[en] LONG MEMORY MODELS TO GENERATING STREAMFLOW SCENARIO

• Main Author: GUILHERME ARMANDO DE ALMEIDA PEREIRA
• Other Authors: REINALDO CASTRO SOUZA
• Language: pt
• Published: MAXWELL 2011
• Subjects: [pt] MEMORIA LONGA; [en] LONG MEMORY; [pt] HIDROLOGIA; [en] HIDROLOGY; [pt] GERACAO DE CENARIOS
• Online Access: https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=18252@1; https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=18252@2; http://doi.org/10.17771/PUCRio.acad.18252

[pt] Este trabalho tem como objetivo o estudo das séries de energia natural afluente (ENAs) por meio de modelos de memória longa, no intuito de gerar cenários hidrológicos sintéticos. Séries temporais com memória longa são definidas como séries que apresentam persistente dependência entre observações afastadas por um longo período de tempo. Inicialmente procedeu-se uma análise exploratória através da qual foi possível encontrar características de série temporais com longa dependência. Os modelos empregados nesta dissertação foram os SARFIMA (p,d.q)x(P,D.Q)s em que os parâmetros dˆ e Dˆ assumem valores fracionários, para que seja possível a incorporação de efeitos de longa dependência e/ou cíclicos. Também foi utilizada a técnica de computação intensiva bootstrap em diversas etapas, dentre elas a construção de um teste não paramétrico para significância dos parâmetros fracionários, assim como bootstrap nos resíduos do modelo para a geração de séries hidrológicas sintéticas. Para averiguar a adequabilidade dos cenários gerados, foram realizados testes estatísticos de igualdade de médias, igualdade de variâncias, testes de aderência e análise de sequências. Por meio destes, pode-se concluir que os modelos empregados nesta dissertação conseguiram reproduzir de maneira satisfatória o histórico disponível de ENAs. === [en] The aim of this thesis is to study the series of natural energy surging (NES) through long memory models, whose interest is to fit models capable of generating synthetic hydrological series. Time Series with long memory are defined as a series which have persistent dependence between observations separated by a long period of time. Firstly, we proceed to the exploration analysis where we found particulars of long memory time series. The models employed is this work were SARFIMA (p, d, q)x(P, D,Q)s where parameters d and D assume fractional values so as to incorporate long memory and/or cycles effects. It was also used a intensive computational technique called bootstrap in various stages, among them the construction of a non-parametric test for the significant of fractional parameters and the bootstrap in the residual models for generating synthetic hydrological series. In order verify the accuracy of the scenarios generated, statistical tests were performed for equal means, equal variance, adherence test and sequence analysis. Through these, we can conclude that the models used in this thesis could satisfactorily reproduce the history of natural energy surging available.