, SHM, SHC, DSN e SARG)
apresentaram desvio-padro dirios menores
que o do histrico; destes, o de melhores
resultados foi DSN e o pior o modelo SARG.
Os modelos no-paramtricos DIAN, FRAG,
YAK1, YAK2, YAK3 foram os que melhor se
comportaram. J o modelo YAK-A apresentou
desvio-padro um pouco menor que o
histrico. Os modelos propostos, com
excesso daqueles baseados numa srie
original YAK2, apresentaram valores um
pouco mais altos que aqueles apresentados
pelo histrico.
c) quanto assimetria das vazes
dirias: os modelos paramtricos, exceto o
modelo SARG, resultam em valores de
coeficiente de assimetria bastante diferentes
do histrico (maior para PAY, menor para os
outros). Os quatro modelos YAK do
excelentes resultados, e o modelo DIAN
resultou em assimetria um pouco menor que a
esperada. Os modelos baseados em
fragmentos (FRAG mais os modelos
propostos) tendem a resultar em valores
pouco mais altos que os do histrico.
d) quanto aos momentos obtidos das
sries mensais: por partirem de um processo
de desagregao, os modelos propostos mais
o modelo FRAG revelaram-se superiores aos
demais, principalmente quanto assimetria.
Apesar de tambm partir de um processo
desagregativo, o modelo SARG no se
apresentou to bem aqui, possivelmente
devido s perturbaes na passagem de um
ms ao outro (Sargent, 1979). Quanto ao
desvio-padro, apenas os modelos PAY e
QUI2 no apresentaram valores razoveis.
Dos quatro modelos de Yakowitz, o de piores
resultados foi o YAK3, tendo tido um bom
desempenho os modelos YAK-A e YAK1, o
que mostra que para valores de N menores
(iguais a 1) o modelo YAK tende a reproduzir
melhor estatsticas mensais.
e) quanto aos momentos obtidos das
sries anuais: para o desvio-padro, os
melhores resultados novamente ficaram com
os modelos propostos mais o FRAG. Quanto

assimetria, os melhores modelos foram os

no-paramtricos no-desagregativos: os
modelos YAK mais o modelo DIAN; isto
porque o modelo AR(3) utilizado na gerao
de sries anuais, para os modelos utilizando
desagregao, no previa a preservao da
assimetria. Os demais modelos tambm no
apresentaram bons resultados quanto
assimetria.
Sazonalidade
Seja M(i) o valor que assume uma
grandeza mensal (mdia, desvio, etc.) para o
ms i gerada por um modelo de simulao
diria e H(i) o valor desta mesma grandeza
para o perodo histrico. O valor da somatria
do erro absoluto (SEA) ento dado por:
12

SEA M(i) H(i)

(12)

i 1

Foram realizadas trs simulaes para

as grandezas M(i): na primeira M(i)
representou a mdia mensal para o ms i; na
segunda o desvio-padro mensal para o ms
i; e na ltima, a correlao entre os meses i e
i+1. A tabela 4 apresenta os valores da SEA
para estas trs simulaes, para todos os
modelos simulados, por ordem crescente de
valor.
Pela tabela 4 nota-se uma ntida
superioridade dos modelos QUI1, FRAG e o
dos modelos propostos sobre todos os
demais. Os modelos QUI1 e QUI2, entretanto,
no apresentaram bons resultados para a
correlao mensal. Dos modelos baseados
em desagregao, o modelo SARG, devido s
perturbaes causadas na passagem de um
ano para outro, teve os piores resultados. Por
esta tabela, no h ntida preferncia entre os

Tabela 3 -Momentos da srie de vazes dirias, mensais e anuais histrica (HIST) e sintticas, em Rio dos Patos
MODELO

HIST
QUI1
QUI2
PAY
SHM
SHC
DSN
SARG
DIAN
FRAG
YAK-A
YAK1
YAK2
YAK3
MSD
MSD-D
MSD-Y
MMD
MMD-D
MMD-Y
MMD2
MMD2-D
MMD2-Y

MDIA
(m3/s)

22,79
22,52
22,44
19,49
20,88
21,53
21,59
22,34
22,64
22,62
21,05
22,72
22,35
18,36
22,52
22,84
22,44
22,94
22,85
22,89
22,88
22,89
23,05

DIRIOS
DESVIOCOEF. DE
PADRO
ASSIMETRIA
(m3/s)
33,29
31,98
24,33
28,28
25,47
31,51
32,48
25,79
33,20
33,74
29,78
32,40
33,07
32,44
34,67
35,43
34,49
34,79
37,65
31,54
34,72
36,82
31,47

4,83
0,12
0,14
12,02
2,69
2,89
3,11
4,29
4,40
5,37
4,31
4,66
4,57
5,34
5,28
5,40
5,35
5,06
5,20
5,11
5,24
5,08
4,46

MENSAIS
DESVIOCOEF. DE
PADRO
ASSIMETRIA
(m3/s)
20,41
21,35
14,26
10,75
18,22
20,79
21,88
19,46
17,80
20,87
20,25
21,83
24,13
24,66
20,26
20,61
20,47
20,68
20,61
20,41
20,59
20,41
20,70

2,15
0,17
0,19
2,98
1,68
1,62
3,31
2,45
2,32
2,20
2,10
2,32
2,90
4,05
2,14
2,23
2,22
2,19
2,23
2,18
2,11
2,18
2,21

ANUAIS
DESVIOPADRO
(m3/s)

COEF. DE
ASSIMETRIA

9,49
7,12
4,29
3,78
6,36
7,01
10,62
8,86
5,43
9,46
7,92
8,48
9,79
10,67
9,13
9,18
9,25
9,22
9,18
8,74
9,40
8,74
9,28

0,85
0,01
-0,03
0,51
0,63
0,50
1,97
0,20
0,70
0,10
0,47
0,69
0,87
1,53
0,05
0,18
0,18
0,12
0,18
0,07
0,06
0,07
0,08

Tabela 4 -Valores da somatria do erro absoluto (SEA) para a mdia, o desvio

padro e a correlao mensal sazonal (valores em ordem crescente)
MDIA

DESVIO- PADRO

CORRELAO

VALOR

MODELO

VALOR

MODELO

VALOR

MODELO

10,82
11,16
13,84
14,17
15,07
15,29
15,30
15,39
15,88
19,00
19,01
21,27
25,26
36,20
36,39
36,43
36,43
36,89
37,35
38,74
49,73
57,39

QUI1
QUI2
MMD
MMD2-Y
MSD-Y
MMD2-D
MMD-Y
FRAG
MMD2
MMD-D
MSD-D
MSD
SARG
YAK2
DIAN
DSN
YAK-A
YAK1
SHM
SHC
PAY
YAK3

29,37
34,35
36,14
38,86
38,87
39,73
40,29
40,89
40,90
43,23
43,83
43,94
49,44
51,28
52,57
52,61
54,71
62,67
70,68
73,57
77,15
136,29

QUI1
FRAG
MMD2-Y
MMD-Y
MMD2-D
MSD-Y
MMD2
MMD-D
MSD-D
MMD
MSD
SARG
YAK-A
SHM
SHC
DIAN
DSN
YAK1
YAK2
QUI2
YAK3
PAY

0,90
1,03
1,03
1,03
1,03
1,06
1,12
1,16
1,22
1,22
1,28
1,62
1,67
1,77
1,81
1,85
1,97
2,26
2,43
2,67
3,31
3,86

MMD2-Y
MMD
MMD2-D
MMD-Y
FRAG
SARG
MMD2
MSD-Y
MMD-D
MSD-D
MSD
YAK3
YAK-A
PAY
YAK1
YAK2
SHM
DSN
QUI1
SHC
QUI2
DIAN

resultados do modelo FRAG contra os

modelos propostos.

Anlise das correlaes seriais

Para a anlise das correlaes seriais
foi utilizada a estatstica SEA (somatrio dos
erros absolutos), como anteriormente, desta
vez sob a forma:
k

SEA M(i) H(i)

(13)

i 1

onde M(i) a correlao lag i obtida com o

modelo as sries sintticas e H(i) a
correlao lag i correspondente do registro
histrico. Foram feitas seis simulaes
variando o significado de M(i) e o valor de k
da frmula (13). Estas simulaes so:

a) M(i) = correlao diria e k=30;

b) M(i) = correlao diria e k=10;
c) M(i) = correlao mensal e k=10;
d) M(i) = correlao mensal e k=3;
e) M(i) = correlao diria e k=10;
f) M(i) = correlao diria e k=3.
Os resultados destas simulaes esto
na tabela 5.
Pelos resultados da tabela 5, concluise que os melhores modelos foram:
a) para as correlaes dirias: FRAG e
modelos propostos;

Tabela 5 - SEA (somatrio dos erros absolutos) para as correlaes diria, mensal e anual variando o valor de k da
equao (13) (valores em ordem crescente)
CORRELAO DIRIA
k= 30
k= 10
VALOR MODELO
VALOR MODELO
0,194
0,883
0,888
1,261
1,301
1,373
1,401
1,466
1,526
1,903
2,192
2,212
2,409
2,489
2,551
2,692
2,802
3,876
4,044
4,154
5,596
5,801

FRAG
MSD-Y
MMD
MSD
MSD-D
MMD-Y
MMD2
MMD2-Y
YAK1
YAK-A
QUI1
SHC
MMD2-D
DSN
MMD-D
QUI2
SHM
YAK2
DIAN
SARG
PAY
YAK3

0,080
0,244
0,252
0,348
0,353
0,400
0,459
0,585
0,634
0,752
0,835
0,996
1,001
1,043
1,110
1,156
1,219
1,717
1,880
1,881
2,246
3,213

FRAG
MMD
MSD-Y
MSD-D
MSD
QUI2
MMD2
MMD2-D
MMD-D
DSN
DIAN
MMD-Y
YAK1
YAK-A
SHC
MMD2-Y
QUI1
SARG
SHM
YAK2
YAK3
PAY

CORRELAO MENSAL
k= 10
k= 3
VALOR MODELO
VALOR MODELO
0,270
0,303
0,332
0,333
0,333
0,338
0,350
0,352
0,363
0,379
0,385
0,386
0,386
0,422
0,431
0,434
0,556
0,650
0,674
0,679
0,819
0,838

YAK2
YAK3
SARG
MSD-D
MMD-D
MMD2
MSD-Y
FRAG
MMD2-Y
YAK-A
MMD2-D
MMD
MMD-Y
DSN
MSD
YAK1
SHM
SHC
QUI1
PAY
DIAN
QUI2

0,084
0,100
0,108
0,118
0,120
0,123
0,124
0,131
0,131
0,137
0,144
0,152
0,152
0,192
0,231
0,267
0,275
0,379
0,510
0,511
0,601
0,627

FRAG
SARG
MMD2-Y
MMD2
MSD-Y
MMD
YAK3
MSD-D
MMD-D
MSD
YAK2
MMD-Y
MMD2-D
YAK-A
DSN
YAK1
PAY
SHM
SHC
QUI1
QUI2
DIAN

CORRELAO ANUAL
k= 10
k= 3
VALOR MODELO
VALOR MODELO
0,748
0,891
1,093
1,097
1,097
1,098
1,130
1,187
1,188
1,208
1,253
1,347
1,478
1,541
1,548
1,550
1,562
1,568
1,569
1,611
1,633
1,683

PAY
MMD2
MMD2-Y
MSD-D
MMD-D
MMD
MSD-Y
MMD-Y
MMD2-D
SARG
FRAG
MSD
YAK-A
YAK2
QUI2
YAK3
DIAN
QUI1
YAK1
DSN
SHM
SHC

0,033
0,061
0,081
0,091
0,091
0,126
0,128
0,135
0,136
0,178
0,179
0,213
0,362
0,364
0,384
0,390
0,394
0,403
0,417
0,438
0,476
0,482

MMD2
MMD
MMD2-Y
MSD-D
MMD-D
MSD-Y
MSD
MMD-Y
MMD2-D
SARG
FRAG
PAY
DIAN
QUI2
YAK3
YAK1
YAK2
DSN
YAK-A
QUI1
SHM
SHC

b) para as correlaes mensais: os

modelos YAK, SARG, os propostos e FRAG;
c) para as correlaes anuais: os
modelos propostos e PAY.
ndice de avaliao global desenvolvido
por O'Connell (apud Barbosa, 1980 e
Kelman et al, 1983)
Este ndice, cuja descrio aqui est
transcrita do artigo de Kelman et al. (1983),
consiste em calcular para a srie histrica e
para diversas sries sintticas com o mesmo
comprimento do histrico, estatsticas
especficas ou ndices. Resultando uma
distribuio de probabilidades para os
ndices e a coerncia entre as sries
sintticas pelo modelo e a srie histrica
pode ser medida pela posio do ndice
histrico nesta distribuio. Um ndice I
qualquer definido como uma funo de
uma srie de vazes, I=f[Q(1),Q(2),...,Q(h)].
Por
exemplo,.
I=max[Q(1),...,Q(h)].
Aplicando-se a funo srie de vazes
histricas obtm-se o ndice histrico i(hist).
Com n sries geradas com o mesmo
comprimento do histrico obtm-se n ndices
gerados i(j), j=1,...,n. O desempenho do
modelo ento medido pela proporo de
ndices gerados maiores do que o histrico,
P[i(j)>i(hist)]. Se esta proporo for muito
pequena ou muito grande, isto uma
indicao de que a observao histrica
atpica para o modelo. Em geral, deseja-se
testar m ndices, I(i), i=1,...,m, arranjados no
vetor

d (r ) T 1 (r )
j
j
j

(16)

d
(r
) T 1 (r
)
hist
hist
hist

(17)

onde
n
rj
j1

(14)

I(i)=fi [Q(1),...,Q(h)]

(15)
histrico
vetores rj,
uma srie
distribuio
Para cada

(18)

1 n
(r )(r ) T
j
nj1 j

(19)

Nas frmulas acima, os smbolos em

negrito significam notao matricial. A
varivel dhist ento comparada com as
distncias dj atravs de duas medidas de
desempenho: a proporo de distncias
geradas maiores que a distncia histrica,
P[d j d hist ] , e a distncia padronizada
(nota - ) definida por:

dhist m
s

(20)

onde m a mdia dos valores de dj, j=1,...,n

e s definido como
s

I(1)
I(2)

r
...
I(m)

O vetor obtido com o

denotado rhist e existem n
j=1,...,n, cada um obtido com
gerada. Define-se portanto uma
de probabilidades multivariada.

vetor rhist e para rj, define-se a distncia ao

centro da distribuio pelo escalar positivo:

1
n

n
(d m) 2
j 1 j

(21)

P[d d
]
se
j
hist
aproximar de 0,5 e quanto menor o valor
absoluto de , melhor o desempenho do
modelo.
Os ndices escolhidos, m=10 no total,
foram os mesmos escolhidos por Kelman et
al. (1983) para a anlise do modelo Diana,
exceo do de nmero 10, volume de espera
para enchentes (excludo pelo fato de que o
tempo de computao empregado ter sido

Quanto

mais

considerado excessivo, tendo em vista o

grande nmero de modelos gerados substitudo ento pela correlao lag 1 das
vazes
dirias).
Os
ndices
esto
relacionados na tabela 6. Para que os
modelos de desagregao mensal ou anual
em diria competissem em igualdade de
condies com os outros, foram comparadas
suas caractersticas dirias e de mximas,
no testando portanto estatsticas mdias
mensais ou anuais.
Os resultados do ndice de anlise
global esto apresentados na tabela 7, para
nota (frmula (20)) e P[dj>dhist] (frmulas
(16) e (17)). O critrio adotado para
avaliao o seguinte: quanto melhor o
modelo, menor o valor absoluto da nota. A
terceira coluna desta tabela mostra estes
valores em ordem crescente. Pelos
resultados desta tabela v-se que os
modelos propostos MSD-D, MMD2, MMD-Y e
MMD2-Y foram os que melhor se
comportaram com respeito ao critrio
adotado, e que os outros modelos propostos
tambm se comportaram bem de modo
geral, todos eles melhores que o melhor dos
modelos paramtricos, o modelo SARG. Isto,
somando ao fato de que este ndice no
inclui estatsticas mensais (ver item 6.1.5),
no que os modelos propostos tambm se
destacam, justifica e recomenda plenamente
a utilizao destes modelos em simulaes
na prtica.
CONCLUSES E RECOMENDAES
Todos
os
modelos
propostos
apresentaram
praticamente
resultados
semelhantes, o que torna difcil dizer qual
deles o melhor. Principalmente pela
facilidade computacional da aplicao dos
modelos baseados no modelo MSD,
recomendada a sua utilizao, em uma
primeira tentativa de simular vazes dirias.
Tabela 6 - ndices testados na avaliao
global desenvolvida por O'CONNELL
I

ndice

1 Mdia da vazo diria

2
3
4
5
6
7
8
9
10

Desvio-padro da vazo diria

Assimetria da vazo diria
Curtose da vazo diria
Mdia da vazo mxima anual
Desvio-padro da vazo mxima anual
Assimetria da vazo mxima anual
Curtose da vazo mxima anual
Vazo mxima de todo o perodo
Correlao lag 1 da vazo mdia diria

Os modelos propostos foram baseados

no modelo FRAG, que teve excelente
desempenho em grande parte dos testes
efetuados. Entre algumas das vantagens dos
modelos propostos sobre o FRAG esto:
* na facilidade prtica em desagregar
uma srie mensal previamente gerada em
apenas alguns pontos crticos (por exemplo,
seca ou cheia) onde se necessite aumentar a
preciso e confiabildade da simulao.
Simulando vazes dirias desta maneira
apenas nestes pontos crticos, h um
considervel ganho de tempo computacional;
*
podem, por sua flexibilidade e
variabilidade de modelos, gerar sries mais
distintas da srie original que o FRAG.
A utilizao dos modelos propostos
pode ser recomendada na prtica devido a
suas
principais
caractersticas,
que,
somadas, parecem mostrar a vantagem
deles sobre os demais modelos simulados
neste trabalho:
1) tm todas as vantagens dos
modelos no-paramtricos (tem uma maior
semelhana com a srie original que os
paramtricos;
reproduzem
melhor
as
ascenes rpidas e recesses lentas
caractersticas das sries histricas);
2) conseguem simular vazes dirias a
partir de simulaes mensais, preservando
assim caractersticas anuais, mensais e
dirias ao mesmo tempo;

Tabela 7 - Resultados do ndice de anlise global para nota (frmula (20)) e

P[dj>dhist] (frmulas (15) e (16))
MODELO
MSD-D
MMD2
MMD-Y
MMD2-Y
FRAG
YAK2
MSD
MSD-Y
YAK-A
YAK3
MMD
MMD-D
YAK1
MMD2-D
SARG
DIAN
DSN
SHM
SHC
QUI1
QUI2
PAY

ABS

P[dj>dhist]

0,058
0,387
0,388
0,520
0,523
0,530
0,537
0,616
0,637
0,695
0,770
0,835
0,963
0,968
0,990
4,341
10,259
53,685
65,713
316,029
994,119
1001,989

0,058
-0,387
-0,388
0,520
0,523
-0,530
-0,537
-0,616
0,637
-0,695
0,770
-0,835
-0,963
-0,968
0,990
4,341
-10,259
-53,685
65,713
-316,029
-994,119
-1001,989

0,250
0,500
0,688
0,438
0,250
0,813
0,750
0,813
0,125
0,813
0,063
0,875
1,000
0,938
0,125
0,000
1,000
1,000
0,000
1,000
1,000
0,000

3) simulam vazes dirias por modelos

no-paramtricos que no preservavam,
originalmente, estatsticas mensais.
possvel que em estaes com
maiores
reas
de
drenagem
e/ou
sazonalidade bem pronunciada os modelos
propostos, utilizando srie original obtida do
histrico, no tenham bom desempenho. Isto
devido ao fato de que o fragmentos obtidos
em um ms no possam ser transferidos
para outro, por causa da forma do
hidrograma tpico existente em cada ms, o
que no aconteceu neste estudo. Neste caso
uma anlise mais aprofundada necessria,
e
algumas
solues
possveis
so
apresentadas no item 5.5. do trabalho de
Mller (1997).
Uma hiptese possvel simular os
modelos propostos para locais com registros
horrios, ou simplesmente com perodos de
observao menores que o dia. Tambm
pode-se testar os modelos propostos em
locais com poucos anos de observao.

Deste modo testar-se- a flexibilidade dos

modelos propostos para situaes diferentes
das que foram encontradas neste trabalho.
Este trabalho no visa esgotar o
assunto: alm do aperfeioamento dos
modelos existentes e criao de novos, um
importante campo de estudo, sugerido por
Yakowitz (1979), o da criao de modelos
paramtricos
matematicamente
mais
complexos que os existentes,
que
reproduzam bem a forma dos hidrogramas
dirios.
AGRADECIMENTOS
O autor agradece aos professores
Fbio
Ramos
e
Eloy
Kaviski,
respectivamente orientador e co-orientador
da dissertao de mestrado que serviu de
base para este artigo. E tambm agradece
aos professores participantes da banca,
Heinz Dieter Fill e Robin Thomas Clarke,

pelas
importantes
sugestes
recomendaes e pela compreenso.

REFERNCIAS
HARMS, A. A., CAMPBELL, T. H. 1967 An
extension to the Thomas-Fiering model
for the sequential generation of
streamflow. Water Resources Res.,
v.3, n.3 p.653-661.
KELMAN, J. DAMZIO, J.M. e COSTA, J.P.
1983. Gerao de sries sintticas de
vazes dirias - modelo Diana. Revista
Brasileira de Eng., v.1, n.2. p.5-22.
KELMAN, J. 1977. Stochastic modeling on
hydrologic, intermittent daily processes.
Hydrology
Papers.
Fort
Collins:
Colorado State University, n.89.
KELMAN, J. 1987a. Modelos estocsticos
para gerenciamento de recursos
hdricos.
In:
Modelos
para
gerenciamento de recursos hdricos.
So Paulo: Nobel/ABRH. cap.4.
KELMAN, J. 1987b. Controle de cheias e
aproveitamentos hidreltricos. Rio de
Janeiro: ABRH. 175p.
HOSHI, K. et al. 1984. Estimation of lognormal quantiles: Monte Carlo results
and first order approximations. J. of
Hydrology, v.71. p.1-30
KOTTEGODA, N. T., HORDER, M. A. 1980.
Daily flow model based on rainfall
occurrences using pulses and a
transfer function. J. of Hydrology, v.47.
p.215-234.

Dissertao (Mestrado em Engenharia

Hidrulica). Universidade Federal do
Paran.
PAYNE, K. et al. 1969. Daily streamflow
simulation. J. of Hydraulics Div., HY4.
p.1163-1179.
QUIMPO, R. G. 1968. Stochastic analysis of
daily river flows. J. of Hydraulics Div.,
HY1. p.43-57.
SARGENT, D. M. 1979. A simplified model
for the generation of daily streamflows.
Hydrological Sciences - Bulletin - des
Sciences Hydrologiques, v.24, n.4.
p.509-527.
SVANIDZE, G. G. 1980. Mathematical
modeling of hydrologic series: for
hydroeletric and water resources
computations. Fort Collins, Colorado:
Water Resources Publ. 314p.
VALENCIA, D. et al. 1991. Evaluacion critica
de los modelos de desagregation en
hidrologia. Avances en Rec. Hidr., n.0,
p.63-73.
WEISS, G. 1977. Shot noise models for the
generation of synthetic streamflow
data. Water Resources Res., v.13, n.1.
p.101-108.
YAKOWITZ, S. J. 1979. A nonparametric
Markov model for daily river flow. Water
Resources Res., v.15, n.5. p.10351043.
YEVJEVICH, V. 1984. Structure of daily
hydrologic series. Littleton, Colorado:
Water Resources Publ. 252p.

MINE, M.R.M. 1990. Gerao de vazes

mdias dirias pelo SOSN. Revista
Brasileira de Eng., v.8, n.1. p.51-64.
ABSTRACT
MLLER, F. Gerao univariada de vazes
dirias por mtodos diretos. Curitiba:
Universidade Federal do Paran, 1997.

Generation of synthetic series of daily

flows can be utilized in hydrology in, among

others, maximum flow simulation or decision

refinement taken with monthly simulation.
The dissertation aim is the creation of
daily flows generation models which resolve
the common problems of these kind of
models: they do not preserve, at the same
time, the temporal series form of daily flows
and monthly statistics.
To compare with the proposed models,
daily flows series were generated by various
existent models.
The proposed models are basically two:
DSM (Disaggregation Simplified Model) and
DMM (Disaggregation Modified Model). They
are based on fragments method (Svanidze,
1980).
The tests made showed that the
nonparametric models preserve more
efficiently the temporal series form of daily
flows. The monthly statistics were well
preserved by the proposed models,
consequently the study aim was reached.