Desempenho da mistura de distribuições a priori na predição de veranicos discretos máximos
| dc.contributor.advisor | Butturi-Gomes, Davi | |
| dc.contributor.author | Oliveira, Andréia do Carmo de | |
| dc.contributor.coadvisor | Beijo, Luiz Alberto | |
| dc.contributor.referee | Rocha, Everton Batista da | |
| dc.contributor.referee | Liska, Gilberto Rodrigues | |
| dc.date.accessioned | 2025-12-19T19:29:39Z | |
| dc.date.available | 2025-12-19T19:29:39Z | |
| dc.date.issued | 2024-12-20 | |
| dc.description.abstract | A ocorrência de períodos consecutivos de dias sem chuva durante a estação chuvosa (veranicos), pode comprometer as atividades do setor agrícola além de ocasionar problemas no abastecimento de água. Neste sentido, a modelagem de veranicos máximos é de grande importância para o planejamento de ações dos órgãos públicos, visando minimizar os impactos causados por eles. Dessa forma, o objetivo deste trabalho é verificar o desempenho da mistura de distribuições informativas a priori na predição de veranicos máximos no município alvo Brejinho - PE empregando a distribuição Generalizada de Valores Extremos (GEV) via Inferência Bayesiana. Foram utilizados dados de 12 municípios pertencentes a bacia do Rio Pajeú, localizada no estado de Pernambuco, para gerar informações e para compor a mistura de distribuições informativas a priori. Para obtenção dos valores a posteriori, utilizou-se o método Monte Carlo via Cadeia de Markov, por meio do software R. Foram comparadas sete estruturas de distribuição a priori para o ajuste da distribuição Generalizada de Valores Extremos (GEV) aos conjuntos de dados de veranico máximo anual. Com o objetivo de analisar qual o modelo mais eficiente para a previsão de veranico máximo anual para o município de Brejinho - PE, foram verificados o DIC (Critério de Informação da Deviance), a acurácia, o erro médio de predição e a amplitude média para os tempos de retorno de 2, 4, 6 e 8 anos. Foi observado que a estrutura com mistura de prioris proporcionou aumento na precisão e acurácia nas predições de veranicos máximos para o município de Brejinho - PE. A partir desses resultados, foram feitas as predições de veranicos máximos em Brejinho - PE, para os tempos de retorno de 5, 10, 20, 30, 50, 100 e 200 anos, que podem ajudar no planejamento, possibilitando evitar catástrofes, minimizar perdas agrícolas e adotar medidas preventivas mais eficazes. | |
| dc.description.abstract2 | The occurrence of consecutive dry days during the rainy season (dry spells) can compromise agricultural activities and cause water supply issues. In this context, modeling maximum dry spells is crucial for public agencies’ planning efforts to mitigate their impacts. Thus, this study aims to evaluate the performance of mixtures of informative prior distributions in predicting maximum dry spells in the target municipality of Brejinho, Pernambuco, using the Generalized Extreme Value (GEV) distribution via Bayesian inference. Data from 12 municipalities within the Pajeú River basin, located in Pernambuco, were used to generate information and compose the mixture of informative prior distributions. The Markov Chain Monte Carlo (MCMC) method, implemented in the R software, was employed to obtain the posterior marginal distributions. Seven prior distribution structures were compared to adjust the GEV distribution to the annual maximum dry spell datasets. To identify the most efficient model for predicting annual maximum dry spells in Brejinho, criteria such as the Deviance Information Criterion (DIC), accuracy, mean prediction error, and average range for return periods of 2, 4, 6, and 8 years were analyzed. Results showed that the prior mixture structure improved prediction precision and accuracy for maximum dry spells in Brejinho. Based on these findings, predictions for maximum dry spells in Brejinho were made for return periods of 5, 10, 20, 30, 50, 100, and 200 years, offering valuable insights for planning. These predictions can help prevent disasters, minimize agricultural losses, and implement more effective preventive measures. | |
| dc.description.additionalinformation | Termo de autorização SEI 1698349 | |
| dc.description.physical | 73 | |
| dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – CAPES | |
| dc.identifier.credential | 2021.1.214.002 | |
| dc.identifier.lattesAdvisor | http://lattes.cnpq.br/0326922176762825 | |
| dc.identifier.lattesAuthor | http://lattes.cnpq.br/6745977044471456 | |
| dc.identifier.lattesCoadvisor | http://lattes.cnpq.br/8194104388434526 | |
| dc.identifier.uri | https://repositorio.unifal-mg.edu.br/handle/123456789/3220 | |
| dc.language.iso | pt | |
| dc.publisher.campi | Sede | |
| dc.publisher.course | Mestrado em Estatística Aplicada e Biometria | |
| dc.publisher.department | Instituto de Ciências Exatas | |
| dc.publisher.initials | UNIFAL-MG | |
| dc.publisher.institution | Universidade Federal de Alfenas | |
| dc.publisher.program | Programa de Pós-Graduação em Estatística Aplicada e Biometria | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights.creativeCommons | Attribution-NonCommercial-NoDerivs 3.0 Brazil | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
| dc.subject.cnpq | Ciências Exatas e da Terra | |
| dc.subject.en | Generalized Extreme Value distribution (GEV) | |
| dc.subject.en | Bayesian inference | |
| dc.subject.en | Dry spell | |
| dc.subject.pt-BR | Distribuição Generalizada de Valores Extremos | |
| dc.subject.pt-BR | Inferência Bayesiana | |
| dc.subject.pt-BR | Veranico | |
| dc.title | Desempenho da mistura de distribuições a priori na predição de veranicos discretos máximos | |
| dc.title.alternative | Performance of the Prior Distribution Mixture in the Prediction of Maximum Discrete Dry Spells | |
| dc.type | info:eu-repo/semantics/masterThesis |
Arquivos
Pacote Original
1 - 1 de 1
Carregando...
- Nome:
- Dissertação de Andréia do Carmo de Oliveira.pdf
- Tamanho:
- 1.24 MB
- Formato:
- Adobe Portable Document Format
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 1.89 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição:
