| Summary: | Orientador : Júlio Gomes === Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia de Recursos Hídricos e Ambiental. Defesa: Curitiba, 07/03/2017 === Inclui referências : f.143-148 === Resumo: Sejam por causas naturais, como os eventos hidrológicos atípicos, ou por ação humana, as cheias têm se tornado cada vez mais frequentes. No Brasil, existem áreas que sofrem com a repetição destes desastres, como é o caso de União da Vitória, no Estado do Paraná. Este tipo de fenômeno natural pode causar inúmeros danos à sociedade, desde perdas humanas até prejuízos financeiros, e, como não é possível evitar a ocorrência de fenômenos críticos, procura-se diminuir os seus impactos. Neste cenário se insere o agrupamento de cheias, visando estabelecer conjuntos de eventos com características semelhantes para, posteriormente, estudar os seus mecanismos de formação e contribuir para a diminuição das consequências provocadas pelas cheias. Dentro deste contexto, o presente estudo utiliza o algoritmo fuzzy c-means como método de agrupamento de cheias, que permitiu classificar os 85 eventos máximos anuais de cheia no rio Iguaçu, observadas na cidade de União da Vitória no Estado do Paraná, no período de 1931 a 2015, em quatro grupos distintos: grupos de severidade baixa, média e alta, e grupo de eventos catastróficos. Palavras-chave: Agrupamento de cheias. Indicadores de cheias. Intensidade de cheias. Lógica difusa. Fuzzy c-means. === Abstract: Being from natural causes, as atypical hydrological events or by human actions, floods have become more frequent. In Brazil, there are areas that suffer from the repetition of these disasters, like the city of União da Vitória, in the state of Parana. This kind of natural phenomenon can cause many damages to society, from human to financial losses and, once it is not possible to avoid the occurrence of critical phenomena, it is necessary to reduce their impacts. The flood clustering is included in this scenario, trying to determine clusters of events with similar characteristics to, subsequently, study its formation mechanisms and contribute to the reduction of the consequences caused by them. In this context, the present study uses the fuzzy c-means algorithm as the method for flood clustering, which allowed classifying the 85 annual maximum flood events in the Iguaçu River, observed in the city of União da Vitória, in the state of Paraná, from 1931 to 2015, in 4 distinct clusters: Low, Middle and High severity groups, and Catastrophic Events group. Keywords: Flood clustering. Flood indicators. Flood intensity. Fuzzy logic. Fuzzy c-means.
|
|---|
