Apresentação Sessão 23 (AP_Sessao23.pdf) - ONS

Modelos de Previsão de Vazões para a
Bacia Incremental à UHE Itaipu
FUNDAÇÃO
CENTRO TECNOLÓGICO
DE HIDRÁULICA
Mário Thadeu Leme de Barros
Escola Politécnica
da Universidade de São Paulo
Setembro de 2007

Equipe TécnicaT
Escola Politécnica da USP – Departamento de Engenharia Hidráulica e Sanitária
Fundação Centro Tecnológico de Hidráulica
- Divisão de Hidráulica Computacional
Prof. Dr. Mario Thadeu Leme de Barros Consultor em Modelação Estocástica
stica
Dr. João Eduardo Gonçalves Lopes Consultor em Modelação Hidrológica
Prof. Dr. José Rodolfo Scarati Martins Coordenador do Projeto
Dr. Francisco Martins Fadiga Jr Engenheiro
MSc. . Raquel Chinaglia P dos Santos Engenheira
Flavio Conde Engenheiro

Área em Estudo e
Disponibilidade de Dados

Área em estudo
Bacia do rio Paraná,
trecho situado entre
as usinas hidrelétricas
de Rosana, Porto
Primavera e Itaipu

Características físicas f
da área incremental de Itaipu
Área de drenagem: 150 900 km 2
Principal contribuição:
confluência na margem
esquerda com o rio
Paranapanema, imediatamente
a jusante da UHE Rosana
Demais contribuições
significativas: rios Ivaí e Piquiri
na margem esquerda; rios
Ivinheima, , Amambaí e
Iguatemi na margem direita

Topografia da bacia
As sub-bacias bacias da margem
direita apresentam grandes
planícies de inundação
Forma diferenciada dos
hidrogramas, (atraso na
ocorrência do pico das
cheias devido ao grande
armazenamento nas
planícies)

Disponibilidade de dados pluviométricos
As regiões mais ao sul
da bacia são as que
apresentam maiores
índices pluviométricos,
com uma chuva média m
anual atingindo
valores de 1 800 mm

Disponibilidade de dados fluviométricos
Sub-bacia Posto fluviométrico Área (km 2 ) Porcentagem do total
1- Ivaí Novo Porto Taquara 34 414 22.8%
2- Piquiri Balsa Santa Maria PCD 20 961 13.9%
3- Ivinheima Ivinhema PCD 31 816 21.1%
4- Amambaí Flórida 7 174 4.8%
5- Iguatemi Estrada Iguatemi 8 020 5.3%
6- Vale 29 677 19.7%
7- Lago 18 839 12.5%
Total 150 901 100%

Critérios rios para
Desenvolvimento do Modelo de
Previsão de Vazões

• Aplicação dos modelos na previsão de vazões naturais
médias diárias e médias m
semanais na bacia incremental de
Itaipu, para um horizonte de curto prazo de 12 dias à frente
• Disponibilidade de previsões de precipitação fornecidas
pelo Modelo Regional ETA (CPTEC/INPE) em grade de
40 x 40 km, para um horizonte de 10 dias à frente
• A previsão de vazão natural média m
semanal poderá estar
compreendida em três períodos no horizonte de 12 dias: do
4º ao 10º dia, do 5º 5 ao 11º dia e do 6º 6 ao 12º dia

1 2 3 4 5 6 7 8 9 10
Q Q S
S D S T Q Q S
(10 dias)
1 2 3 4 5 6 7 8 9 10 11
T Q Q S S D S T Q Q S
(11 dias)
1 2 3 4 5 6 7 8 9 10 11 12
S T Q Q S S D S T Q Q S
(12 dias)

Metodologias Abordadas para
a Previsão de Vazões

Metodologias Abordadas
- Modelação Hidrológica SMAP
- Modelação Estocástica stica Linear
- Modelação Combinada SMAP-MEL
MEL

MODELO SMAP
SMAP = Soil Moisture Accounting Procedure
Modelo determinístico de simulação hidrológica do tipo
transformação chuva-vazão
vazão
Modelo constituído por reservatórios rios matemáticos, ticos, cujas
variáveis veis de estado são atualizadas a cada passo de cálculo c
por funções de transferência

MODELO SMAP
Versão 4 reservatórios
rios
Rsolo(t): reservatório rio do solo zona aerada no instante de tempo t (mm)
Rsup(t) : reservatório rio da superfície da bacia no instante de tempo t (mm)
Rsub(t) : reservatório rio subterrâneo zona saturada no instante de tempo t (mm)
Rssp(t) : reservatório rio sub-superficial superficial da bacia no instante de tempo t (mm)
Q
( t )
(Ed
=
( t )
+ Ess
( t )
86.4
+ Eb
(t )
) × Ad
P(t) : chuva média m
na bacia no instante de tempo t (mm)
Es(t) : escoamento superficial no instante de tempo t (mm)
Ed(t) : escoamento direto no instante de tempo t (mm)
Er(t) : evapotranspiração real no instante de tempo t (mm)
Rec(t) : recarga subterrânea no instante de tempo t (mm)
Eb(t) : escoamento básico b
(mm) no instante de tempo t
Ess(t) : escoamento sub-superficial superficial (mm) no instante de tempo t
Ep: : Evaporação potencial (mm/dia – medidas padrão de Tanque classe A)
Q: vazão de escoamento (m 3 /s)
t: instante de tempo

MODELO SMAP
Parâmetros de calibração do modelo:
Str: : capacidade de saturação do solo (mm)
K2t: constante de recessão do escoamento superficial (dias)
Kkt: : constante de recessão do escoamento básico b
(dias)
Crec: : parâmetro de recarga subterrânea (%)
Ai: abstração inicial (mm)
Capc: : capacidade de campo (%)
Parcss: : parcela de escoamento sub-superficial, superficial, com valor entre 0 e 1
K3t: constante de recessão do escoamento sub-superficial superficial (entre Kkt e K2t)
Para a calibração, são necessários de 30 a 180 dias de dados de
vazão media diária, incluindo eventos de cheia

Dados de entrada do modelo:
- totais diários de chuva
- total diário médio m
do período de evaporação potencial
(tanque classe A)
Configuração inicial do modelo:
atribuição de valores às s variáveis veis de estado (quantidade
de água contida em cada reservatório) rio) no primeiro
intervalo de tempo

Calibração do Modelo SMAP
A calibração dos parâmetros foi efetuada de forma semi-autom
automática, tica, aproveitando
as vantagens do método m
de “tentativa e erro“ e de métodos m
matemáticos ticos de
otimização para calibração automática.
tica.
Dos seis parâmetros do modelo SMAP, foram utilizados três na calibra
ibração
automática:
tica:
100 mm < Str
< 2000 mm
0.2 dias < K2t < 10 dias
0 % < Crec < 100 %
Empregou-se também m um método m
de otimização para a determinação dos
coeficientes de representação espacial dos postos pluviométricos na bacia.

Para a calibração do modelo, foram
escolhidos 3 eventos distintos com 6 meses de
duração cada, dentro do período 1996 e 2001:
o evento mais seco iniciando em junho de
1999, o evento mais úmido em agosto de 1998
e o evento mais úmido no rio Ivinheima
iniciando em setembro de 1997

As sub-bacias bacias situadas na margem direita do rio
Paraná apresentam grandes planícies de
inundação.
1. A forma dos seus hidrogramas é diferenciada, existindo
um grande atraso na ocorrência do pico das cheias devido
ao grande armazenamento nessas planícies.
Para permitir uma representação adequada
dessas características, foi desenvolvida uma
versão especial do modelo SMAP, inspirada
no método m
de Dooge (DOOGE 1977) e Nash
(NASH et all, , 1970), acrescentando um quinto
reservatório rio linear para representar o
acúmulo da planície, em cascata com o
reservatório rio da superfície e com defasagem no
tempo.
2. A fase ascendente do hidrograma tem duração maior
que a fase descendente.
No caso do rio Ivinheima, , o atraso chega a 12 dias após s a
ocorrência das chuvas.
80.0
60.0
40.0
20.0
0.0
1 31 61 91 121 151 181
1200
1000
800
600
400
200
0
1/8/98 31/8/98 1/10/98 31/10/98 1/12/98 31/12/98 31/1/99
Chuva e vazão na bacia do rio Ivinheima

MODELO SMAP
Versão 5 reservatórios rios para planícies de inundação
Rsup2(t) reservatório rio linear hipotético tico para representar
o acúmulo de água em planícies de inundação,
em cascata com o reservatório rio da superfície e
com defasagem no tempo
Ed2(t)
parcela do escoamento direto sofre defasagem
na planície (mm)
Q
( t )
(Ed2
=
( t )
+ Ess
( t)
86.4
+ Eb
( t )
) × Ad
+ 2 Parâmetros de calibração :
Def: Defasagem causada pela planície de inundação
Parc: : Parcela do “Ed” que não sofre defasagem na
planície

io Ivaí em Novo Porto Taquara
1998
60
40
20
0
10000
1000
100
150%
100%
50%
Chuva média na bacia (mm/dia)
1 32 63 94 125 156
Vazões (m3/s)
Q basica calc Q obs Q calc
1/8/98 31/8/98 1/10/98 31/10/98 1/12/98 31/12/98 31/1/99
Erro (%)
0%
1/8/98
-50%
31/8/98 1/10/98 31/10/98 1/12/98 31/12/98 31/1/99
Qcalc x Qobs y = 1.0572x - 59.39
R 2 = 0.899
7000
6000
5000
4000
3000
2000
1000
0
0 2000 4000 6000
60000
50000
40000
30000
20000
10000
-20000
Diferenças em relação a média
acumuladas
0
-10000 1 32 63 94 125 156
Teste de Sinal
30
20
10
0
-10 1 32 63 94 125 156
-20
-30

io Ivaí em Novo Porto Taquara
Validação
- 2001
60
40
20
0
10000
1000
100
150%
100%
50%
Chuva média na bacia (mm/dia)
1 32 63 94 125 156
Vazões (m3/s)
Q basica calc Q obs Q calc
26/11/00 26/12/00 26/1/01 25/2/01 28/3/01 27/4/01 28/5/01
Erro (%)
0%
26/11/00
-50%
26/12/00 26/1/01 25/2/01 28/3/01 27/4/01 28/5/01
Qcalc x Qobs
4000
3500
3000
2500
2000
1500
1000
500
y = 0.9201x + 31.386
R 2 = 0.8334
0
0 1000 2000 3000
25000
20000
15000
10000
5000
-10000
Diferenças em relação a média
acumuladas
0
-5000
1 32 63 94 125 156
30
20
10
Teste de Sinal
0
1
-10
32 63 94 125 156

io Ivinheima em Ivinhema - Versão modificada
1998
80
60
40
20
0
1000
Chuva média na bacia (mm/dia)
1 32 63 94 125 156
Vazões (m3/s)
Q basica calc Q obs Q calc
Qcalc x Qobs
1200
1000
800
600
400
200
y = 0.8747x + 95.238
R 2 = 0.8649
0
0 500 1000 1500
8000
Diferenças em relação a média
acumuladas
6000
4000
2000
100
1/8/98 31/8/98 1/10/98 31/10/98 1/12/98 31/12/98 31/1/99
Erro (%)
40%
20%
0%
1/8/98
-20%
31/8/98 1/10/98 31/10/98 1/12/98 31/12/98 31/1/99
-40%
0
1
-2000
32 63 94 125 156
-4000
Teste de Sinal
20
0
-20 1 32 63 94 125 156
-40
-60
-80

Reinicialização das variáveis veis de estado em
tempo real
Modelo SMAP --- opera de forma contínua nua no tempo.
A cada intervalo de tempo, novo dado de chuva é incorporado e a água
contida nos reservatórios
rios é atualizada pelas funções de transferência.
Mesmo sem chuva os reservatórios rios vão sendo atualizados com perdas por
evaporação e liberação dos escoamentos.
Após s algum tempo de uso ocorrerão desvios entre a vazão calculada e a
vazão observada que indicarão a necessidade de uma intervenção no modelo.
Se não forem corrigidos, esses desvios persistirão por muito tempo, jáj
que a
memória do modelo é longa.

Reinicialização das variáveis veis de estado em tempo real
CAUSAS (desconsiderando-se se a possibilidade de erros
nas vazões observadas):
- erro ou falha nos dados de chuva obtidos pela
telemetria
- não representatividade ou baixa densidade de
postos na rede telepluviométrica
trica
- mau ajuste dos parâmetros na fase de calibração
- não representatividade dos dados de evaporação
potencial

Processo manual:
Observando-se os hidrogramas de um período
‘n’ dias atrás
(aquecimento), alteram-se os valores das variáveis veis de estado no
primeiro dia por tentativa e erro.
Caso existam descolamentos bruscos dentro desse período,
devemos corrigir a chuva média m
nesse dia, ou dias subjacentes.
Descolamento freqüente
ente - recalibrar os parâmetros do modelo.

Processos automáticos ticos (operação
desassistida):
1- Utilizar um algoritmo de otimização para calcular as
variáveis veis de estado no inicio do período de aquecimento,
minimizando os desvios dos hidrogramas.
Incluir nesse processo de otimização o cálculo c
dos pesos dos
postos que compõem a chuva média m
da bacia, para reduzir o
risco de erros nos dados de chuva ou não representatividade
dos postos.
Proposto no projeto FCTH/ONS para o sistema da área incremental de Itaipu,
com 150 mil km 2 e sete sub-bacias, bacias, para operação
desassistida do modelo.

io Piquirí em
Balsa Santa
Maria PCD –
20 961 km 2
C.Eficiência = .6769 com Thiessen (.18-.23
.23-.18-.10-.14-.17).17)
C.Eficiência = .9084 com pesos dos postos ajustados (.43-.00
.00-.00 .00-.00-.47-.09).09)

Processos automáticos ticos (operação
desassistida):
2 - Método Reverso, proposto por De Jesus, R.M.R., (2001), consiste em usar o
modelo de forma reversa e calcular a chuva ‘perfeita’ que gera um hidrograma
similar ao observado no período de aquecimento do modelo.
Utiliza um algoritmo de otimização, e os valores finais das variáveis veis de estado,
correspondentes ao dia atual, são então utilizados para a previsão.
Chuva ‘perfeita’ não necessariamente reflete a realidade da bacia, pois se apóia em
variáveis veis de estado iniciais não ajustadas, mas permite calcular variáveis veis de estado
finais representativas das condições atuais e, portanto, a geração de um hidrograma
satisfatório no período de previsão.
Os limites superiores e inferiores das variáveis veis de decisão (precipitação perfeita a
cada dia) seriam definidos em função da precipitação média m
diária observada nesses
dias.

C.Eficiência = .9820 com chuva perfeita (>0)
100
Chuva observada x perfeita (mm/dia) y = 0,84x + 0,7763
R 2 = 0,6197
90
80
70
60
50
40
30
20
10
0
0 10 20 30 40 50 60 70 80 90 100

Processos automáticos ticos (operação
desassistida):
3 - Método Reverso sem coleta de chuva observada em tempo
real.
Limites da chuva ‘perfeita’ definidos de forma paramétrica
podendo-se prescindir dos dados pluviométricos observados em
tempo real.
Controle do método m
= análise pós p s operação
Chuva ‘perfeita’ x Chuva média m
‘observada’ --- eventual
necessidade de intervenção para a reaferição
das variáveis veis de
estado iniciais ou demais parâmetros do modelo.

APLICAÇÃO DO MODELO SMAP À BACIA
INCREMENTAL DE ITAIPU
1. Serão empregados em cada sub-bacia bacia os parâmetros obtidos na etapa de validação
do modelo, que não mais serão modificados no uso do modelo em tempo real.
Recomenda-se uma recalibração
periódica dos parâmetros do modelo (ciclo sazonal
completo)
Sub-bacias controladas
Sub-bacias não controladas
Ivinheima Ivaí Piquiri Amambaí Vale Lago Iguatemi
Sub-bacia vizinha para transposição dos parâmetros Ivaí Piquiri Amambaí
Parâmetros
Str 300 100 120 200 100 120 200
K2t 3 3.5 2.0 6.0 3.5 2.0 6.0
Crec 2 11.0 20.0 100.0 11.0 20.0 100.0
Ai 2 2 2 2 2 2 2
Capc 35 30 30 30 30 30 30
Kkt 110 90 60 180 90 60 180
Def 8 - - - - - -
Parc 0.3 - - - - - -
Inicialização
Tuin 50 30 40 30 30 40 30
Ebin 215.0 412.5 315.0 116.3 355.7 283.1 130.0
Supin 55.0 20.5 35.0 12.8 17.7 31.5 14.3
Dados
Ad 31816 34414 20961 7174 29677 18839 8020
Pcof 0.97 1.06 1.03 1.00 1.00 1.00 1.00
Posto EVP Pontal Pontal Pontal Pontal Pontal Pontal Pontal
Legenda:
XX
XX
XX
Dados e parâmetros obtidos por transposição direta da sub-bacia vizinha
Valores de inicialização das variáveis de estado obtidos por transposição direta da sub-bacia vizinha
Valores de inicialização das variáveis de estado recalculados por proporcionalidade das áreas de drenagem

2. A reinicialização das variáveis veis de estado nas sub-bacias bacias controladas por postos
fluviométricos será feita no 36º dia anterior ao instante atual para, de forma contínua,
nua,
prever 12 dias a frente.
Este processo será repetido a cada semana de previsão de forma automática,
tica,
utilizando um método m
de otimização (função objetivo a maximização do coeficiente de
eficiência).
Escolhida a opção de chuva perfeita o ajuste das variáveis veis de estado para previsão é
conseqüência do processo de otimização (cálculo da chuva perfeita)
3. Para as sub-bacias bacias sem posto de controle de vazão (rio Iguatemi, vale e lago), as
variáveis veis de estado também m serão reinicializadas a cada semana de previsão de forma
automática, tica, por transposição dos valores calculados nas sub-bacias bacias vizinhas.
4. Como coeficientes de ajuste da chuva media em cada sub-bacia bacia (Pcof(
Pcof), será
empregada a média m
dos valores obtidos na calibração e validação.

5. A recalibração
dos coeficientes de representação espacial dos postos pluviométricos
nas sub-bacias bacias controladas também m será efetuada de forma automática tica a cada semana
de previsão. (não efetuada na opção chuva perfeita)
Este processo empregará um método m
de otimização (maximização do coeficiente de
eficiência) calculado entre as vazões observadas e previstas no período de 36 dias
atrás.
6. Para as sub-bacias bacias sem controle de vazão, nas quais não é possível a recalibração
automática tica destes coeficientes, serão empregados os valores obtidos pelo p
método m
de
Thiessen.
O modelo permite que tais valores sejam alterados manualmente a cada semana de
previsão, caso isto seja conveniente.

7. As vazões diárias previstas nas sete sub-bacias bacias serão
transladadas de forma a compor a previsão da vazão
natural incremental diária em Itaipu.
tempos de trânsito:
32h para Balsa Santa Maria no rio Piquiri,
36h para Novo Porto Taquara no rio Ivaí,
42h para Flórida no rio Amambaí,
45h para Ivinhema no rio Ivinheima,
24h para Estrada Iguatemi no rio Iguatemi,
24h para o vale do rio Paraná e
0h para a bacia correspondente ao lago de Itaipu.
Como os tempos de trânsito são dados em horas e as
vazões correspondem a valores médios m
diários, a
translação será efetuada empregando-se frações da
vazão média m
diária para dias adjacentes.

MEL

MODELAÇÃO ESTOCÁSTICA STICA LINEAR (MEL)
Modelo Misto ou Modelo de Função de Transferência
Emprego de informações passadas de vazão (auto-regressivo)
e de observações de outros fenômenos cujo sinal estocástico
stico
é relevante na implementação da previsão de vazão - por
exemplo vazão e chuva observadas e previstas a montante do
ponto de interesse.

MODELAÇÃO ESTOCÁSTICA STICA LINEAR (MEL)
Modelo misto (1): Isócronas
X
,
t
=
ϕ
w
1
1
X
P
,
t-1
t-b
+ ϕ
+ w
2
2
X
P
,
t-2
t-b-1
+ ... + ϕ
....w
n
P
p
X
t-b-n-1
,
t-p
+ δ +
u
t
+
w i
P t-b
peso da precipitação na isócrona i
precipitação na isócrona i,
b intervalos de tempo antes do instante t

MODELAÇÃO ESTOCÁSTICA STICA LINEAR (MEL)
Modelo misto (2): Precipitações médias m
acumuladas
X
,
t
=
ϕ
w
1
1
X
P
,
t-1
t-b
+ ϕ
+ w
2
2
X
P
,
t-2
t-b-m
+ ... + ϕ
....w
n
p
P
X
,
t-p
t-b-(n-1)m
+ δ +
u
t
+
w i
P t-b
peso do bloco i de precipitação média m
acumulada
bloco de precipitação acumulada de “m” dias, iniciando b intervalos
de tempo antes do instante t

MODELAÇÃO ESTOCÁSTICA STICA LINEAR (MEL)
X
,
t
=
Modelo misto (3): Precipitações médias m
acumuladas + Vazões injetadas
ϕ
w
ψ
ψ
1
1
11
j1
X
P
,
t-1
t-b
Y'
Y'
+ ϕ
+
1,t −α
j,t−α
w
1
j
2
2
X
P
+ψ
+ψ
,
t-2
t-b-m
12
j2
+ ... + ϕ
Y'
Y'
....w
1,t −α
1
n
−1
j,t−αj−1
P
p
X
,
t-p
t-b-(n-1)m
+ ... + ψ
+ ... + ψ
+ δ + u
1k
jk
+
Y'
Y'
t
1,t −α
j,t−α
+
1
j
−k−1
−k−1
+ ...
Y
'
i, t−α
−k
i
ψ ik
resíduo vazão injetada normalizada do posto
fluviométrico i tomado α i
- k intervalos de tempo
antes do instante t
peso do resíduo vazão injetada normalizada do
posto fluviométrico i para o instante (t - α i
– k – 1)

MODELAÇÃO ESTOCÁSTICA STICA LINEAR (MEL)
A vazão prevista num instante t será função de vazões
observadas e previstas no passado e de chuvas observadas e
previstas na bacia.
Na medida em que se avança a no período de previsão,
aumenta-se a incerteza do modelo devido às s incertezas
das previsões anteriores, tanto das vazões como das
precipitações.

MODELAÇÃO ESTOCÁSTICA STICA LINEAR (MEL)
Valor Esperado
E(X
,
t
)
=
ϕ
1
w P
ψ
ψ
X
1
11
j1
,
t-1
t-b
Y'
Y'
+ ϕ
1,t −α
j,t−α
1
j
2
+ w
X
2
,
t-2
P
+ψ
+ψ
t-b-m
12
j2
+ ... + ϕ
Y'
Y'
....w
1,t −α
1
j,t−α
j
n
p
P
−1
−1
X
,
t-p
+
t-b-(n-1)m
+ ... + ψ
+ ... + ψ
+
1k
jk
Y'
Y'
1,t −α
1
j,t−α
j
−k−1
−k−1
+ ...

MODELAÇÃO ESTOCÁSTICA STICA LINEAR (MEL)
No uso do modelo em tempo real, o processo de cálculo c
dos
pesos da regressão linear pode ser repetido automaticamente a
cada dia de previsão (método de otimização), de forma sazonal
(considerando somente os dados da estação do ano
correspondente ao dia da previsão)

MODELAÇÃO ESTOCÁSTICA STICA LINEAR (MEL)
Aplicação
à bacia incremental de Itaipu
Comparação realizada considerando-se se as seguintes informações
de precipitação no horizonte de previsão:
1. Precipitações observadas nos postos pluviométricos da bacia
2. Precipitações previstas pelo modelo regional ETA

MODELO COMBINADO SMAP-MEL
MEL
Resultado final do modelo de previsão:
Combinação linear dos resultados individuais SMAP e MEL
Q = α × Q + α ×
MEL
MEL
SMAP
Q
SMAP
Q
Q MEL
Q SMAP
α MEL
α SMAP
: previsão de vazão final em Itaipu
: previsão de vazão em Itaipu fornecida pelo modelo estocástico stico linear
: previsão de vazão em Itaipu fornecida pelo modelo hidrológico SMAP
: peso da previsão fornecida pelo modelo estocástico stico linear
: peso da previsão fornecida pelo modelo hidrológico SMAP

METODOLOGIA PARA CORREÇÃO DAS
PREVISÕES DE PRECIPITAÇÃO
- MODELO ETA
Hipótese:
O modelo ETA apresenta mais acertos na probabilidade ou
tempo de permanência da chuva média m
prevista do que na
altura de precipitação prevista
(TUCCI et al. Previsão de médio m
prazo da afluência de reservatórios rios com base na previsão climática, 2002)

METODOLOGIA PARA CORREÇÃO DAS
PREVISÕES DE PRECIPITAÇÃO
- MODELO ETA
Dada uma bacia, o mês correspondente ao dia da previsão e o horizonte de previsão:
35
Altura de precipitação média diária (mm)
30
25
20
15
10
5
Precipitação média observada
Precipitação média prevista - horizonte de previsão = 3 dias
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Probabilidade de ser igualada ou excedida (%)
Exemplo: bacia incremental de Itaipu para um dia do mês de janeiro correspondente ao
terceiro dia de previsão do modelo ETA

COMPARAÇÃO ENTRE AS ALTERNATIVAS DE
MODELAÇÃO MEL X SMAP X COMBINADO
Resultados da previsão de vazão média m
semanal
(1996 a 2003):

PREVISÃO DE VAZÃO DIÁRIA
Previsão de vazões diárias
– modelo combinado SMAP-MEL
MEL
Evento de chuva intensa de janeiro/97
12000
10000
8000
6000
4000
2000
0
Série observada
Séries calculadas
Séries calculadas
Previsão de vazão
usando chuva
observada
22/01/97
24/01/97
26/01/97
28/01/97
30/01/97
01/02/97
03/02/97
05/02/97
07/02/97
09/02/97
11/02/97
13/02/97
15/02/97
17/02/97
19/02/97
21/02/97
23/02/97
25/02/97
27/02/97
01/03/97
03/03/97
05/03/97
07/03/97
09/03/97
11/03/97
13/03/97
15/03/97
Vazão natural incremental diária
12000
10000
8000
6000
4000
2000
0
Série observada
Séries calculadas
Séries calculadas
Previsão de vazão
usando chuva prevista
corrigida
22/01/97
24/01/97
26/01/97
28/01/97
30/01/97
01/02/97
03/02/97
05/02/97
07/02/97
09/02/97
11/02/97
13/02/97
15/02/97
17/02/97
19/02/97
21/02/97
23/02/97
25/02/97
27/02/97
01/03/97
03/03/97
05/03/97
07/03/97
09/03/97
11/03/97
13/03/97
15/03/97
Vazão natural incremental diária

Na ausência de dados
pluviométricos observados...

CRITÉRIO RIO PARA APLICAÇÃO DOS MODELOS NA
AUSÊNCIA DE DADOS DE CHUVA OBSERVADA
Modelo SMAP:
Método da chuva perfeita permite prescindir dos
dados pluviométricos observados na bacia
Modelo MEL:
Substituir a chuva média m
diária observada na bacia
(informação ausente) pela média m
dos valores diários de
chuva perfeita calculados pelo modelo SMAP

Interface de Operação do
Modelo de Previsão

Interface do Modelo Desenvolvido
Base Georreferencial

Interface do Modelo Desenvolvido
Resultados da previsão de vazões

FIM