PREVIVAZ MODELO DE PREVISÃO DE VAZÕES SEMANAIS AFLUENTES AOS APROVEITAMENTOS HIDROELÉTRICOS DO SISTEMA BRASILEIRO

Tamanho: px
Começar a partir da página:

Download "PREVIVAZ MODELO DE PREVISÃO DE VAZÕES SEMANAIS AFLUENTES AOS APROVEITAMENTOS HIDROELÉTRICOS DO SISTEMA BRASILEIRO"

Transcrição

1 PRVIVA MODLO D PRVISÃO D VAÕS SMAAIS AFLUTS AOS APROVITAMTOS HIDROLÉTRICOS DO SISTMA BRASILIRO Verão 6. MAUAL D MTODOLOGIA Deembro 05

2 Índce. ITRODUÇÃO. MÉTODOS D PRVISÃO D VAÕS FLUVIAIS 4 3. MODLAGM STOCÁSTICA D SÉRIS TMPORAIS 6 3. CARACTRÍSTICAS STATÍSTICAS DA SÉRI HISTÓRICA 6 3. AGRUPAMTO DA STRUTURA D CORRLAÇÃO MODLO AUTO-RGRSSIVO - ARP DSCRIÇÃO DO MODLO STIMAÇÃO DOS PARÂMTROS 3.4 MODLO AUTO-RGRSSIVO MÉDIA-MÓVL - ARMAP, 3.4. DSCRIÇÃO DO MODLO 3.4. STIMAÇÃO DOS PARÂMTROS MODLO AUTO-RGRSSIVO - PARP DSCRIÇÃO DO MODLO STIMAÇÃO DOS PARÂMTROS PLO MÉTODO DOS MOMTOS STIMAÇÃO DOS PARÂMTROS POR RGRSSÃO LIAR COM RSPITO À ORIGM D PRVISÃO MODLO AUTO-RGRSSIVO MÉDIA-MÓVL PRIÓDICO - PARMAP, DSCRIÇÃO DO MODLO STIMAÇÃO DOS PARÂMTROS PLO MÉTODO DOS MOMTOS STIMAÇÃO DOS PARÂMTROS POR RGRSSÃO LIAR STIMAÇÃO DOS PARÂMTROS POR RGRSSÃO LIAR COM RSPITO À ORIGM D PRVISÃO 4 Progrm PRVIVA - verão 6. Deembro/05

3 4. TRASFORMAÇÕS APLICADAS ÀS SÉRIS D AFLUÊCIAS 6 5. PADROIAÇÃO DAS SÉRIS D AFLUÊCIAS 8 6. ITRVALO D COFIAÇA DAS PRVISÕS 9 7. SCOLHA DO MLHOR ALGORITMO D PRVISÃO 3 7. APLICAÇÃO D LIMITS AS PRVISÕS APLICAÇÃO D LIMITS A SCOLHA DA MLHOR ALTRATIVA O PRVIVA APLICAÇÃO D LIMITS A PRVISÃO DO MODLO PRVIVA COCLUSÕS 4 9. RFRÊCIAS 4 Progrm PRVIVA - verão 6. Deembro/05

4 . ITRODUÇÃO A gerção de energ elérc no Brl deende bcmene d võe que nurlmene fluem o rovemeno hdroelérco brlero drbuído or doe bc hdrográfc do í, que hoje conem em m de um cenen. e rovemeno olm m de 90% d ccdde nld de gerção do í. O roceo nurl de võe fluv em como crceríc rncl u nconânc, deendene que é d ocorrênc de recçõe, fenômeno bdmene nermene e de comormeno onl ddo elo clm. Por exemlo, no udee brlero, chuv coo endem ocorrer com mor freqüênc no Verão, enquno que no Inverno, recçõe, lém de ouco freqüene, endem erem ouco coo, []. Devdo à rregulrdde d võe fluv e necedde de mner connudde do fornecmeno de energ elérc, o em de gerção de energ elérc brlero, lém de conr com un ermoelérc de comlemenção o que mlc em cuo de combuíve, con mbém com um conjuno de reervóro de cumulção, cuj função é eenclmene regulrção do regme fluv, rvé do rmenmeno de águ no eríodo de more fluênc nur de võe fluv, r er uld durne o eríodo m eco, qundo ão ec võe fluv. A ccdde de rmenmeno hoje donível erme não ó regulrção nr-nul do em, como mbém fornece roeção conr ocorrênc de eqüênc de no eco, confgurndo-e chmd regulrção lurnul do em. A coordenção d oerção do em de reervóro do eor elérco em conjuno com oerção do em de un ermoelérc de comlemenção, erme o melhor rovemeno d võe nur, evndo o deerdíco de águ e go excevo com combuíve. coordenção é fe no âmbo do chmdo Plnejmeno d Oerção do Sem Inerlgdo, execudo ulmene no OS. Vle mbém relr que, lém d função de regulrção r efeo de gerção de energ elérc, re d ccdde do reervóro do eor elérco é uld r conrole de che. ee co, reerv-e um Progrm PRVIVA - verão 6. /46 Deembro/05

5 rcel ueror do reervóro r er ocud omene durne ocorrênc de grnde che. O lno de oerção de um em hdroérmco de energ elérc deve defnr r cd nne gerção de cd undde de l form que demnd ej endd um cuo mínmo. A exênc de reervóro com ccdde de regulrção gnfcv, orn o roblem do lnejmeno d oerção um roblem não-erável no emo, um ve que qulquer decão de deleconmeno dee reervóro nfluenc ccdde de gerção do em no fuuro. A ccdde de gerção fuur do em mbém é nfluencd el fluênc hdrológc fuur, cuj nure exrnecmene leór deve er conderd no lnejmeno d oerção do em. m gerl, o uo de revõe hdrológc ode melhorr o deemenho d oerção do em umenndo benefíco e confbldde e, redundo cuo. Poenclmene, o em brlero de gerção de energ elérc, que coném um grnde ccdde de regulrção, ode benefcr-e lrgmene do deenvolvmeno de melhore modelo de revão hdrológc. O lnejmeno d oerção do em hdroérmco brlero, devdo u comlexdde, é ulmene feo rvé de um herrqu. o oo de herrqu, um lnejmeno de médo ro conró nulmene um olíc r er ud o níco de cd mê r decdr quno d demnd ol de energ do róxmo mê erá endd elo rque érmco e quno erá endd or cd ub-conjuno de hdroelérc grud or regõe. A cd mê o bloco de gerção hdráulco e érmco defndo el olíc de médo ro ão degregdo em me de gerção r cd un do em. O lnejmeno hdráulco de curo ro é feo conderndo no rmero mê um dcreção emorl emnl e r cd emn fluênc rev ão obd elo modelo PRVIVA [], r o dem mee do horone do eudo conder-e cenáro de fluênc men gerdo elo modelo GVAP [3]. Hoje é conderdo um horone de en mee. O Modelo PRVIVA é um modelo de revão de võe emn. le em como objevo nále e ee de lernv meodológc r modelgem eocác d fluênc Progrm PRVIVA - verão 6. /46 Deembro/05

6 emn e cálculo em freqüênc menl de revõe de é e emn frene. le ul modelo lnere de ére emor unvrd, endo revõe de fluênc um rovemeno obd undo en obervçõe d d fluênc o rovemeno em queão, não endo, orno, uld nformçõe obre o comormeno d fluênc o rovemeno róxmo ou de oo luvomérco n áre de drengem do rovemeno em queão. O em dee relóro f um breve dcuão do uo de modelo lnere de ére emor unvrd r obenção de revõe de võe men. O em 3 reen equçõe do dferene modelo, m como o méodo de emção de râmero uldo elo PRVIVA. O em 4 decreve rnformçõe do ddo uldo elo modelo, enquno que o em 5 decreve dronção d fluênc dod elo PRVIVA. O em 6 decreve como é clculdo o nervlo de confnç r revõe. O em 7 decreve o rocedmeno dodo no PRVIVA r ecolher qul d combnçõe: modelo, méodo de emção de râmero e rnformção do ddo, erá dod r fornecer revão de cd emn, m como eu nervlo de confnç. ee em fo crecend decrção do novo créro, mlemendo n verão 5.3, r redefnção do modelo dodo com be em lme de vrção de võe. Fnlmene o em 8 reen concluõe. Progrm PRVIVA - verão 6. 3/46 Deembro/05

7 . MÉTODOS D PRVISÃO D VAÕS FLUVIAIS A revão de võe fluv reen lgun defo nur. O modelo de revão qunv de recção eão nd em fe de ncmeno e enfrenm dfculdde nerene à revão do fenômeno urbuleno nervenene n Crculção Gerl d Amofer. Some-e nd o deconhecmeno do roceo fíco que ocorrem no neror d célul de recção. O m recene vnço ne áre ão o chmdo Modelo Regon de Crculção d Amofer onde, revõe de veno, emerur, reão e umdde do r, de Modelo Ger de Crculção d Amofer, ão uld como condçõe de conorno o ldo de Modelo Dg de Terreno delhdo d regão. O chmdo modelo chuv-vão conceu [5], de long rdção n Hdrolog Alcd, odem er udo r rnformção de revão de recçõe em revõe de võe. Com efeo, ee modelo êm do udo elo eor de Oerção de conceonár do eor elérco r obenção de revõe de võe dár, rndo-e de revõe qunv e recção. Um d grnde dfculdde de em de revão de võe bedo em modelo chuv-vão conceu é necedde conne de revão d clbrção e/ou d condçõe nc de volume rmendo no reervóro conceu do modelo. Our lernv bne uld r obenção de revõe de võe fluv é o uo d re deermníc de modelo de ére emor judo à ére de võe fluv como revão. ee co, revão om rdo não ó do comormeno onl d võe fluv referdo nerormene, como mbém conder o morne fenômeno denomndo endênc hdrológc. A endênc hdrológc é o ermo uldo r e referr à endênc obervd n ére hórc de võe fluv nur de vlore uerore/nferore o vlor norml do eríodo erem egud/recedd or vlore mbém uerore/nferore o vlor norml. Ou ej, e num cer emn, vão do ro fo ueror o vlor médo r quel emn, é rovável que n emn egune vão do ro deverá connur cm d méd. D mem form, e n emn vão fo nferor à méd d emn, n emn egune vão do ro deverá connur bxo d méd. A ocorrênc de endênc hdrológc em do rbuíd o fenômeno d nflrção de rcel do volume recdo obre bc hdrográfc. A rcel do volume recdo que nflr Progrm PRVIVA - verão 6. 4/46 Deembro/05

8 deende de dvero fore, denre ele, o edo de umdde d uerfíce do erreno. Am, e n emn d fo um emn com bne recção, e dgmo, com võe fluv l, e emn ende er de võe l, o uerfíce do erreno deve er úmd e nflrção erá equen, umenndo o ecomeno dreo. Além do, rcel que nflrou n emn d, ode er chegndo o ro e emn. ermnolog de ére emor, endênc hdrológc é conhecd como eruur de deendênc emorl, endo qunfcd el função de uocorrelção emd do regro de võe. enclmene, qulquer eruur de deendênc emorl onl ode er rerodud or modelo de ére emor lnere do o PARMA,q, o que f dee o de modelo um bordgem bne flexível, e bne oulr r modelgem eocác de võe fluv [6]. O modelo PRVIVA ul modelo lnere do o PARMA,q, coldo dferene ré-rnformçõe, o Box-Cox ou logrímc e dferene form de emção de râmero do modelo, r obenção de revõe de võe emn. Progrm PRVIVA - verão 6. 5/46 Deembro/05

9 3. MODLAGM STOCÁSTICA D SÉRIS TMPORAIS Dede décd de 60 o modelo uo-regrevo ão uldo em hdrolog e recuro hídrco n modelgem de ére emor econár e eródc. Su lcção eve níco em 96/63 com rblho de Thom e Ferng [7] e Yevjevch [8]. décd de 70 ublcção do lvro de Box e Jenn [9] movou, mbém, ulção do modelo uoregrevo com méd móve. 3. CARACTRÍSTICAS STATÍSTICAS DA SÉRI HISTÓRICA m gerl, roceo nur hdrológco como võe nur de um ro, qundo nldo n ecl emnl, reenm um comormeno eródco, reflendo o cclo d eçõe do no. Cd emn reen um conjuno de crceríc rór decr el méd, devo-drão e função de uocorrelção. Sej um ére de võe emn obervd em um deermnd eção de um ro [,,, S ], onde S é o número de emn e é o número de no. Podemo emr o egune índce eíco: A méd morl de cd emn é dd or: ˆ =,5 3. S 5S De form nálog, o devo-drão morl de cd emn é ddo or: ˆ =,5 3. S 5S ˆ S A uocovrânc lg mede o gru de deendênc lner enre obervçõe conígu de um roceo eocáco. ee co, uocovrânc lg ndc deendênc lner enre vão de um emn com vão d emn medmene neror. Suondo-e que eruur de deendênc emorl é econár, o é, não vr de emn r emn o longo do no, uocovrânc lg morl é obd or: Progrm PRVIVA - verão 6. 6/46 Deembro/05

10 S ˆ ˆ ˆ S S S 3.3 S A função de uo-covrânc morl é dd or ˆ, =,,, e cd vlor é clculdo or: S ˆ ˆ ˆ S S 3.4 S A uocovrânc ou dmenão d vrável. Pr e ober um índce de nále m dreo dvde-e função de uocovrânc elo devo drão d vráve envolvd, reulndo n função de uocorrelção morl: ˆ ˆ 3.5 ˆ ˆ S S Se ee vlor for gul gnfc que vão de um emn ode er erfemene decr el vão d emn neror. Co ee vlor ej gul - gnfc que vráve ão erfemene correlcond, m o crecmeno de um mlc no decrecmeno d our. Se ee vlor é ero gnfc que vráve não êm deendênc lner. Por ouro ldo, em roceo emn é comum defnr um conjuno de vlore que decrev eruur de uocorrelção lner de um dd emn com emn nerore, r cd emn. e vlore odem er defndo el uocorrelção lg, que decreve deendênc lner d vão de um emn qulquer com vão d emn medmene neror -; uocorrelção lg, que decreve deendênc lner d vão d emn com vão d emn -; ; uocorrelção lg, que decreve deendênc lner d vão d emn com vão do emn -, onde é um vlor qulquer. A ee conjuno de vlore dá-e o nome de função de uocorrelção d emn. O vlore mor dee índce eíco odem er obdo d egune form: S ˆ ˆ ˆ 5S S 5S S 3.6 Progrm PRVIVA - verão 6. 7/46 Deembro/05

11 Progrm PRVIVA - verão 6. Deembro/05 8/46 S S S S ˆ ˆ ˆ ˆ AGRUPAMTO DA STRUTURA D CORRLAÇÃO o modelo eródco, cd eríodo reen um função de uocorrelção. Mu vee, lgum d emv de funçõe ão mlre enre odendo-e, enão, gruá-l or eríodo de emo more que um emn, de l form que u emção orn-e m robu devdo à mor donbldde de obervçõe. Por exemlo, um função de uo-correlção váld r emn 4, rereenndo o rmero mê, ode er emd or: j j j j j j J ˆ ˆ ˆ ˆ 4 ˆ 5 4 5,4 3.8 A e rereenção dmo o nome de grumeno menl d função de uo-correlção. O grumeno rmerl d função de uocorrelção ode er emdo d egune form: j j j j j j J ˆ ˆ ˆ ˆ 3 ˆ 5 3 5,3 3.9 Anlogmene, o grumeno emerl d função de uocorrelção é ddo or: j j j j j j J ˆ ˆ ˆ ˆ 6 ˆ 5 6 5, MODLO AUTO-RGRSSIVO - AR 3.3. Decrção do Modelo O modelo AR ode er decro memcmene or: 3. Ou

12 B 3.b onde: S é um ére onl de eríodo é o número de eríodo S = 5 r ére emn é o número de no é o índce do emo, =,,,, função do no T T =,,, e do eríodo =,,, é méd onl de eríodo é devo-drão onl de eríodo B é o oerdor uo-regrevo de ordem o B =. - B - B - - B, B lcdo reul em - B = - é ordem do oerdor uo-regrevo ére de ruído ndeendene com méd ero e vrânc σ Sej correlção enre e -, de l form que correond o eríodo : 3. Pr dervção de mullc-e mbo o ldo d equção 3. or om-e o vlor eerdo: e Progrm PRVIVA - verão 6. 9/46 Deembro/05

13 Progrm PRVIVA - verão 6. Deembro/05 0/ obendo-e: > Conhecdo o râmero de um modelo AR função é dd el olução de 3.4 e ode er exre or um combnção de decmeno exonenc e/ou ond enod, o que f com que end ero à medd que crece. Fxndo-e e vrndo de em 3.4, obemo r cd eríodo um conjuno de equçõe comumene denomndo de equçõe de Yule-Wler. Pr um eríodo qulquer: 3.5 Pr = 0, exreão 3.3 fc: 3.6 Mullcndo 3. or e omndo o vlor eerdo, obemo: 3.7 Subundo 3.7 em 3.6 emo: 3.8

14 exreão é váld r qulquer emn mção do Prâmero Deo de fxd ordem do modelo,, é neceáro ober emv r o dvero râmero do modelo. Pr modelo uo-regrevo o emdore de momeno ão, em gerl, bne efcene [0]. A méd e o devo drõe on ão emdo el equçõe 3. e 3. reecvmene. O râmero, =,,, ão emdo ubundo-e em 3.5, =,,, or u emv dd el exreão 3.5. O em reulne ode er reolvdo or Decomoção de Choley []. Fnlmene, emv de odem er obd undo-e exreão 3.8. É emre oível emr o únco râmero de um modelo AR, o =. o enno, no co do modelo AR r >, ode não er oível reolução do em 3.5 ou, o modelo reulne ode er não-econáro. Qundo o ocorre, o-e el doção de um modelo de ordem medmene nferor, AR MODLO AUTO-RGRSSIVO MÉDIA-MÓVL - ARMA, 3.4. Decrção do Modelo O modelo ARMA, ode er decro memcmene or: 3.9 onde: S é um ére onl de eríodo o número de eríodo S = 5 r ére emn Progrm PRVIVA - verão 6. /46 Deembro/05

15 Progrm PRVIVA - verão 6. Deembro/05 /46 é o número de no é o índce do emo, =,,, S, função do no T T =,,, e do eríodo =,,, S é méd onl de eríodo é devo-drão onl de eríodo B é o oerdor uo-regrevo de ordem B =. - B - B - - B, B lcdo reul em - B = - é ordem do oerdor uo-regrevo é o coefcene méd-móvel de ordem ére de ruído ndeendene com méd ero e vrânc σ Mullcndo-e mbo o ldo d equção 3.9 or e chndo-e o vlor eerdo: 3.0 Mullcndo 3.9 or - e omndo o vlor eerdo, obemo: ou,

16 Progrm PRVIVA - verão 6. Deembro/05 3/46 3. Mullcndo 3.9 or e omndo o vlor eerdo, obemo: ou, 3. Mullcndo 3.9 or - e omndo o vlor eerdo, obemo: ou, 3.3

17 Progrm PRVIVA - verão 6. Deembro/05 4/46 Mullcndo-e mbo o ldo d equção 3.9 or - e chndo-e o vlore eerdo: 3.4 Mullcndo-e mbo o ldo d equção 3.9 or -3 e chndo-e o vlore eerdo: Reendo-e ee rocedmeno é -+ : 3.6

18 Arrumndo equçõe 3.4, 3.5 e 3.6 n form mrcl: mção do Prâmero O râmero uo-regrevo ão obdo el olução do conjuno de equçõe 3.7. O râmero méd-móvel é obdo rr de um rocedmeno ervo com equçõe 3. e 3.3. Inclmene, do-e como um rmer emv r vrânc do ruído, σ, o vlor correondene o do modelo uo-regrevo de ordem, ddo el exreão 3.8. A egur, obém-e el exreão 3.3. Subundo-e ee vlor em 3., obém-e σ ocdo à emv. Co o novo vlor de σ não ej gnfcvmene dferene do neror dferenç enre ele não deve ulrr 0,% do vlor neror, o roceo de emção eá concluído. Co conráro, deve-e ober novo vlor de el exreão 3.3 é e ober convergênc. o co do conjuno de râmero uo-regrevo não reulr em um modelo econáro, ou o râmero méd-móvel er ueror, ndcndo que o roceo não é nverível em um modelo uo-regrevo, do-e um modelo de ordem medmene nferor, ARMA-,. Se o modelo ARMA, não uder er emdo ecolhe-e, enão, o modelo AR. 3.5 MODLO AUTO-RGRSSIVO - PAR 3.5. Decrção do Modelo O modelo PAR,,, ode er decro memcmene or: 3.8 Progrm PRVIVA - verão 6. 5/46 Deembro/05

19 ou, B 3.8b onde: S é um ére onl de eríodo é o número de eríodo S = 5 r ére emn é o número de no =,,,S é o índce do emo, =,,, S, função do no T T =,,, e do eríodo é méd onl de eríodo m é devo-drão onl de eríodo m B é o oerdor uo-regrevo de ordem o B B B B B lcdo reul em - B = - é ordem de cd oerdor uo-regrevo ére de ruído ndeendene com méd ero e vrânc Sej correlção enre e -, de l form que correond o eríodo : 3.9 O conjuno de funçõe de uocorrelção do eríodo =,, S, decrevem eruur de deendênc emorl d ére. funçõe ão obd or [0]: Progrm PRVIVA - verão 6. 6/46 Deembro/05

20 Progrm PRVIVA - verão 6. Deembro/05 7/46 Mullcndo-e mbo o ldo d equção or e omndo o vlor eerdo obemo r cd eríodo: 3.30 Por exemlo, r = exreão 3.30 reul em: 3.3 Conhecdo o râmero de um modelo PAR funçõe ão dd el olução de 3.30 e odem er exre or um combnção de decmeno exonenc e/ou ond enod, o que f com que cd end ero à medd que crece. Fxndo-e e vrndo de em 3.30 obemo r cd eríodo um conjuno de equçõe comumene denomndo de equçõe de Yule-Wler. Pr um eríodo qulquer: Pr = 0, exreão 3.30 fc: 3.33 Mullcndo 3.8 or e omndo o vlor eerdo, obemo:

21 3.34 Subundo 3.34 em 3.33 emo: 3.35 exreão é váld r qulquer eríodo mção do râmero elo méodo do momeno Deo de fxdo ordem do modelo,, é neceáro ober emv r o dvero râmero. Como já mencondo nerormene, o emdore de momeno r modelo uo-regrevo ão, em gerl, bne efcene. A méd e o devo drõe on ão emdo el equçõe 3. e 3. reecvmene. O râmero, =,,, ão emdo ubundo-e em 3.3, =,,, or u emv dd el exreão 3.7. Conderndo-e o grumeno menl, rmerl e emerl ubu-e em 3.3, =,, or u emv dd el exreõe 3.8 e 3.0. O em reulne ode er reolvdo or Decomoção de Choley. Fnlmene, emv de odem er obd undo-e exreão O coefcene do modelo AR de um emn qulquer é ddo or =, o qul é emre oível de er obdo. o enno, r > ode não er oível reolução do em 3.3. Qundo o ocorre, o-e el doção de um modelo de ordem medmene nferor, AR-, r o emn. Progrm PRVIVA - verão 6. 8/46 Deembro/05

22 Progrm PRVIVA - verão 6. Deembro/05 9/ mção do râmero or regreão lner com reeo à orgem de revão ee co o modelo PAR é decro or um regreão n obervçõe conhecd no nne d revão. Sej orgem de revão no níco de cd mê e chmndo de rmer emn do mê, odemo reecrever equção 3.8 r do no j e emn + como: j j j j 3.36 De form, o em de equçõe referene à -ém emn do mê, uondo um regreão n obervçõe conhecd no nne d revão orgem de revão, é ddo or: 3.37 ou, = X Onde, or mínmo qudrdo [0] é dd or: = X T X - X T MODLO AUTO-RGRSSIVO MÉDIA-MÓVL PRIÓDICO - PARMA, 3.6. Decrção do Modelo O modelo PARMA, ode er decro memcmene or: 3.40 onde:

23 Progrm PRVIVA - verão 6. Deembro/05 0/46 é um ére onl de eríodo m S é o número de eríodo S= 5 r ére emn é o número de no é o índce do emo, =,,, S, função do no T T =,,, e do eríodo =,,, S é méd onl de eríodo M é devo-drão onl de eríodo M B é o oerdor uo-regrevo de ordem o B B B B B lcdo reul em - B = - é ordem do oerdor uo-regrevo é o coefcene méd-móvel de ordem ére de ruído ndeendene com méd ero e vrânc Mullcndo-e mbo o ldo d equção 3.40 or e chndo-e o vlore eerdo: 3.4 Mullcndo 3.40 or - e omndo o vlor eerdo, obemo:

24 Progrm PRVIVA - verão 6. Deembro/05 /46 ou, 3.4 Mullcndo 3.40 or e omndo o vlor eerdo, obemo: ou, 3.43 Pr obermo função de uocorrelção lg um b 3.40 or - e omrmo o vlor eerdo, obendo:

25 Progrm PRVIVA - verão 6. Deembro/05 / ou, 3.45 Mullcndo-e mbo o ldo d equção 3.40 or - e chndo-e o vlore eerdo, obemo um exreão r o coefcene uo regrevo lg do: 3.46 Reendo-e ee rocedmeno é --, obemo um exreão r o coefcene uo- regrevo lg +:

26 Progrm PRVIVA - verão 6. Deembro/05 3/ Arrumndo equçõe e n form mrcl: mção do Prâmero elo Méodo do Momeno O râmero uo-regrevo de cd emn ão obdo el olução do conjuno de equçõe A emv de, =,, ão obd el equçõe 3.7 ou 3.8 ou 3.9 ou 3.0, conderndo-e grumeno d função de uo-correlção, or emn ou, or rmere ou, or emere, reecvmene. Co não ej oível reolver o conjuno de equçõe de um emn qulquer, do-e o conjuno de râmero uo-regrevo do modelo ARMA-, dquel mem emn. O râmero méd-móvel de cd emn é obdo rr de um rocedmeno ervo com equçõe 3.43 e O roceo ervo em níco com rmer emn do no. Ado-e como um rmer emv r vrânc do ruído do eríodo medmene neror or exemlo, úlm emn do no,, o vlor correondene o do modelo uo-regrevo de ordem, ddo el exreão A egur, obém-e el exreão Subundo-e ee vlor em 3.43, obém-e n ocdo à emv. e

27 rocedmeno é reldo r od emn do roceo. Se nov emv de d úlm emn for emelhne à rmer, o roceo fnl. Co conráro deve-e reer o rocedmeno é ober convergênc do lgormo. Durne o roceo ervo é oível ober-e em lgum emn um vlor de negvo. ee co, o rogrm do o modelo PARMA -, dquel emn mção do râmero or regreão lner Chmndo de, o vlor obervdo n emn do -émo no, odemo ecrever o egune conjuno de equçõe de regreão n form mrcl: 3.49 ou, = X oe que cd equção dee em rereen equção 3.40 ecr r cd um d obervçõe doníve d emn. A olução dee em de equçõe or mínmo qudrdo [0] é dd or: = X T X - X T mção do râmero or regreão lner com reeo à orgem de revão ee co o modelo PARMA, é decro or um regreão n obervçõe e no ruído conhecdo no nne d revão. Sej orgem de revão no níco de cd mê e chmndo de rmer emn do mê, odemo reecrever equção 3.40 r do no j e emn + como: Progrm PRVIVA - verão 6. 4/46 Deembro/05

28 Progrm PRVIVA - verão 6. Deembro/05 5/46 j j j j j 3.5 De form, o em de equçõe referene à -ém emn do mê, uondo um regreão n obervçõe conhecd no nne d revão orgem de revão, é ddo or: 3.53 ou, = X Onde, or mínmo qudrdo [0] é dd or: = X T X - X T 3.55

29 4. TRASFORMAÇÕS APLICADAS ÀS SÉRIS D AFLUÊCIAS Box e Jenn [3] ugerrm um meodolog bne elbord r jue de modelo eocáco d fmíl ARIMA,d,q ére emor, que ode er eendd r modelo d fmíl PAR. e meodolog, erég de eleção do modelo é dvdd em rê e. A rmer e, denomnd or Box e Jenn de denfcção do modelo, cone em ecolher, envmene, ordem do modelo bendo-e em emv d funçõe e obd rr d ére emorl. modelgem uo-regrev eródc o cone em ecolher o veor. A egund e refere-e à emção do modelo, ou ej, emção do eu râmero. A ercer e d reeo à verfcção do modelo, o é, verfcr, rvé de ee eíco, e hóee umd durne e nerore ão endd. Se hóee não ão verfcd deve-e reornr à rmer e é que o reuldo ejm fóro. Um hóee umd nee o de modelgem é que drbução de robbldde do ruído é orml. Um env de grnr obenção de ruído orm é ur rnformção Box-Cox, Box e l. []. X X 0 4. X ln X 0 4. onde é o exoene d rnformção Box-Cox do eríodo. O exoene d rnformção de cd eríodo, =,,S, é obdo de modo que qundo lcdo à ére X mer reulne ej em cd eríodo nul. Am o modelo er decro or: B X. 4.3 Progrm PRVIVA - verão 6. 6/46 Deembro/05

30 A vráve e m rereenr o momeno de rmer e egund ordem d ére no eríodo m, ó rnformção Box-Cox. Qundo = 0, rnformção Box-Cox e redu equção 4. que rereen rnformção Logrímc. o modelo PRVIVA {X} é ére de võe emn, emn, e S o número de emn. Progrm PRVIVA - verão 6. 7/46 Deembro/05

31 5. PADROIAÇÃO DAS SÉRIS D AFLUÊCIAS O modelo PRVIVA ul ére de võe drond. dronção, enreno, não eá ocdo à hóee de normldde do ruído como no co d rnformçõe Box-Cox/Logrímc. O rmeno lcdo à ére de võe cone n dronção d ére em função d áre de drengem do oo fluvomérco correondene de cordo com equção 5., de form que võe de odo o oo fluvomérco, m como u eíc, enhm mem ordem de grnde. X.Ce X Ad 5. Onde Ad é áre de drengem do oo fluvomérco em m e Ce é conne de converão de undde. Progrm PRVIVA - verão 6. 8/46 Deembro/05

32 6. ITRVALO D COFIAÇA DAS PRVISÕS Sej função dendde de robbldde fx, cujo vlor eerdo é [x]= e com vrânc Vx=. e f x x r 0; 6. cuj robbldde de coner o verddero vlor d oulção é deermnd rvé d negrção numérc d função fx, como egur: P nc e x dx 6. Poundo ére de võe normld deermn-e robbldde - de o nervlo de confnç n c coner o verddero vlor do râmero oulconl d egune form: n c n c/00/ 6.3 Um nervlo de confnç ou emv nervlr é mlude de vlore que em robbldde de coner o verddero vlor d oulção, endo o gru de confnç robbldde - de o nervlo de confnç coner o verddero vlor do râmero oulconl. Um ve deermnd robbldde que é negrção d função drbução de robbldde cumuld, obém-e o vlor críco de erro = confnç. Lm.nf = _ x - neceáro r o cálculo d mrgem, com qul e deermn o lme nferor e ueror do nervlo de Lm.u = _ x Progrm PRVIVA - verão 6. 9/46 Deembro/05

33 Onde x _ é méd morl. o modelo PRVIVA o nervlo de confnç d revão lme nferor e ueror é clculdo egundo 6.4 ubundo-e x el revão d emn e elo devo drão do ruído do modelo elecondo. O devo drão do ruído é função do modelo uldo, endo clculdo como decro no em 3. Progrm PRVIVA - verão 6. 30/46 Deembro/05

34 7. SCOLHA DO MLHOR ALGORITMO D PRVISÃO bordgem clác de uo de modelo eocáco r revão ver or exemlo [9], revõe ão obd or equçõe memác cuj eruur e número de ermo, form ecmene denfcdo e cujo coefcene efcenemene emdo ulndo od nformção donível. Undo o ono de v ráco, rocur-e dor no n denfcção, quno n emção, méodo robuo, ou ej, méodo reene à defcênc de modelgem. Com efeo, exreõe memác uld r decrever fenômeno d nure ão emre roxmçõe d reldde, e devem emre er julgd endo em v u ulção. Dooge 97, [3], lembr que um modelo é lgo r er udo e não lgo em que e deve credr. Colocdo dne de do oíve modelo de revão, ou nd de du dferene emv de um do râmero do modelo, o revor deve rocurr deenvolver um medd de recão com qul omrá decão obre qul modelo ulr r fer revão. o modelo PRVIVA o lgormo de revão, defndo or um modelo, méodo de emção eecífco e rnformção d ére de võe, ão edo or um equem onde cd ére é dvdd em du re. Inclmene en rmer re d ére é uld r emção do râmero emção e egund re en r o cálculo de erro de revão verfcção. m egud emção do râmero er fe com egund re d ére, fcndo rmer re en r cálculo de erro de revão. Pr cd re d ére é comudo o erro drão de revão r qudrd d méd do qudrdo do erro de revão - QM um o à frene obendo-e, egur, méd do do vlore. A Fgur 7. lur o rocedmeno. O modelo PRVIVA, ul cd emn o méodo lgormo de menor erro médo qudráco de revão um o frene, denre o enumerdo n Tbel 7.. Progrm PRVIVA - verão 6. 3/46 Deembro/05

35 TAPA STIMAÇÃO VRIFICAÇÃO / AOS AOS TAPA VRIFICAÇÃO STIMAÇÃO / AOS AOS Fgur 7. Procedmeno de ecolh do lgormo de revão Tbel 7. - Algormo de Prevão Modelo de Prevão Crceríc Méodo de mção COSTAT revão el méd nul momeno SAOAL* revão el méd do mê momeno AR 4* eruur de correlção econár momeno ARMA, 3* eruur de correlção econár momeno PAR-G 4 * eruur de correlção onl emnl momeno PAR-G 4 * eruur de correlção onl menl momeno PAR-G3 4 * eruur de correlção onl rmerl momeno PAR-G4 4 * eruur de correlção onl emerl momeno Progrm PRVIVA - verão 6. 3/46 Deembro/05

36 Modelo de Prevão Crceríc Méodo de mção PAR-RO 4 * eruur de correlção onl regreão mle rr d orgem de revão PARMA,-G 3 * eruur de correlção onl emnl momeno PARMA,-G 3 * eruur de correlção onl menl momeno PARMA,-G3 3 * eruur de correlção onl rmerl momeno PARMA,-G4 3 * eruur de correlção onl emerl momeno PARMA,-RO 3 * eruur de correlção onl regreão mle rr d orgem de revão PARMA,-R 3 * eruur de correlção onl regreão mle * e modelo ão lcdo ére com rnformção Box-Cox, Logrímc ou n ére em rnformção. mlemenção do rogrm PRVIVA ão conderd lgum exceçõe no créro de ecolh do melhor lgormo de revão:. Sére com meno de 0 no de obervção: ee co, o lgormo que conderm eruur de correlção onl não ão uldo, o o número de obervçõe donível o e dvdr ére em du re r emr eruur de correlção onl er muo redud no máxmo 0 no, o que oder condur emv ouco robu. Progrm PRVIVA - verão 6. 33/46 Deembro/05

37 . Modelo COSTAT e SAOAL: o co de lgum dee do modelo er o de menor erro médo qudráco, e dferenç enre eu erro médo qudráco e o do egundo modelo for meno que 5%, enão e bndon o modelo COSTAT ou SAOAL, conforme o co, e elecon-e o egundo melhor modelo. e créro be-e no fo que mbo ão bordgen muo mle r e fer revõe. 3. Modelo PAR e PARMA com emção do râmero rvé de Regreão em Relção à Orgem: Se ee lgormo reenr o de menor erro médo qudráco e dferenç enre eu erro médo qudráco e o do egundo modelo for meno que 5%, enão ee modelo é bndondo e elecon-e o egundo melhor modelo. 7. APLICAÇÃO D LIMITS AS PRVISÕS A rncl crceríc do modelo PRVIVA n obenção de revõe de võe fluv é o uo d re deermníc de modelo de ére emor judo à ére de võe fluv como revão. ee co, revão om rdo não ó do comormeno onl d võe fluv referdo nerormene, como mbém conder o morne fenômeno denomndo endênc hdrológc. ermnolog de ére emor, endênc hdrológc é conhecd como eruur de deendênc emorl, endo qunfcd el função de uocorrelção emd do regro de võe. o enno, em bc que reenm frc eruur de deendênc emorl e grnde vrbldde d võe, modelo de ére emor como o PRVIVA endem fornecer revõe de vlore fuuro róxmo d méd, ndeendene d condçõe d. Podee m ober vlore revo muo uerore ou nferore o úlmo vlore obervdo, que reenem rõe enre võe d emn + e ouco freqüene no hórco de fluênc. Ouro roblem verfcdo ocorre qundo e do rnformção d ére hórc de fluênc. Tem-e verfcdo que n revão de ére rnformd ode ocorrer um enução ou um umeno cenudo no vlore de revão qundo ocorre um combnção enre o vlor do râmero d rnformção dod e um eríodo de l vrbldde de Progrm PRVIVA - verão 6. 34/46 Deembro/05

38 võe. combnção ode levr que revão d ére rnformd e locle n regão íno d função de rnformção, fendo com que o vlor obdo n nverão d função de rnformção ej muo grnde e hdrologcmene mrovável r bc n emn er rev. Dne do exoo, meodolog roõe que durne o roceo de ecolh do melhor lgormo e no cálculo d revõe, revõe clculd ejm rev conderndo lme conforme decro no en 7.. e Alcção de lme n ecolh d melhor lernv no PRVIVA De cordo com o lgormo reendo no em 7 ercebe-e que o lgormo ão edo or um equem onde cd ére é dvdd em du re. Inclmene en rmer re d ére é uld r emção do râmero emção e egund re en r o cálculo de erro de revão verfcção. m egud emção do râmero er fe com egund re d ére, fcndo rmer re en r cálculo de erro de revão. Pr cd re d ére é comudo o erro drão de revão r qudrd d méd do qudrdo do erro de revão - RQM um o à frene obendo-e, egur, méd do do vlore. A rr d verão 5.3 do PRVIVA ermee que o lgormo ecolhdo egundo o créro cm decro ej lerdo. Têm-e nclmene od revõe r odo o lgormo ulndo rmer re d ére r emção do râmero, como feo ulmene, enreno, revõe obd erão vld r verfcr e eu vlor exrol lme revmene defndo r bc em eudo. e lme ão clculdo conderndo re d ére ud r emr o râmero do lgormo rmer mede. O memo rocedmeno é lcdo qundo e ul egund mede d ére r emr o râmero. Pr defnção do lme clculm-e rõe enre võe d emn + emn er rev com d emn emn neror à emn er rev d re d ére uld r emção do râmero. Conró-e, enão, drbução de freqüênc cumuld de não-excedênc d rõe enre võe d emn + e. A rr de drbução de freqüênc e ebelecem o lme ueror e nferor r revõe Progrm PRVIVA - verão 6. 35/46 Deembro/05

39 ocdo à robbldde de não-excedênc defnd elo uuáro. Am, or exemlo, e robbldde uld r defnr o lme nferor fo de 0% e o lme ueror fo de 70%, gnfc que o lme nferor r revão d emn + é o vlor d vão obervd n emn mullcd el rão ocd à robbldde de não-excedênc de 0% e o lme ueror é o vlor d vão obervd n emn mullcd el rão ocd à robbldde de não-excedênc de 70%. De oe dee lme o vlore de revão clculdo que loclrem-e for dee nervlo erão ubuído elo lme m róxmo. De form, o lgormo que verm eu erro médo qudráco nfluencdo or vlore exremo e que, orno dexrm de er comev, ó conderção do lme r revão odem ncluve reenr erro médo qudráco nferore our, que no créro orgnl evm em oção de vngem. A fgur 7.. e 7.. morm um exemlo d drbuçõe de freqüênc cumuld de não-excedênc d rõe enre fluênc d emn + e r du mede de um ére hórc de fluênc, e ndcm o vlore d rõe que mullcd el vão obervd d emn fornecerá o lme r o vlore revo r emn +. A fgur 7..3 lur revõe r um emn qulquer + e o vlore for e denro do lme d revõe. O conjuno do vlore que erão uldo r conrução d drbução de freqüênc cumuld de não-excedênc oderá er conuído en do vlore obervdo r emn de neree ou ode-e gregr ee vlore o dem vlore do mê, do rmere ou do emere que coném emn er rev. A drbução de freqüênc oderá nd er ocd dferene mgnude de vão. ee co mgnude erá dd elo cen egundo o número de ubdvõe ecolhd. Am, e o neree for dor drbuçõe de freqüênc ocd fx de mgnude d vão, enão o cenl conderdo erá de 50% medn, e for ocd 3 fx o cen erão 33% e 66%, e e for 4 fx o cen erão 5%, 50% e 75%. Progrm PRVIVA - verão 6. 36/46 Deembro/05

40 Frequenc de não-excedenc Frequenc de não-excedenc SMAA 33 - Prmer Pre d Sére ,9 0,8 0,7 0,6 0,5 0,4 0,3 0, 0, 0 0 0,5,5,5 3 3,5 4 4,5 5 5,5 6 VARIAÇÃO Q/Q- Fgur 7.. Drbução de freqüênc cumuld não-excedênc d rão enre emn + e d rmer re de um ére. SMAA 33 - Segund Pre d Sére ,9 0,8 0,7 0,6 0,5 0,4 0,3 0, 0, 0 0 0,5,5,5 3 3,5 4 4,5 5 5,5 6 VARIAÇÃO Q/Q- Fgur 7.. Drbução de freqüênc cumuld não-excedênc d rão enre emn + e d egund re de um ére. Progrm PRVIVA - verão 6. 37/46 Deembro/05

41 VAÃOm³/ 9000 AO SMAA Prevõe de lernv RGIÃO M QU AS PRVISÕS TIVRAM UMA VARIAÇÃO SUPRIOR AO cm LIMIT do PRÉ-STABLCIDO lme ueror O HISTÓRICO, LOGO SSS VALORS revõe ubuíd elo SRÃO SUBSTITUIDOS PLO PRÓPRIO LIMIT SUPRÍOR. lme ueror TDÊCIA HIDROLOGICA lmum - 70% -,95 lmnf - 0% - 0,58 Prevõe enre o lme não há RGIÃO M QU AS PRVISÕS FICARAM DTRO DOS ubução LIMITS D VARIAÇÃO do lme DO HISTÓRICO ÃO SRÃO ALTRADAS SMAA Prevõe de lernv RGIÃO M QU AS PRVISÕS TIVRAM UMA VARIAÇÃO IFRIOR AO bxo LIMIT do PRÉ-STABLCIDO lme nferr O HISTÓRICO, LOGO SSS VALORS SRÃO SUBSTITUIDOS PLO PRÓPRIO LIMIT SUPRÍOR. revõe ubuíd elo lme nferor Fgur 7..3 Conjuno de revõe r emn 33 obd com odo o lgormo e lme nferor ocd robbldde de não-excedênc de 0% e ueror 70% 7.. Alcção de lme n revão do modelo PRVIVA e de revão é uldo o memo créro r defnção do lme dodo n lerção d ecolh do melhor lgormo decro no em 7.., enreno, ne e ul-e od ére hórc de fluênc. É mbém reed herrqu do lgormo defnd elo menor erro médo qudráco. Dee modo, não há ubução do vlor revo, m lerção do melhor lgormo co o vlor d revão obd or ee não e enconre denro do lme r o vlore revo. A e r lerção do lgormo de revão ão:. Pr emn d revão + clculr revão ulndo o melhor lgormo quele que reulou no menor erro médo qudráco, conderndo o rocedmeno decro no em 7.., ou ej, o lgormo de ordem =; Progrm PRVIVA - verão 6. 38/46 Deembro/05

42 . belecer drbução de freqüênc cumuld de não-excedênc r emn + d rõe Q+/Q, =,..,, levndo-e em con ére hórc comle, onde correonde o número de no d ére hórc e o conjuno de vlore conderdo r conrução d drbução de freqüênc forem en o d emn +; 3. Defnr o lme rr d drbução de freqüênc cumuld de nãoexcedênc e d robbldde de não-excedênc ré-ebelecd; 4. Verfcr e rão enre revão d emn + com o vlor obervdo ou revo d emn é menor que o lme nferor ou mor que o lme ueror; 5. Se ução d e 4 for fl revão d emn + connu mem; e for verdder revão é ubuíd el revão do lgormo de ordem + e verfcção decr n e 4 é refe. A revão é ubuíd é que o vlor revo or um lgormo e enconre enre o lme nferor e ueror; 6. Reer e 5 r 6 emn do horone de revão. Pode ocorrer n verfcção do vlore d revõe obd elo lgormo que od eejm for do lme ré-ebelecdo. ee co exem rê obldde: co od revõe eejm bxo do lme nferor, revão ecolhd erá do lgormo que reenou o mor vlor m róxmo do lme nferor; co od revõe eejm cm do lme ueror, erá uld revão obd elo lgormo que eve menor revão m róxmo do lme ueror; e fnlmene, n ução de odo o vlore d revõe enconrrem-e for do lme, orém lgun cm do lme ueror e o ouro bxo do lme nferor, deermn-e, enão, o número de revõe cm do lme ueror e bxo do lme nferor e ecolhe-e quele que ever m róxm do lme lém do qul e enconr o mor número de revõe. A fgur 7..4 mor o conjuno de revõe r um emn qulquer + com um ndcvo do lgormo que reenrm o 4 menore erro médo qudráco n e Progrm PRVIVA - verão 6. 39/46 Deembro/05

43 VAÃOm³/ de ecolh do melhor lgormo. Oberv-e ne fgur que ulndo oção de lerção do lgormo de revão, o vlor d revão erá o do lgormo de 4ª ordem 4º menor erro médo qudráco n e de ecolh do melhor lgormo vo que verfcndo revõe do lgormo de ª, ª e 3ª ordem od eão for do lme ré-ebelecdo Ordem Ordem Ordem lmu - 80% -,95 Ordem lmnf - 0% - 0, SMAA Fgur 7..4 Conjuno de revõe r um emn + com lgormo que exrolm ou não o lme ré-defndo. Progrm PRVIVA - verão 6. 40/46 Deembro/05

44 8. COCLUSÕS e relóro decreve meodolog mlemend no modelo PRVIVA. O objevo do modelo é fornecer revõe emn de fluênc o rovemeno do Sem Hdroelérco Brlero r um horone de é 6 emn. A bordgem uld be-e em modelo lnere de ére emor unvrd. ee co, revõe de um rovemeno ão obd ulndo-e en obervçõe d d fluênc o rovemeno em queão, não endo, orno, uld nformçõe obre o comormeno d fluênc o rovemeno róxmo, ou de oo luvomérco n áre de drengem do rovemeno em queão. Cbe relr que devdo u modelgem, er do modelo ermr fer revõe r um horone de é 6 emn, revõe m fd d orgem d revão, r qu endênc hdrológc er meno nfluênc, endem à vão méd de longo ermo MLT d reecv emn, reervndo o comormeno onl. A conderção de lme no vlore d revõe que ermem lerção n e de ecolh do melhor lgormo de revão melhor ccdde redv do modelo. Progrm PRVIVA - verão 6. 4/46 Deembro/05

45 9. RFRÊCIAS [] IMR,., Clm, In: Geogrf do Brl, Regão Sudee, Fundção Inuo Brlero de Geogrf e íc IBG, Ro de Jnero, 977. [] CPL, Modelo de Prevão de Võe Semn Alcdo o Sem Hdroelérco Brlero Modelo PRVIVA, Relóro Técnco 5/97 CPL, Ro de Jnero, Brl, 997. [3] MACIRA, M..P., JARDIM, D.L.D.D., 000, Modelo de Gerção de Sére Snéc de nerg e Võe - GVAP - Mnul de Referênc, Relóro Técnco DPP/P 83/000, CPL, Ro de Jnero, 000. [4] CPL, Modelo de Prevão de Võe Men Alcdo o Sem Hdroelérco brlero Modelo PRVIVAM Mnul do Uuáro, CPL, 00, Ro de Jnero, Brl. [5] TUCCI, C..M, Modelo Deermníco, In: Modelo Pr Gerencmeno de Recuro Hídrco, OBL/ABRH, Ro de Jnero, 987 [6] HIPL, K.W., Mcleod, A.I., Tme Sere Modellng of Wer Reource nd nvronmenl Syem, lever, 994. [7] THOMAS, H. A.,FIRIG, M. B., Mhemcl Synhe of Sremflow Sequence for he Anly of Rver Bn by Smulon, In Degn of Wer Reoure Syem, A. M e l., Hrvrd Unvery Pre, Cmbrdge, Mchue,96. [8] YVJVICH, V., Flucuon of We nd Dry Yer Pr, Reerch D Aembly nd Mhemcl Model, Hydology Per, Colordo Se Unvery, For Colln, Colordo, 963. [9] BOX, G.. P., JKIS, G. M., Tme Sere Anly-Forecng nd Conrol, Holden- Dy, 970. [0] HARVY, A. C., Tme Sere Model, P. Alln, 98 Progrm PRVIVA - verão 6. 4/46 Deembro/05

46 [] GR, J. M., WAVR Jr. W., Mrx Algebr for ngneer, PWS ngneerng, Boon, Mchue, 983. [] BOX G..P., COX, D.R., An Anly of Trnformon, Journl of he Royl Scl Socey, A7, -5, 964. [3] DOOG, J. C. I., Mhemcl Model of Hydrologc Sere, In: Bw, A.K. d. Modellng of Wer Reource Syem, d. A. Bw Monrel, Hrve Houe, Vol, 97. Progrm PRVIVA - verão 6. 43/46 Deembro/05

Capítulo 3 PSICROMETRIA APLICADA A PROCESSOS DE CONDICIONAMENTO DE AR. h [kj/kg ar seco ] m! v [m 3 / kg ar seco ] w [kg vapor/ kg ar seco ]

Capítulo 3 PSICROMETRIA APLICADA A PROCESSOS DE CONDICIONAMENTO DE AR. h [kj/kg ar seco ] m! v [m 3 / kg ar seco ] w [kg vapor/ kg ar seco ] No de Aul de Se Téro II 9 íulo PSIROETRIA APLIADA A PROESSOS DE ONDIIONAENTO DE AR onderçõe: A roredde e ão or undde de r eo. kj kj [kj/ r eo ] kw [ / r eo ] Q [ or/ r eo ].-ur de Do Jo de Ar ob.: O roeo

Leia mais

Exemplo: y 3, já que sen 2 e log A matriz nula m n, indicada por O m n é tal que a ij 0, i {1, 2, 3,..., m} e j {1, 2, 3,..., n}.

Exemplo: y 3, já que sen 2 e log A matriz nula m n, indicada por O m n é tal que a ij 0, i {1, 2, 3,..., m} e j {1, 2, 3,..., n}. Mrzes Mrz rel Defnção Sem m e n dos números neros Um mrz rel de ordem m n é um conuno de mn números res, dsrbuídos em m lnhs e n coluns, formndo um bel que se ndc em gerl por 9 Eemplo: A mrz A é um mrz

Leia mais

Árvores Binárias de Busca Balanceadas

Árvores Binárias de Busca Balanceadas Árvores nárs de usc lnceds 8 9 4 12 8 2 6 13 7 1 3 5 7 9 11 14 15 6 O(log(n)) 4 5 O(n) 3 2 1 4/4/218 1 Número mínmo de nós num árvore che de lur h h = h = 2 4 1 2 6 h = 1 2 1 3 5 7 h = 3 8 1 3 4 12 2 6

Leia mais

3.2 Processo de Wiener

3.2 Processo de Wiener 3. Proceo de Wener Proceo de Wener, ou Movmeno Brownano, é um po parcular de Proceo de Markov, muo ulzado na fíca para decrever o movmeno de uma parícula que eá ujea a um grande número de pequeno choque

Leia mais

EXEMPLO 3 - CONTINUAÇÃO

EXEMPLO 3 - CONTINUAÇÃO AJUSTE A U POLINÔIO Se curv f for jusd um polômo de gru, eremos f * () 0 Segudo o mesmo procedmeo eror, chegremos o segue ssem ler: m L O L L 0 EXEPLO Os ddos bo correspodem o volume do álcool ídrco em

Leia mais

MÉTODOS DE OPTIMIZAÇÃO APLICADOS EM SISTEMAS DE ENERGIA HIDROELÉCTRICOS

MÉTODOS DE OPTIMIZAÇÃO APLICADOS EM SISTEMAS DE ENERGIA HIDROELÉCTRICOS MÉTODOS COMPUTACIONAIS EM ENGENHARIA Lbo, de Mo de Junho, 4 APMTAC, Porugl 4 MÉTODOS DE OPTIMIZAÇÃO APLICADOS EM SISTEMAS DE ENERGIA HIDROELÉCTRICOS J.P.S. Clão*, S.J.P.S. Mrno*, V.M.F. Mende** e L.A.F.M.

Leia mais

Lista de exercícios 3. Considere o modelo de transformação estrutural descrito pelas seguintes equações:

Lista de exercícios 3. Considere o modelo de transformação estrutural descrito pelas seguintes equações: Eono do Deenvolveno Prof. Fernndo Veloo 04. de exerío 3 Queão Condere o odelo de rnforção eruurl dero pel egune equçõe: df d f Q f 0 0 d d df d f Q f 0 0 () d d w pv C C C Cy, p 0 0 y p y pc C (5) y w

Leia mais

A Previsão com o Método de Winter 1

A Previsão com o Método de Winter 1 A Previsão com o Méodo de Winer. Inrodução O méodo de Winer é um méodo de morecimeno exponencil que lev em con os componenes de szonlidde d série de ddos observdos. O méodo se bsei principlmene no modelo

Leia mais

Plano de Aulas. Matemática. Módulo 18 Introdução à geometria espacial

Plano de Aulas. Matemática. Módulo 18 Introdução à geometria espacial lno de ul Memáic Módulo 18 Inodução à geomei epcil Reolução do eecício popoo Reomd do conceio ÍTULO 1 1 ) Não. b) Sim. O ê pono deeminm o plno que o conêm. c) Não peence. d) Infinio pono. O pono, e I e

Leia mais

Modulações digitais. Espaços de sinal e regiões de decisão. Funções ortogonais. Ortogonalização de Gram-Schmidt

Modulações digitais. Espaços de sinal e regiões de decisão. Funções ortogonais. Ortogonalização de Gram-Schmidt Modulaçõe dga Epaço de nal e regõe de decão Funçõe orogona Orogonalzação de Gram-Schmd Uma perpecva geomérca do na e ruído (Koelnkov) Um epaço orogonal de dmenõe é caracerzado por um conjuno de ψ () funçõe

Leia mais

FÍSICA. Questões de 01 a 06

FÍSICA. Questões de 01 a 06 GRUO TIO A FÍS. FÍSICA Quesões de. Um mss de 7kg de águ, nclmene C, deve ser converd olmene em vpor C, rvés de um uecedor elérco de ressênc elérc R e lgdo um fone de forç eleromorz de V. Consdere emperur

Leia mais

Capítulo 5 AJUSTAMENTO DOS VETORES OBSERVADOS. os possíveis vetores de serem formados entre as estações, ou seja,

Capítulo 5 AJUSTAMENTO DOS VETORES OBSERVADOS. os possíveis vetores de serem formados entre as estações, ou seja, 5 Cpítulo 5 JUSMENO DOS EORES OBSERDOS Como resultdo do processmento de fses observds por R, R 3, receptores, em um mesm sessão, obter-se-ão os vlores ds componentes de todos os possíves vetores de serem

Leia mais

FÍSICA MODERNA I AULA 15

FÍSICA MODERNA I AULA 15 Uversdde de São ulo Isttuto de Físc FÍSIC MODERN I U 5 rof. Márc de lmed Rzzutto elletro sl 0 rzzutto@f.us.br o. Semestre de 08 ág do curso: htts:edscls.us.brcoursevew.h?d=695 0008 OERDORES OBSERVÁVEIS

Leia mais

XI OMABC NÍVEL O lugar geométrico dos pontos P x, y cuja distância ao ponto Q 1, 2 é igual a y é uma:

XI OMABC NÍVEL O lugar geométrico dos pontos P x, y cuja distância ao ponto Q 1, 2 é igual a y é uma: O lugr geométrco dos pontos P x, y cu dstânc o ponto Q, é gul y é um: prábol com foco no ponto Q crcunferênc de ro gul N fgur segur, o trângulo ABC é equlátero de ldo 0, crcunferênc mor é tngente os três

Leia mais

t c L S Troço 1 S 1 = 3 km = 3000 m

t c L S Troço 1 S 1 = 3 km = 3000 m . DETERMINAÇÃO DO TEMPO DE CONCENTRAÇÃO Para o cálculo do empo de concenração ( c ) da baca hdrográfca eudada recorreu-e ao valore obdo no rabalho práco (Quadro ). Am, emo que, Quadro Parâmero do rabalho

Leia mais

Funções de Transferência

Funções de Transferência Funções de Trnsferênc Em teor de controle, funções chmd funções de trnsferênc são comumente usds r crcterzr s relções de entrd-síd de comonentes ou sstems que odem ser descrtos or equções dferencs. FUNÇÃO

Leia mais

EXERCÍCIOS DE EQUAÇÕES DE DIFERENÇAS FINITAS

EXERCÍCIOS DE EQUAÇÕES DE DIFERENÇAS FINITAS MP Cálculo de Dfereçs Fs Bcreldo e Esísc IME/USP EXERCÍCIOS DE EQUÇÕES DE DIFERENÇS FINITS SOLUÇÕES E SUGESTÕES Bblogrf: [ETS] ppled Ecooerc Te Seres, Wler Eders, Cper : Dfferece Equos (dspoível e p://cgcpeuspbr/cdf/

Leia mais

4 Teste do Modelo CAPM considerando o pagamento de impostos

4 Teste do Modelo CAPM considerando o pagamento de impostos 4 Tee do Modelo CAPM conderando o pagameno de mpoo Com o objevo de emar o CAPM depo de mpoo, remo ulzar a meodologa propoa por Lzenberger e Ramawamy (979. A eqüênca do méodo egue rê pao para emação do

Leia mais

MATEMÁTICA. 01. Sejam os conjuntos P 1, P 2, S 1 e S 2 tais que (P 2 S 1) P 1, (P 1 S 2) P 2 e (S 1 S 2) (P 1 P 2). Demonstre que (S 1 S 2) (P 1 P 2).

MATEMÁTICA. 01. Sejam os conjuntos P 1, P 2, S 1 e S 2 tais que (P 2 S 1) P 1, (P 1 S 2) P 2 e (S 1 S 2) (P 1 P 2). Demonstre que (S 1 S 2) (P 1 P 2). GGE RESOE - VESTIBULAR IME MATEMÁTICA) MATEMÁTICA Sj o ojuo S S qu S ) S ) S S ) ) or qu S S ) ) : Sj S S Coo S S ão ou l r o rol oo uor r grl) qu oo S ão logo oo qurío orr F F F F F ) Crufrê ro -) ro

Leia mais

Mas problemas de incentivos: free riding (carona) (TMB 2006)

Mas problemas de incentivos: free riding (carona) (TMB 2006) Econom d Inormção e do Incentvo Alcd à Econom do etor Públco 6. Econom d úde Alcção o CI Bedo em: * Texer L. McDowell M. e Bugrn M. (2002. Incentvo em Conórco Intermunc de úde: m Abordgem de Teor do Contrto.

Leia mais

3 Amortecedores de Massa Sintonizados Múltiplos (AMSM)

3 Amortecedores de Massa Sintonizados Múltiplos (AMSM) 3 Aorecedore de M Snonzdo Múlplo AMSM 3 Inrodução Coo vo nerorene no Cpíulo, o orecedor de nonzdo AMS r-e de u dpovo de conrole pvo cláco que cone e u, u ol e u orecedor vcoo conecdo o e prncpl A freqüênc

Leia mais

Conceitos básicos População É constutuida por todos os elementos que são passíveis de ser analisados de tamanho N

Conceitos básicos População É constutuida por todos os elementos que são passíveis de ser analisados de tamanho N sísc Coceos áscos opulção É cosuud por odos os elemeos que são pssíves de ser lsdos de mho mosrgem Sucojuo d populção que é eecvmee lsdo com um ddo mho mosr leór mosr ode cd elemeo d populção êm hpóeses

Leia mais

APLICAÇÃO E PERFORMANCE DA ANÁLISE DE INTERVENÇÃO EM SÉRIES MACROECONÔMICAS BRASILEIRAS ADRIANO MENDONÇA SOUZA

APLICAÇÃO E PERFORMANCE DA ANÁLISE DE INTERVENÇÃO EM SÉRIES MACROECONÔMICAS BRASILEIRAS ADRIANO MENDONÇA SOUZA APLICAÇÃO E PERFORMANCE DA ANÁLISE DE INTERVENÇÃO EM SÉRIES MACROECONÔMICAS BRASILEIRAS ADRIANO MENDONÇA SOUA ADRIANO MENDONÇA SOUA APLICAÇÃO E PERFORMANCE DA ANÁLISE DE INTERVENÇÃO EM SÉRIES MACROECONÔMICAS

Leia mais

ARBITRAGEM NO MERCADO FUTURO DE CAFÉ UTILIZANDO CO- INTEGRAÇÃO

ARBITRAGEM NO MERCADO FUTURO DE CAFÉ UTILIZANDO CO- INTEGRAÇÃO ARBITRAGEM NO MERCADO FUTURO DE CAFÉ UTILIZANDO CO- INTEGRAÇÃO ndrdenhero@gml.com Aresenção Orl-Comerclzção, Mercdos e Preços MARIA ANDRADE PINHEIRO; MARLON BRUNO SALAZAR; PEDRO VALENTIM MARQUES. ESALQUSP,

Leia mais

1a Verificação Refino dos Aços I EEIMVR-UFF, Setembro de 2011 Prova A

1a Verificação Refino dos Aços I EEIMVR-UFF, Setembro de 2011 Prova A 1 Verfcção Refno dos s I EEIMVR-UFF, Setembro de 11 Prov A 1. Clcule o vlor de γ no ferro, 168 o C, com os ddos fornecdos n prov. Vmos em ul que o S G e o γ estão relcondos trvés de, 5585γ G R ln M Logo,

Leia mais

REGRESSÃO LINEAR. À variável Y cujo comportamento se pretende estudar dá-se o nome de variável dependente.

REGRESSÃO LINEAR. À variável Y cujo comportamento se pretende estudar dá-se o nome de variável dependente. REGRESSÃO LINEAR N tm N lq À vrável Y cuo comportmento se pretende estudr dá-se o nome de vrável dependente. O comportmento dest vrável depende de outrs vráves X chmds vráves ndependentes. A modelção do

Leia mais

Kalecki: Investimento e ciclo. Profa. Maria Isabel Busato

Kalecki: Investimento e ciclo. Profa. Maria Isabel Busato Klek: nvesmeno e lo Prof. Mr sel Buso Klek: nvesmeno e lo A nálse íl é sed n nerção do po mulpldor e elerdor Onde: = sensldde do nvesmeno à S; = sensldde do nvesmeno à vrção no luro; = sensldde do nvesmeno

Leia mais

11.4 ANÁLISE TRIDIMENSIONAL DE EDIFÍCIOS - MODELO DE 3 GRAUS DE LIBERDADE POR PISO

11.4 ANÁLISE TRIDIMENSIONAL DE EDIFÍCIOS - MODELO DE 3 GRAUS DE LIBERDADE POR PISO .4 ANÁLISE RIDIMENSIONAL DE EDIFÍCIOS - MODELO DE 3 RAUS DE LIBERDADE POR PISO RIIDEZ INFINIA NO PLANO 3 grus e lbere / so v u z.4. ANÁLISE ESÁICA. DESLOCAMENOS, FORÇAS E EUAÇÕES DE EUILÍBRIO u v Desloceo

Leia mais

TÉCNICAS PARA REDUÇÃO DO NÚMERO DE ITERAÇÕES NO MÉTODO DE PONTOS INTERIORES

TÉCNICAS PARA REDUÇÃO DO NÚMERO DE ITERAÇÕES NO MÉTODO DE PONTOS INTERIORES Sepember 4-8, 0 Ro e Jnero, Brl TÉCNICAS PARA REDUÇÃO DO NÚMERO DE ITERAÇÕES NO MÉTODO DE PONTOS INTERIORES Lln F. Ber Depo e Memác Aplc - IMECC - UNICAMP 3083-859 - Cmpn - SP lln@me.uncmp.br Crl T. L.

Leia mais

Previsão da precipitação pluviométrica na cidade de Natal-RN, com modelos de séries temporais

Previsão da precipitação pluviométrica na cidade de Natal-RN, com modelos de séries temporais INTRODUCÃO Prevsão d precpção pluvomérc n cdde de Nl-RN, com modelos de séres empors Nje Cléco Nunes d Slv Thelm Sáfd Joel Jorge Nuvung 3 Wederson Lendro Ferrer 4 Oses Mchdo Gomes 5 André Brbos Venur d

Leia mais

Capítulo VII GEOMETRIA ANALÍTICA NO ESPAÇO

Capítulo VII GEOMETRIA ANALÍTICA NO ESPAÇO Cpíulo VII GEOMERIA ANALÍICA NO EAÇO Cpíulo VII Geome Anlí no Epço Cpíulo VII em de Coodend no Epço Ddo do em de oodend engule em R é poíel npondo um dee em gdmene no epço fe ond do do eo dee em dgmo o

Leia mais

FILTRO DE SAVITSKI GOLAY PEDROSA, Leandro 1 COELHO, Clarimar José 2

FILTRO DE SAVITSKI GOLAY PEDROSA, Leandro 1 COELHO, Clarimar José 2 II Jornd de Ensno, Pesqus e Eensão d UnEVANGÉLICA Ans do IX Semnáro de PBIC Volume Anápols-Go FILTRO DE SAVITSKI GOLAY PEDROSA, Lendro COELHO, Clrmr José Plvrs chve: Polnômos, Flros Dgs, Flro de éd óvel,

Leia mais

Adriano Pedreira Cattai. Universidade Federal da Bahia UFBA Semestre

Adriano Pedreira Cattai.   Universidade Federal da Bahia UFBA Semestre Cálculo II A, MAT Adrino Pedreir Ci hp://www.lunospgm.uf.r/drinoci/ Universidde Federl d Bhi UFBA Semesre 6. Inrodução No Teorem Fundmenl do Cálculo TFC, os ies de inegrção, e em, são números reis e f

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Vl, Dr. vll@mt.ufrgs.r http://www.mt.ufrgs.r/~vll/ Em muts stuções dus ou ms vráves estão relcods e surge etão ecessdde de determr turez deste relcometo. A álse de regressão é um técc esttístc

Leia mais

A INFLUÊNCIA DA REDUNDÂNCIA DA OBSERVAÇÃO SOBRE A PRECISÃO DOS PARÂMETROS

A INFLUÊNCIA DA REDUNDÂNCIA DA OBSERVAÇÃO SOBRE A PRECISÃO DOS PARÂMETROS A INFLUÊNCIA DA REDUNDÂNCIA DA OBSERVAÇÃO SOBRE A PRECISÃO DOS PARÂMETROS Observon redundncy nfluence over prmeer precson REGINALDO DE OLIVEIRA QUINTINO DALMOLIN Unversdde Federl do Prná - CT Curso de

Leia mais

MATRIZES. Neste caso, temos uma matriz de ordem 3x4 (lê-se três por quatro ), ou seja, 3 linhas e 4

MATRIZES. Neste caso, temos uma matriz de ordem 3x4 (lê-se três por quatro ), ou seja, 3 linhas e 4 A eori ds mrizes em cd vez mis plicções em áres como Economi, Engenhris, Memáic, Físic, enre ours. Vejmos um exemplo de mriz: A bel seguir represen s nos de rês lunos do primeiro semesre de um curso: Físic

Leia mais

Solução da Terceira Lista de Exercícios Profa. Carmem Hara

Solução da Terceira Lista de Exercícios Profa. Carmem Hara Exercíco 1: Consdere grmátc G xo: B ǫ ǫ B B Introdução eor d Computção olução d ercer Lst de Exercícos Prof. Crmem Hr. Mostre um dervção ms esquerd d plvr. B B B B B. Quntos pssos de dervção tem o tem

Leia mais

ÁLGEBRA LINEAR - 1. MATRIZES

ÁLGEBRA LINEAR - 1. MATRIZES ÁLGEBRA LINEAR - 1. MATRIZES 1. Conceios Básicos Definição: Chmmos de mriz um el de elemenos disposos em linhs e coluns. Por exemplo, o recolhermos os ddos populção, áre e disânci d cpil referenes à quros

Leia mais

CÁLCULO DA INCERTEZA DE MEDIÇÃO NA CALIBRAÇÃO DE MEDIDAS MATERIALIZADAS DE VOLUME PELO MÉTODO GRAVIMÉTRICO

CÁLCULO DA INCERTEZA DE MEDIÇÃO NA CALIBRAÇÃO DE MEDIDAS MATERIALIZADAS DE VOLUME PELO MÉTODO GRAVIMÉTRICO CÁLCULO DA INCERTEZA DE MEDIÇÃO NA CALIRAÇÃO DE MEDIDAS MATERIALIZADAS DE VOLUME PELO MÉTODO GRAVIMÉTRICO NORMA N o NIE-DIMEL-043 APROVADA EM AGO/03 N o 00 0/09 SUMÁRIO Objetvo 2 Cmo Alcção 3 Resosbld

Leia mais

Modelagem de Curvas. Prof. Márcio Bueno Fonte: Material do Prof. Jack van Wijk

Modelagem de Curvas. Prof. Márcio Bueno Fonte: Material do Prof. Jack van Wijk Modelagem de Curvas Prof. Márco Bueno {cgarde,cgnoe}@marcobueno.com Fone: Maeral do Prof. Jack van Wjk Coneúdo Curvas Paramércas Requsos Conceos Ineolação Lnear Inerolação de Lagrange Curva de Bézer 2

Leia mais

Solução da segunda lista de exercícios

Solução da segunda lista de exercícios UESPI Cmpu Pof. Alende Alve de Olve Cuo: ch. em Cênc d Computção Dcpln: Fíc 9h Pof. Olímpo Sá loco: Aluno: Dt: 9// Solução d egund lt de eecíco Quetão : N fgu, um fo eto de compmento tnpot um coente. Obte:

Leia mais

Figura 1. m. Responda às seguintes questões:

Figura 1. m. Responda às seguintes questões: UIVERSIDADE DE LISBOA ISIUO SUPERIOR ÉCICO Vbrções e Ruído º Exme /5-5 de Jero de 5 (sem cosul) Problem (6 vl.) Fgur Cosdere o mecsmo de gru de lberdde reresedo fgur, que se ecor su osção cl de equlíbro

Leia mais

Universidade Federal de Viçosa DEPARTAMENTO DE MATEMÁTICA MAT Cálculo Dif. e Int. I PRIMEIRA LISTAA

Universidade Federal de Viçosa DEPARTAMENTO DE MATEMÁTICA MAT Cálculo Dif. e Int. I PRIMEIRA LISTAA Universidde Federl de Viços DEPARTAMENTO DE MATEMÁTICA MAT - Cálculo Dif e In I PRIMEIRA LISTAA Memáic básic Professors: Gbriel e Crin Simplifique: ) b ) 9 c ) d ) ( 9) e ) 79 f ) g ) ) ) i j ) Verddeiro

Leia mais

ANÁLISE DA DISTRIBUIÇÃO DA FREQUÊNCIA MENSAL DE PRECIPITAÇÃO PARA A CIDADE DE PELOTAS, RS.

ANÁLISE DA DISTRIBUIÇÃO DA FREQUÊNCIA MENSAL DE PRECIPITAÇÃO PARA A CIDADE DE PELOTAS, RS. ANÁLISE DA DISTRIBUIÇÃO DA FREQUÊNCIA MENSAL DE PRECIPITAÇÃO PARA A CIDADE DE PELOTAS, RS. Cml Pnho Slver Bolt o Progrm Epecl e Trenmento (PET) - Fc. Met - UFPEL Cx Potl 354, CEP 9619. e-ml: cmlp@zz.com.br

Leia mais

GABARITO. 2 Matemática A. 08. Correta. Note que f(x) é crescente, então quanto menor for o valor de x, menor será sua imagem f(x).

GABARITO. 2 Matemática A. 08. Correta. Note que f(x) é crescente, então quanto menor for o valor de x, menor será sua imagem f(x). Eensivo V. Eercícios ) D y = log ( + ) Pr = : y = log ( + ) y = log y = Noe que o gráfico pss pel origem. Porno, únic lerniv possível é D. ) M + = log B B M + = log B B M + = log + log B B Como M = log

Leia mais

Exemplos de pilares mistos

Exemplos de pilares mistos Pilre Mio Exemplo de pilre mio Peri meálio reveido om beão Peri ubulre irulre heio om beão Peri meálio prilmene reveido om beão Peri ubulre heio om beão reveindo um peril bero Peri ubulre rengulre heio

Leia mais

Curvas Planas. Sumário COMPUTAÇÃO GRÁFICA E INTERFACES. Introdução. Introdução. Carlos Carreto

Curvas Planas. Sumário COMPUTAÇÃO GRÁFICA E INTERFACES. Introdução. Introdução. Carlos Carreto Sumáro COMUTAÇÃO GRÁFICA E INTERFACES Curvs lns Crlos Crreo Inroução Curvs prmérs Curv Bèzer Curv Herme Curv B-Splne Curv Cmull-Rom Curso e Engenhr Informá Ano levo /4 Esol Superor e Tenolog e Gesão Gur

Leia mais

MARK-TO-MARKET DESCRIÇÃO DE PROCESSOS E METODOLOGIA

MARK-TO-MARKET DESCRIÇÃO DE PROCESSOS E METODOLOGIA MARK-TO-MARKET DESCRIÇÃO DE PROCESSOS E METODOLOGIA VERSÃO JANEIRO 29 SUMÁRIO Inrodução.... Defnção de Vráves....2 Meodolog pr cúmulo de s.... Vsão do Processo e Esruur Orgnzconl... 4.. Comê de Vluon...

Leia mais

Garantia Straumann a r a n t i a Garantia etkon ident G etkon ident v i t a l í c i a _EU_etkon_iDent_Guarantee.indd 3 21/10/ :00

Garantia Straumann a r a n t i a Garantia etkon ident G etkon ident v i t a l í c i a _EU_etkon_iDent_Guarantee.indd 3 21/10/ :00 l r n Grn ekon Srumnn Den G ekon Den í c v Grn ekon Den* 1. BENEFICIÁRIO E ÂMBITO DA GARANTIA Es grn ( ekon Den Gurnee conforme defnd segur) emd pel Ekon GmbH, Gräfelfng, Alemnh ( Ekon ) plc-se os Produos

Leia mais

ESPAÇO VETORIAL REAL DE DIMENSÃO FINITA

ESPAÇO VETORIAL REAL DE DIMENSÃO FINITA EPÇO ETORIL REL DE DIMENÃO FINIT Defnção ejam um conjuno não ao o conjuno do númeo ea R e dua opeaçõe bnáa adção e mulplcação po ecala : : R u a u a é um Epaço eoal obe R ou Epaço eoal Real ou um R-epaço

Leia mais

Eixos e árvores Projeto para eixos: restrições geométricas. Aula 4. Elementos de máquinas 2 Eixos e árvores

Eixos e árvores Projeto para eixos: restrições geométricas. Aula 4. Elementos de máquinas 2 Eixos e árvores Exos e árvores Projeto pr exos: restrções geométrcs Aul 4 Elementos de máquns Exos e árvores 1 Exos e árvores Projeto pr exos: restrções geométrcs o Deflexões e nclnções: geometr de um exo corresponde

Leia mais

E v o lu ç ã o d o c o n c e i t o d e c i d a d a n i a. A n t o n i o P a i m

E v o lu ç ã o d o c o n c e i t o d e c i d a d a n i a. A n t o n i o P a i m E v o lu ç ã o d o c o n c e i t o d e c i d a d a n i a A n t o n i o P a i m N o B r a s i l s e d i me nt o u - s e u ma v is ã o e r r a d a d a c id a d a n ia. D e u m mo d o g e r a l, e s s a c

Leia mais

4.2. Veio Cilíndrico de Secção Circular

4.2. Veio Cilíndrico de Secção Circular Cpíulo IV Torção de Peçs Lineres 1 CPÍTULO IV TORÇÃO DE PEÇS LINERES.1. Inrodução. sorção ou rnsmissão de esforços de orção: o Veios ou árvores de rnsmissão o Brrs de orção; ols; Esruurs uulres (veículos

Leia mais

Representação em Espaço de Estados Introdução

Representação em Espaço de Estados Introdução Egehri Eleroéi 7ª Al e Corolo Ieligee Eço e eo Rereeção em Eço e Eo Iroção A rereeção em eço e eo é e o eevolvimeo e m iem e eqçõe ifereii e ª orem Ee io e rereeção ermie o rojeo e iem e orolo om iiêi

Leia mais

Lista de Exercícios - Otimização Linear Profa. Maria do Socorro DMAp/IBILCE/UNESP. Método Simplex

Lista de Exercícios - Otimização Linear Profa. Maria do Socorro DMAp/IBILCE/UNESP. Método Simplex Lst de Eercícos - Otmzção Lner Prof. Mr do Socorro DMAp/IBILCE/UNESP Método Smple Ref.: Bzr, M. e J.J. Jvs - Lner Progrmmng nd Network Flows - John Wley, 77. ) Resolv o problem bo pelo método smple começndo

Leia mais

09. Se. 10. Se. 12. Efetue: 13. Calcule C. a é:, determine a matriz X

09. Se. 10. Se. 12. Efetue: 13. Calcule C. a é:, determine a matriz X LIST DE EER MTRIZES E DETERMINNTES PROF ROGERINHO º ENSINO MÉDIO NOME Nº TURM Rrsn n for d l rz, co s, s, Dd rz, co, scrv rz (M O rço d u rz qudrd é so dos lnos d su dgonl rncl O rço d rz ) (, l qu é:

Leia mais

Método de Gauss-Seidel

Método de Gauss-Seidel Método de Guss-Sedel É o ms usdo pr resolver sstems de equções lneres. Suponhmos que temos um sstem A=b e que n= Vmos resolver cd equção em ordem um ds vráves e escrevemos 0/0/9 MN em que Método de Guss-Sedel

Leia mais

PROJEÇÃO DE DOMICÍLIOS PARA OS MUNICÍPIOS BRASILEIROS EM 31/12/2004

PROJEÇÃO DE DOMICÍLIOS PARA OS MUNICÍPIOS BRASILEIROS EM 31/12/2004 PROJEÇÃO DE DOMICÍLIOS PARA OS MUNICÍPIOS BRASILEIROS EM 31/12/2004 SUMÁRIO 1. INRODUÇÃO... 1 2. FONE DE DADOS... 1 3. PROJEÇÃO DO NÚMERO DE DOMICÍLIOS... 2 3.1 Mucípo emacpado em 2001... 5 3.2 População

Leia mais

Capítulo 2 PSICROMETRIA BÁSICA

Capítulo 2 PSICROMETRIA BÁSICA No e Aul e Se Téro II 8 Cíulo PSICROMETRIA BÁSICA Proer é o euo roree eronâ ur rvor 'águ. Io é e funenl orân no roeo obno e rnferên e lor e que oorre e refrgerção e ononeno e r..-cooção o Ar O r oféro

Leia mais

CAPÍTULO 4: ENERGIA DE DEFORMAÇÃO

CAPÍTULO 4: ENERGIA DE DEFORMAÇÃO Curso de ngenhr Cvl nversdde stdul de rngá Centro de ecnolog Deprtmento de ngenhr Cvl rof. omel Ds nderle CÍO : N D DFOÇÃO rof. omel Ds nderle. nerg de Deformção d rlho reldo pel forç durnte o longmento

Leia mais

UTILIZAÇÃO DA ENTROPIA NO RASTREAMENTO DE OBJETOS COM FILTRO DE PARTÍCULAS ALESSANDRO B. OLIVEIRA, JACOB SCHARCANSKI, DANTE A. C.

UTILIZAÇÃO DA ENTROPIA NO RASTREAMENTO DE OBJETOS COM FILTRO DE PARTÍCULAS ALESSANDRO B. OLIVEIRA, JACOB SCHARCANSKI, DANTE A. C. UTILIZAÇÃO DA ETROPIA O RASTREAMETO DE OBJETOS COM FILTRO DE PARTÍCULAS ALESSADRO B. OLIVEIRA JACOB SCHARCASKI DATE A. C. BAROE Inuo de Informáca Unverdade Federal do Ro Grande do Sul Caa Poal 5.64 9.5-97

Leia mais

Muitas vezes, conhecemos a derivada de uma função, y = f (x) = F(x), e queremos encontrar a própria função f(x).

Muitas vezes, conhecemos a derivada de uma função, y = f (x) = F(x), e queremos encontrar a própria função f(x). Integrção Muts vezes, conhecemos dervd de um função, y f (x) F(x), e queremos encontrr própr função f(x). Por exemplo, se semos que dervd de um função f(x) é função F(x) 2x, qul deve ser, então, função

Leia mais

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A. 6º Teste de avaliação versão2. Grupo I

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A. 6º Teste de avaliação versão2. Grupo I Escol Secundár com 3º cclo D. Dns 10º Ano de Mtemátc A 6º Teste de vlção versão Grupo I As cnco questões deste grupo são de escolh múltpl. Pr cd um dels são ndcds qutro lterntvs, ds qus só um está corret.

Leia mais

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Fatorial [ ] = A. Exercícios Resolvidos. Exercícios Resolvidos ( ) ( ) ( ) ( )! ( ).

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Fatorial [ ] = A. Exercícios Resolvidos. Exercícios Resolvidos ( ) ( ) ( ) ( )! ( ). OSG: / ENSINO PRÉ-UNIVERSITÁRIO T MATEMÁTIA TURNO DATA ALUNO( TURMA Nº SÉRIE PROFESSOR( JUDSON SANTOS ITA-IME SEDE / / Ftorl Defção h-se ftorl de e dc-se or o úero turl defdo or: > se ou se A A A A Eercícos

Leia mais

Métodos Computacionais em Engenharia DCA0304 Capítulo 3

Métodos Computacionais em Engenharia DCA0304 Capítulo 3 Métodos Comutcos em Egehr DCA4 Cítulo. Iterolção.. Itrodução Qudo se trblh com sstems ode ão é cohecd um fução que descrev seu comortmeto odemos utlzr o coceto de terolção. Há csos tmbém em que form lítc

Leia mais

Teoria das Comunicações

Teoria das Comunicações Teori d Couniçõe 3. Modulção e pliude M Modulção e Qudrur por pliude QM ro. Lúio M. d Silv / ndré Noll Brreo Teori d Couniçõe MODULÇÃO M ro. Lúio M. d Silv / ndré Noll Brreo Teori d Couniçõe Teori d Couniçõe

Leia mais

CAP. VI Integração e diferenciação numéricas. 1. Introdução

CAP. VI Integração e diferenciação numéricas. 1. Introdução CAP. VI Integrção e dferencção numércs. Introdução Se um função f é contínu num ntervlo [ ; ] e é conecd su prmtv F, o ntegrl defndo dquel função entre e pode clculr-se pel fórmul fundmentl do cálculo

Leia mais

Definição: Sejam dois números inteiros. Uma matriz real é uma tabela de números reais com m linhas e n colunas, distribuídos como abaixo:

Definição: Sejam dois números inteiros. Uma matriz real é uma tabela de números reais com m linhas e n colunas, distribuídos como abaixo: I MTRIZES Elemeos de Álgebr Lier - MTRIZES Prof Emíli / Edmé Defiição: Sem dois úmeros ieiros Um mriz rel é um bel de úmeros reis com m lihs e colus, disribuídos como bixo: ( ) i m m m m Cd elemeo d mriz

Leia mais

FÍSICA MODERNA I AULA 15

FÍSICA MODERNA I AULA 15 Universidde de São Pulo Instituto de Físic FÍSIC MODRN I U 5 Pro. Márci de lmeid Rizzutto Pelletron sl 0 rizzutto@i.us.br o. Semestre de 05 Monitor: Gbriel M. de Souz Sntos Págin do curso: htt:discilins.sto.us.brcourseview.h?id=55

Leia mais

Recordando produtos notáveis

Recordando produtos notáveis Recordndo produtos notáveis A UUL AL A Desde ul 3 estmos usndo letrs pr representr números desconhecidos. Hoje você sbe, por exemplo, que solução d equção 2x + 3 = 19 é x = 8, ou sej, o número 8 é o único

Leia mais

Transformadas de Laplace

Transformadas de Laplace Trnformd de Lplce Mtemátic Aplicd Artur Miguel Cruz Ecol Superior de Tecnologi Intituto Politécnico de Setúbl 4/5 verão de Dezembro de 4 Trnformd de Lplce Nete cpítulo ver-e-á como trnformd de Lplce permitem

Leia mais

APRESENTAÇÃO. Ms. Thiago Bindilatti Inforsato Dr. Roberto Chust Carvalho Dr. Marcelo de Araújo Ferreira

APRESENTAÇÃO. Ms. Thiago Bindilatti Inforsato Dr. Roberto Chust Carvalho Dr. Marcelo de Araújo Ferreira PRESENTÇÃO CÁLCULO E VERIFICÇÃO D RDUR LONGITUDINL DE VIGS PRÉ-TRCIONDS CO SEÇÃO COPOST E CONSIDERNDO S PERDS PROGRESSIVS DE PROTENSÃO. uores: s. Thao Bndla Inforsao Dr. Robero Chus Carvalho Dr. arcelo

Leia mais

Universidade do Vale do Rio dos Sinos UNISINOS Programa de Pós-Graduação em Engenharia Mecânica. Ajuste de equações

Universidade do Vale do Rio dos Sinos UNISINOS Programa de Pós-Graduação em Engenharia Mecânica. Ajuste de equações Unversdde do Vle do Ro dos Snos UNISINOS Progrm de Pós-Grdução em Engenhr Mecânc Ajuste de equções Ajuste de curvs Técnc usd pr representr crcterístcs e comportmento de sstems térmcos. Ddos representdos

Leia mais

Máximos, Mínimos e Pontos de Sela de funções f ( x,

Máximos, Mínimos e Pontos de Sela de funções f ( x, Vsco Smões ISIG 3 Mámos Mímos e otos de Sel de uções ( w). Forms Qudrátcs Chm-se orm qudrátc em Q ) se: ( Q ) ( T ode.. é um vector colu e um mtr qudrd dt mtr d orm qudrátc sto é: Q( ) T [ ] s orms qudrátcs

Leia mais

Álgebra de Números Complexos

Álgebra de Números Complexos Álgr d Númro Comlo O númro comlo ão d grnd morânc m muo domíno d mmác ão rculrmn ú n nál d m dnâmco. E númro, qu ão um não do númro r, ão conuído or du comonn, um rl our mgnár, ndo qu undd mgnár,, corrond

Leia mais

6º Teste de avaliação versão1. Grupo I

6º Teste de avaliação versão1. Grupo I Escol Secundár com 3º cclo D. Dns 0º Ano de Mtemátc A 6º Teste de vlção versão Grupo I As cnco questões deste grupo são de escolh múltpl. Pr cd um dels são ndcds qutro lterntvs, ds qus só um está corret.

Leia mais

2 Teoria de membranas elásticas

2 Teoria de membranas elásticas Teor de membrns elástcs teor de membrn pr mters ltmente deformáves dfere d elstcdde clássc, á que s deformções n superfíce méd d membrn deformd são em módulo mores que undde. Dentro dests crcunstâncs utlz-se

Leia mais

CCI-22 CCI-22. Ajuste de Curvas. Matemática Computacional. Regressão Linear. Ajuste de Curvas

CCI-22 CCI-22. Ajuste de Curvas. Matemática Computacional. Regressão Linear. Ajuste de Curvas CCI- CCI- eá Copuol Ause e Curvs Crlos Herque Q. Forser Nos opleeres Ause e Curvs Apl-se os seues sos: Erpolção: vlores or o ervlo elo Vlores o erros proveees e oservções Cosse e: Deerr prâeros que ee

Leia mais

RELAÇÃO DE TURMA I D L. E. P o r t. H i s t. G e o g r.

RELAÇÃO DE TURMA I D L. E. P o r t. H i s t. G e o g r. O UÁ U ÇÃO U 7º v 07/08 l d Bá º m º 0 B BO X X X X X X X X X X - X 004638 0 É BO X X X X X X X X X X - X 004639 03 BO O BUÃO 7 X X X X X X X X X X X - 00434 04 O O O X X X X X X X X X X - X 00470 05 O

Leia mais

Algumas considerações iniciais:

Algumas considerações iniciais: Progrm d álulo d otmzção do n d ntrd íd do oltor olr trvé d orrlçõ r rd d rg m lnh lzd. lgum ondrçõ n: Condçõ d orção do fludo: t modlção não v lvr m ont vrçõ d tmrtur ud lo trto l borção do lor rovnnt

Leia mais

1.6- MÉTODOS ITERATIVOS DE SOLUÇÃO DE SISTEMAS LINEARES PRÉ-REQUISITOS PARA MÉTODOS ITERATIVOS

1.6- MÉTODOS ITERATIVOS DE SOLUÇÃO DE SISTEMAS LINEARES PRÉ-REQUISITOS PARA MÉTODOS ITERATIVOS .6- MÉTODOS ITRATIVOS D SOLUÇÃO D SISTMAS LINARS PRÉ-RQUISITOS PARA MÉTODOS ITRATIVOS.6.- NORMAS D VTORS Defção.6.- Chm-se orm de um vetor,, qulquer fução defd um espço vetorl, com vlores em R, stsfzedo

Leia mais

Sistemas Lineares Aplicações Veja a resolução no final

Sistemas Lineares Aplicações Veja a resolução no final Sstems Lneres Aplções Vej resolução no fnl (Fuvest-SP) Crlos e su rmã André form om seu horro Bdu à frmá de seu vô Lá enontrrm um velh lnç om defeto que só ndv orretmente pesos superores kg Assm eles se

Leia mais

Transformadas de Laplace

Transformadas de Laplace Trformd de plce O MÉTODO O méodo de rformd de plce é um méodo muio úil pr reolver equçõe diferecii ordiári EDO. Com rformd de plce, pode-e coverer mui fuçõe comu, i como, eoidi e morecid, em equçõe lgébric

Leia mais

FÍSICA MODERNA I AULA 19

FÍSICA MODERNA I AULA 19 Uiversidde de São ulo Istituto de Físic FÍSIC MODRN I U 9 rof. Márci de lmeid Rizzutto elletro sl rizzutto@if.us.br o. Semestre de 0 Moitor: Gbriel M. de Souz Stos ági do curso: htt:discilis.sto.us.brcourseview.h?id=905

Leia mais

ANÁLISE DE ESTRUTURAS I

ANÁLISE DE ESTRUTURAS I IST - DECvl Dertento de Engenr Cvl NÁISE DE ESTRUTURS I Tels de nálse de Estruturs Gruo de nálse de Estruturs IST, IST - DECvl Gruo de nálse de Estruturs Foruláro de es Eq. de grnge: w w w q D Equção de

Leia mais

Fernando Nogueira Dualidade 1

Fernando Nogueira Dualidade 1 Dldde Fernndo Noger Dldde Fernndo Noger Dldde 8 6.5 M ( ) ( ) ( ).5.5.5.5.5.5.5.5.5 é m lmtnte speror é m lmtnte speror melhor Pr encontrr o lmtnte speror mltplc-se s restrções por constntes postvs e som-se

Leia mais

Capítulo 6 Mecânica Quântica

Capítulo 6 Mecânica Quântica Cíulo 6 Mecânc Quânc Nese cíulo vos enrr no undo d físc quânc coeçndo or flr ds eerêncs e ds des que levr à nov físc no níco do século XX. O nsceno d eor quânc não er cífco. Muos físcos consderv-n u berrção

Leia mais

Como a x > 0 para todo x real, segue que: a x = y y 1. Sendo f -1 a inversa de f, tem-se que f -1 (y)= log a ( y y 1 )

Como a x > 0 para todo x real, segue que: a x = y y 1. Sendo f -1 a inversa de f, tem-se que f -1 (y)= log a ( y y 1 ) .(TA - 99 osidere s firmções: - Se f: é um fução pr e g: um fução qulquer, eão composição gof é um fução pr. - Se f: é um fução pr e g: um fução ímpr, eão composição fog é um fução pr. - Se f: é um fução

Leia mais

UNIVERSIDADE DE SÃO PAULO ESCOLA POLITÉCNICA

UNIVERSIDADE DE SÃO PAULO ESCOLA POLITÉCNICA UNVERSDDE DE SÃO PULO ESOL POLTÉN Deprtmento de Engenhri de Estruturs e Geotécnic URSO ÁSO DE RESSTÊN DOS TERS FSÍULO Nº 5 Flexão oblíqu H. ritto.010 1 FLEXÃO OLÍU 1) udro gerl d flexão F LEXÃO FLEXÃO

Leia mais

RESOLUÇÃO DA PROVA DE MATEMÁTICA UNICAMP-FASE 2. 2014 RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA

RESOLUÇÃO DA PROVA DE MATEMÁTICA UNICAMP-FASE 2. 2014 RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA RESOLUÇÃO D PROV DE MTEMÁTIC UNICMP-FSE. PROF. MRI NTÔNI C. GOUVEI. é, sem úv, o lmento refero e mutos ulsts. Estm-se que o onsumo áro no Brsl sej e, mlhão e s, seno o Esto e São Pulo resonsável or % esse

Leia mais

Obtendo uma solução básica factível inicial. Método Simplex duas fases

Obtendo uma solução básica factível inicial. Método Simplex duas fases Obtendo um solução básc fctível ncl Método Smple dus fses Bse ncl FASE I Como determnr um prtção básc fctível ncl (A(B, N)). Algums clsses de problems de otmzção lner oferecem nturlmente solução básc fctível

Leia mais

Unidade 3 Geometria: triângulos

Unidade 3 Geometria: triângulos Sugeõe de ividde Unidde 3 Geomei: iângulo 8 MTEMÁTI 1 Memáic 1. No iângulo egui você deve deemin: ) medid do ângulo ; b) medid do ângulo ; c) medid do ângulo z; d) medid do ângulo eeno o ângulo z. 120

Leia mais

Revisão: Notações Tensorial e Simbólica. e assim, o resultado de um produto escalar dois vetores é um escalar. Na notação tensorial, ter-se-ia u

Revisão: Notações Tensorial e Simbólica. e assim, o resultado de um produto escalar dois vetores é um escalar. Na notação tensorial, ter-se-ia u Apêndce B Reão: Noaçõe enoral e mbólca Ee apêndce complemena a reão maemáca ncada no Apêndce A. A relaçõe aq dedda e aplcam a ema de coordenada reanglare, para eore no epaço rdmenonal. O dero po de prodo

Leia mais

6 Cálculo Integral (Soluções)

6 Cálculo Integral (Soluções) 6 Cálculo Inegrl (Soluções). () Sej d {,..., n } um decomposição de [, ]. Podemos ssumir que d (cso conrário, om-se d d {}, e em-se S d ( f ) S d ( f ), s d ( f ) s d ( f )). Sej k, pr lgum k {,..., n

Leia mais

3 Modelo de Amortecimento Direto

3 Modelo de Amortecimento Direto 3 Modelo de Amorecmeno Dreo 3. Inrodução Alguns os de séres não aresenam bons resulados quando modeladas or funções uramene olnomas. As séres sazonas aresenam esse o de roblema, e denre elas, as séres

Leia mais

Aula Teste de Controle de Sistemas e Servomecanismos

Aula Teste de Controle de Sistemas e Servomecanismos Aul Tete de Controle de Sitem e Servomecnimo Crlo Edurdo de Brito Nove crlonov@gmil.com 3 de mio de 202 Expnão em frçõe prcii A expnão em frçõe prcii é um procedimento pr otenção de um frção lgéric de

Leia mais

Aula 1b Problemas de Valores Característicos I

Aula 1b Problemas de Valores Característicos I Unversdde Federl do ABC Aul b Problems de Vlores Crcterístcos I EN4 Dnâmc de Fludos Computconl EN4 Dnâmc de Fludos Computconl . U CASO CO DOIS GRAUS DE LIBERDADE EN4 Dnâmc de Fludos Computconl Vbrção em

Leia mais

TP062-Métodos Numéricos para Engenharia de Produção Ajuste de Curva pelo Método dos Quadrados Mínimos-MQM

TP062-Métodos Numéricos para Engenharia de Produção Ajuste de Curva pelo Método dos Quadrados Mínimos-MQM TP06-Métodos Numércos pr Egehr de Produção Ajuste de Curv pelo Método dos Qudrdos Mímos-MQM Prof. Volmr Wlhelm Curtb, 05 Método dos Qudrdos Mímos Ajuste Ler Prof. Volmr - UFPR - TP06 Método dos Qudrdos

Leia mais

PARTE I. Figura Adição de dois vetores: C = A + B.

PARTE I. Figura Adição de dois vetores: C = A + B. 1 PRTE I FUNDENTS D ESTÁTIC VETRIL estudo d estátc dos corpos rígdos requer plcção de operções com vetores. Estes entes mtemátcos são defndos pr representr s grndes físcs que se comportm dferentemente

Leia mais