Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/handle/123456789/24953
Title: Modelagem estocástica da distribuição de probabilidade da precipitação pluvial via métodos computacionalmente intensivos
Authors: Santos, Marconio Silva dos
Keywords: Simulação estocástica;Método de Monte Carlo via cadeias de Markov;Amostrador de Gibbs;Metropolis-Hastings
Issue Date: 24-Nov-2017
Citation: SANTOS, Marconio Silva dos. Modelagem estocástica da distribuição de probabilidade da precipitação pluvial via métodos computacionalmente intensivos. 2017. 96f. Tese (Doutorado em Ciências Climáticas) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2017.
Portuguese Abstract: Neste trabalho, é feita uma modelagem estatística da precipitação pluvial. Este é um trabalho metodológico que utiliza simulações estocásticas para estimar as distribuições de probabilidades envolvidas na modelagem dessa variável atmosférica. A fim de estimar os parâmetros dessas distribuições, foram utilizados métodos de Monte Carlo via cadeias de Markov para gerar amostras sintéticas de tamanho grande a partir de dados observados. Os métodos utilizados foram o algoritmo de Metropolis-Hastings e o amostrador de Gibbs. As simulações foram feitas sob a hipótese de que os dias de um mesmo período do ano (mês ou estação chuvosa) podem ser considerados como identicamente distribuídos em relação à probabilidade de ocorrer precipitação. Essa pesquisa possibilitou a produção de quatro artigos. O primeiro artigo utilizou o algoritmo de Metropolis-Hastings para modelar a probabilidade de ocorrência de precipitação em um dia qualquer do mês. As simulações desse artigo foram feitas com dados observados de algumas cidades brasileiras. Os demais artigos utilizaram o amostrador de Gibbs e os métodos propostos foram aplicados em cidades da região Nordeste do Brasil. No segundo artigo, as distribuições Beta e Binomial foram utilizadas para modelar o número de dias do mês com ocorrência de precipitação. No terceiro artigo, a distribuição de Poisson foi utilizada para modelar o número de dias com valores extremos de precipitação na estação chuvosa. Um método alternativo para estimar esses valores extremos e sua distribuição é apresentado no quarto artigo, utilizando a distribuição Gama. De acordo com os resultados dessas pesquisas, amostrador de Gibbs foi considerado adequado para estimar as distribuições na modelagem da precipitação em cidades para as quais há poucos dados históricos.
Abstract: In this work, it was made a statistical modeling of precipitation. This is a methodological work that uses stochastic simulations to estimate the probability distributions related to this atmospheric variable. In order to estimate the parameters of these distributions, Markov chain Monte Carlo methods were used to generate large size synthetic samples from observed data. The used methods were the Metropolis-Hastings algorithm and the Gibbs sampler. The simulations were performed under the hypothesis that the days of of the same period of the year (month or rainy season) can be considered to be identically distributed concernig the probability of precipitation. This research allowed the production of four papers. The first paper used the Metropolis-Hastings algorithm to model the probability of occurrence of precipitation on any day of the month. The simulations of this paper were perfomed with observed data of some Brazilian cities. The other papers used the Gibbs sampler and the proposed methods were applied to data from cities in the Northeast Brazil. In the second paper, Beta and Binomial distributions were used to model the number of days of the month with occurrence of precipitation. In the third paper, the Poisson distribution was used to model the number of days with precipitation extreme values in the rainy season. An alternative method for estimating these extreme values and their distribution is presented in the fourth paper, using the Gamma distribution. According to the results obtained by these researches, the Gibbs sampler was considered to be adequate to estimate distributions in the modeling of precipitation on cities for which there are few historical data.
URI: https://repositorio.ufrn.br/jspui/handle/123456789/24953
Appears in Collections:PPGCC - Doutorado em Ciências Climáticas

Files in This Item:
File Description SizeFormat 
ModelagemEstocásticaDistribuicao_Santos_2017.pdf16,3 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.