
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Silva, Sandra Valéria Coelho da | - |
| Autor(es): dc.creator | Ferreira, Thales Rangel | - |
| Autor(es): dc.creator | Avelar, Fabricio Goecking | - |
| Autor(es): dc.creator | Liska, Gilberto Rodrigues | - |
| Autor(es): dc.creator | Muniz, Joel Augusto | - |
| Autor(es): dc.creator | Beijo, Luiz Alberto | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:56:41Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:56:41Z | - |
| Data de envio: dc.date.issued | 2024-01-25 | - |
| Data de envio: dc.date.issued | 2024-01-25 | - |
| Data de envio: dc.date.issued | 2022 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/58845 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1150912 | - |
| Descrição: dc.description | The cities of Petrópolis (RJ) and Poços de Caldas (MG) are located in the mountain range regions of their respective states in Brazil. They frequently suffer from damage caused by heavy rains. Therefore, analyzing and predicting the occurrence of maximum rainfall for these locations is fundamental for planning activities that are vulnerable to its occurrence. The modeling of this variable is done, generally, through the generalized distribution of extreme values (GEV), which the Bayesian methodology has shown good results in estimating its parameters. Therefore, the present study aimed to fit the GEV distribution to the historical series of maximum rainfall in Petrópolis and Poços de Caldas, and to evaluate different structures of prior distributions, informative and non-informative, in predicting the maximum rainfall expected for different return times. The number of successes and precision were analyzed in order to evaluate the predictions obtained with the information from the maximum rainfall of different locations to elicit the prior distribution. To obtain the posterior marginal distributions, the Monte Carlo method via Markov Chains was used. The use of informative prior distribution based on data from Poços de Caldas was more precise and accurate to predict the maximum rainfall for Petrópolis, while for Poços de Caldas, the informative prior based on information from São João da Boa Vista (SP) provided the best results. For both locations, it is expected that, in an average time of 5 years, there will be at least one day with maximum rainfall equal to or greater than 100 mm. | - |
| Descrição: dc.description | As cidades de Petrópolis (RJ) e Poços de Caldas (MG) estão situadas em regiões serranas de seus respectivos estados e sofrem frequentemente com estragos provocados por fortes chuvas. Analisar e prever a ocorrência de precipitações máximas nessas localidades são fundamentais para o planejamento de atividades vulneráveis à sua ocorrência. A modelagem dessa variável é feita geralmente com distribuição generalizada de valores extremos (GEV), e a metodologia bayesiana tem apresentado bons resultados na estimação de seus parâmetros. Sendo assim, o presente estudo teve como objetivos ajustar a distribuição GEV às séries históricas de precipitação máxima de Petrópolis e Poços de Caldas e avaliar diferentes estruturas de distribuições a priori, informativas e não informativas, na predição da precipitação máxima esperada para diferentes tempos de retorno. Foram analisados o número de acertos e a precisão a fim de avaliar as previsões obtidas com as informações advindas das precipitações máximas de diferentes localidades para eliciação da distribuição a priori. A obtenção das distribuições marginais a posteriori foi realizada usando-se o método Monte Carlo via cadeias de Markov. A utilização da distribuição a priori informativa fundamentada nos dados de Poços de Caldas foi mais precisa e teve maior número de acertos para predizer as precipitações máximas para Petrópolis, enquanto para Poços de Caldas foi a priori informativa com base nas informações de São João da Boa Vista (SP). Para ambas as localidades, espera-se que, em um tempo médio de cinco anos, ocorra pelo menos um dia com precipitação máxima igual ou superior a 100 mm. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Associação Brasileira de Engenharia Sanitária e Ambiental - ABES | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | acesso aberto | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| ???dc.source???: dc.source | Engenharia Sanitária Ambiental | - |
| Palavras-chave: dc.subject | Chuva extrema | - |
| Palavras-chave: dc.subject | Distribuição generalizada de valores extremos | - |
| Palavras-chave: dc.subject | Priori informativa | - |
| Palavras-chave: dc.subject | Tempos de retorno | - |
| Palavras-chave: dc.subject | Extreme rainfall | - |
| Palavras-chave: dc.subject | Generalized distribution of extreme values | - |
| Palavras-chave: dc.subject | Informative prior | - |
| Palavras-chave: dc.subject | Return time | - |
| Título: dc.title | Modelagem bayesiana da precipitação máxima de Petrópolis (RJ) e Poços de Caldas (MG) | - |
| Título: dc.title | Bayesian modeling of the maximum rainfall of Petrópolis (RJ) and Poços de Caldas (MG) | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: