Higher Order Markov Chain Model for Synthetic Generation of Daily Streamflows

• Autor(a) principal: Pereira, A. G. C.
• Data de Publicação: 2018
• Outros Autores: Sousa, F. A. S., Andrade, Bernardo Borba de, Campos, V. S. M.
• Tipo de documento: Artigo
• Idioma: eng
• Título da fonte: Repositório Institucional da UnB
• Texto Completo: http://repositorio.unb.br/handle/10482/33694; http://dx.doi.org/10.5540/tema.2018.019.03.0449
• topic: Hidrologia; Processos estocásticos; Critério de informação bayesiano

O objetivo deste estudo é melhorar o modelo de cadeias de Markov de dois estados usado em Hidrologia para geração sintética de fluxos diários. O modelo apresentado em (4) e estudado em (2) e (3) baseia-se em duas cadeias de Markov, ambas de ordem um, para a determinação do estado do fluxo. Em algumas áreas da Hidrologia, onde cadeias de Markov de ordem um são usadas com sucesso para modelar eventos como precipitação diária, pesquisadores têm se mostrado preocupados com a ordem ótima de tais cadeias (10). Neste artigo, uma resposta a uma preocupação similar sobre o modelo desenvolvido em (4) é dada, usando o critério de informação de Bayes para estabelecer a ordem de cadeia de Markov que melhor se encaixa nos dados. A metodologia é aplicada a uma série de fluxos diários de sete rios brasileiros. Observa-se que os dados gerados usando a ordem estimada de cada cadeia são mais próximos dos dados reais do que o modelo proposto em (4), com exceção de dois locais que têm as menores séries temporais e estão - localizados nas regiões mais secas.