Estudo Comparativo de Três Formulações do TOPMODEL na Bacia do Rio Pequeno, São José dos Pinhais, PR.

Tamanho: px
Começar a partir da página:

Download "Estudo Comparativo de Três Formulações do TOPMODEL na Bacia do Rio Pequeno, São José dos Pinhais, PR."

Transcrição

1 Estudo Comprtvo de Três Formulções do TOPMODEL n Bc do Ro Pequeno, São José dos Pnhs, PR. Roberto Vlmr d Slv Progrm de Pós-grdução em Engenhr Ambentl, UFSC roberto@ens.ufsc.br Msto Kobym Deprtmento de Engenhr Sntár e Ambentl, UFSC kobym@ens.ufsc.br RESUMO O TOPMODEL é um modelo hdrológco cuj formulção e o respectvo códgo vêm sendo dsponblzdos. Em rzão dsto, desde su crção, várs plcções e modfcções form relzds. Entretnto, há poucos estudos comprtvos entre s modfcções e formulção orgnl. Os estudos comprtvos revelm s res melhors de um modfcção pr determndos objetvos. Portnto, este trblho tem como objetvo comprr e vlr três formulções do modelo hdrológco TOPMODEL n smulção de hdrogrms. As smulções form relzds n bc do Ro Pequeno, muncípo de São José dos Pnhs, Prná, pr dus séres de ddos correspondendo os períodos de clbrção e vldção. No presente trblho formulção do TOPMODEL (Beven et l., 1984) é denomnd de MODELO 1, formulção propost por Cmplng et l. (00) de MODELO e formulção de Dtn (1998) de MODELO 3. Os modelos form comprdos trvés ds sus efcêncs, ntervlos de ncertez e medds de entrop de Shnnon. Atrvés ds smulções fo observdo o domíno de erros ds estruturs dos modelos e/ou d entrd de ddos sobre os erros no juste de prâmetros. Os modelos presentrm desempenhos semelhntes qunto à smulção de hdrogrms. O MODELO obteve os mores ntervlos de ncertez em tods s smulções e por ter um prâmetro ms não fo recomenddo pr smulção de hdrogrms nest bc. Plvrs Chves: TOPMODEL, Ro Pequeno, ncertez, estudo comprtvo. INTRODUÇÃO O modelo TOPMODEL é o crônmo de Topogrphy-bsed hydrologcl Model (Beven & Krkby, 1979). Este modelo possu um smples, ms funconl concetução sobre os processos hdrológcos. Seu prncpl conceto é o défct de rmzenmento que é função de um índce de smlrdde hdrológc. Este índce, chmdo de índce topográfco, lev em consderção topogrf d bc. O TOPMODEL relz pr cd locl de mesm smlrdde hdrológc contblzção do escomento sub-superfcl, o escomento d zon não sturd pr sturd e o rmzenmento n zon de rízes. O conceto de smlrdde hdrológc reduz efcentemente o tempo de processmento do modelo. Pñol et l. (1997) frmrm que um ds vntgens do TOPMODEL é su smples formulção em termos de códgo, prâmetros e tempo computconl, tornndo-o fácl pr modfcr ns bses do entendmento dos processos de um bc. Como teor do TOPMODEL, ssm como 1 seu códgo, vêm sendo dsponblzdos, várs plcções do modelo orgnl e várs modfcções do mesmo form relzds desde su crção. Entretnto, há poucos estudos comprtvos entre s modfcções e formulção orgnl. Os estudos comprtvos revelm s res melhors de um modfcção pr determndos objetvos, dest form testndo efcênc do novo modelo n representção do fenômeno. Este trblho tem como objetvo comprr e vlr três formulções do modelo hdrológco TOPMODEL no objetvo de smulr hdrogrms observdos. EQUAÇÕES DO TOPMODEL O TOPMODEL é um modelo chuv vzão cujo dferencl fo e nd é o de ntroduzr o conceto de smlrdde hdrológc bsed n topogrf. Est smlrdde é defnd trvés do índce topográfco λ : λ = ln tnβ (1)

2 N qul é áre cumuld por undde de contorno pr célul ou regão e tnβ é declvdde dest célul. O TOPMODEL é denomndo um modelo sem-dstrbuído pos somente o prâmetro índce topográfco é consderdo vrável no espço. Entretnto, este modelo present um vrável de síd dstrbuíd, o défct de rmzenmento ou o nível do lençol freátco. O défct de rmzenmento pr cd célul ou regão com mesm smlrdde hdrológc S é defndo por: S = S + m ( λ λ ) () n qul S é o défct médo de rmzenmento pr tod bc, λ é o índce topográfco médo pr tod bc (proxmdo por um méd ponderd pel áre de tods s áres de mesm smlrdde hdrológc d bc), λ é o índce topográfco locl e m é um prâmetro ssocdo o decmento d curv de recessão d bc. Pr cd psso de tempo d smulção o défct de rmzenmento é tulzdo de cordo com equção: Qb + Qv t 1 t 1 St = St 1 (3) n qul S t é o défct no tempo tul t, S t-1 é o défct no tempo nteror t-1, Qb t-1 é vzão do escomento subsuperfcl no tempo nteror, Qv t-1 é vzão de recrg do qüífero no tempo nteror e A é áre d bc. A vzão subsuperfcl é defnd como: Q b S = Q e m S (4) n qul Q S é vzão subsuperfcl qundo bc está sturd, defnd como: Q S 0 = A T e λ A (5) n qul T 0 é trnsmssvdde sturd do solo, constnte pr tod bc. No prmero psso de tempo o défct médo de rmzenmento é estmdo por: S t=0 Q = mln Q 0 S (6) n qul Q 0 é vzão ncl observd no psso de tempo t = 0. O TOPMODEL us o mecnsmo do escomento superfcl tpo Dunne (Dunne & Blck, 1970). Dest form, somente há escomento ns áres sturds d bc, sto é, qundo o défct de rmzenmento (Equção ) for gul zero. A propgção dos escomentos dentro do TOPMODEL é relzd trvés de um hstogrm tempo-áre. Este hstogrm é dervdo prtr de um função dstânc-áre trvés d equção: (7) n qul tc é o tempo de contrbução de um determnd áre d bc, RV é velocdde méd dos cns d bc, l é dstânc do -ésmo segmento que compõe o cmnho de contrbução dest áre té exutór d bc, tnβ é declvdde deste segmento. ALTERAÇÕES NA FORMULAÇÃO DO TOPMODEL No presente trblho dus formulções do TOPMODEL form mplementds. Ests formulções form escolhds porque mbs lterm o índce topográfco, um dos prâmetros prncps do TOPMODEL. A prmer é formulção de Cmplng et l. (00). Est formulção ntroduz um índce topográfco de referênc (λ REF ) com o objetvo de tornr o nível do lençol freátco ns áres ms lts d bc não prlelo à superfíce topográfc. O défct locl de rmzenmento fc defndo por: (8) O efeto produzdo por este índce é o umento do défct locl ns áres lts (com índces topográfcos menores do que o índce médo) e dmnução do défct locl ns áres bxs d bc. A segund é formulção de Dtn (1998), que ntroduz o conceto de um índce topográfco dnâmco, sto é, seu vlor vr o longo dos ntervlos de tempo d smulção e é dependente do estdo de sturção d bc. Sendo ssm, o índce topográfco médo d bc em cd ntervlo de tempo é ddo por: λ' N tc = S =1 = S + m l RVtnβ 1 A A N ( t) = λ ( λ λ ) + m( λ λ ) SAT =1 REF (9) n qul A é áre totl d bc, A SAT é áre sturd no psso t. Portnto, o défct locl de rmzenmento pr cd ntervlo de tempo pode

3 ser estmdo por: S = S + m ( λ' λ ) (10) Est lterção mplc que pr cd psso de tempo redstrbução do défct médo sobre tod bc é relzd somente sobre s áres não sturds. Como recrg do qüífero ou o escomento n zon não sturd é relzd somente ns áres não sturds e é função do défct locl, formulção mplc em vlores ms coerentes d recrg totl. No presente trblho formulção do TOPMODEL (Beven et l., 1984) é denomnd de MODELO 1, formulção propost por Cmplng et l. (00) de MODELO e formulção de Dtn (1998) de MODELO 3. O MÉTODO GLUE N plcção de modelos não ocorre exstênc de um únco conjunto de prâmetros que produz o melhor desempenho do modelo. Segundo Bstds et l. (00), város conjuntos de prâmetros podem produzr resultdos semelhntes. Est prtculrdde é denomnd de eqüfnldde por Beven & Bnley (199), de gul probbldde de conjunto de prâmetros por Vn Strten & Keesmn (1991) e conjuntos cetáves por Klepper et l. (1991). Est ncertez de clbrção é dcond às outrs fontes de ncertez como qusção de ddos, formulção do modelo, escolh d função objetvo etc. De cordo com Uhlenbrook & Seber (005), exstem dferentes métodos pr estmtv d ncertez n smulção de modelos. Beven & Bnley (199) propuserm o método denomndo GLUE (Generlzed Lkelhood Uncertnty Estmton). Este método utlz smulções Monte Crlo pr gerr um sére de conjuntos de prâmetros e trvés destes representr por meo de ntervlos s ncertezs do modelo. Segundo Beven & Bnley (199) os pssos necessáros pr o método GLUE são: (1) Determnção do ntervlo de mostrgem váldo pr cd prâmetro; () escolh do método pr gerção dos vlores de prâmetros; (3) escolh d função objetvo pr medção do desempenho do modelo; (4) escolh do crtéro de cetção ou rejeção dos vlores de desempenho e (5) plcção do método de refnmento dos vlores de desempenho O ntervlo de mostrgem deve ser defndo com bse em estudos em cmpo (se o prâmetro tem sentdo físco), revsão bblográfc ou smulções nterores. A técnc utlzd no GLUE pr mostrgem dos prâmetros é o método Monte Crlo. Este técnc ger vlores letóros bsedos em um dstrbução unforme de probbldde. A função objetvo deve ser escolhd em função dos objetvos d modelgem. A função objetvo ms utlzd é o coefcente de Nsh (Nsh & Sutclffe, 1970), cujo vlor é sensível ns vzões máxms: (11) n qul E(Θ) é o coefcente de Nsh pr o conjunto de prâmetros Θ, o(t) é vrável observd no nstnte t, ô(t Θ) é vrável prevst pr o nstnte t ddo o conjunto de prâmetros Θ, o é méd d vrável observd, N é o número de pssos ou ncrementos de tempo. O coefcente de NASH possu vlor vrndo de - 1. Qundo o modelo possu este coefcente gul um sgnfc que o modelo possu um ótmo juste, sto é, vrânc dos erros é gul vrânc d vrável observd. O crtéro de escolh de cetção ou rejeção de um conjunto de prâmetros é subjetvo, sto é, se medd de desempenho é consderd comportmentl (cet) ou não-comportmentl (rejetd) (Freer et l., 1996 e Peters et l., 003). O refnmento (updtng) ds medds de desempenho pode ser clculdo de cordo com equção de Byes (Freer, Beven & Ambrose, 1996; Cmplng et l, 00; Peters et l., 003 e Pppenberger et l, 004): L (o(t) ô(t Θ)) t = 1 E( Θ) = 1 N (o(t) o) ( Θ Y, Y' ) N L = t = 1 ( Θ Y ) L( Θ Y' ) (1) N qul, L(Θ Y') é medd de desempenho do conjunto Θ de prâmetros comportments dd sére de ddos nteror Y', L(Θ Y) é medd de desempenho do conjunto Θ de prâmetros comportments dd sére de ddos corrente Y, SF é um ftor de escl pr que som dos resultdos sejm gus undde e L(Θ Y,Y') é medd de desempenho do conjunto Θ de prâmetros comportments dd s séres Y e Y'. A vlção d redução ds ncertezs de cordo com o refnmento d medd de desempenho pode ser relzd de cordo com SF 3

4 medd de entrop de Shnnon (1948), pr todos os conjuntos de prâmetros comportments (Freer et l., 1996): H N ( Y ) = L ( Θ Y ) log L ( Θ Y ) (13) Tbel 1. Ambs s séres possuem regstros. O período dests dus séres fo escolhdo pr representr o mesmo comportmento szonl. A prmer sére fo utlzd pr clbrção dos modelos e segund pr vldção. N qul, H(Y) é medd de entrop pr sére de ddos Y e conjunto Θ de prâmetros comportments. Lembrndo que L(Θ Y) deve estr escldo pr que dstrbução cumuld sej untár. A entrop de Shnnon mede quntdde de ncertez representd pel dstrbução de probbldde e pel flt de nformção do sstem. Se tod nformção é conhecd no sstem, então entrop de Shnnon é gul zero, cso contráro, é mor do que zero. MÉTODOS Áre de estudo A áre de estudo é bc do Ro Pequeno com proxmdmente 104 km. Est bc está totlmente nserd no muncípo de São José dos Pnhs, regão metropoltn de Curtb, Prná. N dvsão ds grndes bcs do estdo, est bc pertence à bc do Ro Iguçu. A topogrf d bc é pouco cdentd e sus lttudes vrm de 895 m 1.70 m. Segundo Sntos (001), os tpos de solos encontrdos n bc são: Orgnossolos, ltossolos, rglssolos e cmbssolos. O uso do solo n bc é clssfcdo em: Urbno (4%); Agrcultur e/ou solo exposto (3%); Mts (54%), Cmpo (35%), Bnhdos e/ou várzes (3%) e outros (1%). A precptção méd nul d regão é proxmdmente mm. A Fgur 1 mostr loclzção d áre de plcção, denomnd bc do Ro Pequeno. Ddos hdrológcos Os ddos hdrológcos (vzão, precptção e evpotrnsprção) utlzdos no presente trblho form obtdos d estção fluvométrc Fzendnh (Códgo n Agênc Nconl ds Águs ANA, ). As precptções obtds d estção Chácr do Gujub (054913). A loclzção dests estções é mostrd n Fgur 1. Os ddos de evpotrnsprção form clculdos de cordo com o método de Penmn Modfcdo (Doorenbos & Prut, 199). Os ddos utlzdos neste trblho são formdos por dus séres, conforme presentdo n Fgur 1 - Loclzção d áre de estudo. Tbel 1 - Descrção ds séres de ddos. Sére 1 Período 14/08/99 01/01/00 14/08/00 01/01/01 Precptção totl [m] 0,437 0,483 Precptção máxm [m/h] 0,040 0,0188 Evpotr. potencl totl [m] 0,505 0,504 Vzão totl[m] 0,314 0,381 Vzão máxm [m/h],0x10-4 3,60x10-4 Vzão mínm [m/h] 0,30x10-4 0,40x10-4 Coefcente de deflúvo 0,7 0,79 Estmtv de prâmetros Pr s smulções ds três formulções fo necessáro clculr o índce topográfco médo, ssm como dstrbução espcl dos índces locs. Fo utlzdo o softwre denomndo DTM (Freer, 004). Este softwre prtr de um mlh de céluls regulres que representm bc, 4

5 ger dstrbução do índce topográfco n bc, segundo o método de Qunn et l. (1995). A mlh de céluls regulres fo gerd em resolução de 40 m prtr ds curvs de nível dgtlzds ds crts topográfcs em escl 1: O softwre relzou terções pr resolver os flsos pts (depressões) e totlzou um áre de 104,5584 km pr bc de estudo. O índce topográfco vrou de,81 8,13 e seu vlor médo fo de 8,00. A dstrbução espcl do índce é mostrd n Fgur. A função dstânc-áre fo extríd ds curvs de nível d bc trvés do modelo WADI (Wtershed Investgton, Slv & Kobym, 004 e 005). Est função no TOPMODEL é convertd em um hstogrm tempo-áre. A função dstânc-áre é presentd n Fgur 3. Est função represent crcterístcs morfológcs d bc que nfluencm n respost hdrológc um evento de chuv. Pr um chuv constnte form do hdrogrm ser semelhnte à form dest função. Além destes prâmetros, ms sete prâmetros numércos são comuns às três formulções (Tbel ). Fgur - Dstrbução espcl do índce topográfco. Tbel - Descrção dos prâmetros do Topmodel. Prâmetro Descrção Undde m lnt 0 T D R V Q 0 SR MAX SR 0 Decmento d trnsmssvdde no perfl do solo ou d curv de recessão. Logrtmo nturl d trnsmssvdde efetv do solo sturdo. Tempo de permnênc d águ n zon não-sturd. Velocdde do escomento em cnl. Vzão específc ncl observd d sére. Défct máxmo no reservtóro de zon de rízes. Défct ncl no reservtóro de zon de rízes. m m h -1 h m -1 m h -1 m h -1 O MODELO possu um novo prâmetro TL REF. Segundo Cmplng et l. (00), este prâmetro é estmdo de cordo com um méd dos índces topográfcos locs referentes às posções ds junções de cns de prmer ordem cns prncps, junções entre cns de prmer ordem e ros perenes. Neste trblho este prâmetro não fo estmdo prtr d dstrbução do índce topográfco e sm clbrdo. Seu ntervlo fo escolhdo pr vrr de zero té o vlor do índce topográfco máxmo, sto é, 8,13. Isto permtu um vlção d sensbldde do MODELO este prâmetro. A Sére 1 possu um vzão ncl de 6,7x10-5 m/h, portnto, este é o vlor do prâmetro Q 0 pr Sére 1. Pr Sére Q 0 é gul 4,50x10-5 m/h. A nálse de sensbldde fo relzd com o ntuto de restrção dos ntervlos váldos dos prâmetros fm de umentr, ns smulções posterores, os números de smulções com efcêncs postvs. Com bse em prévs smulções o ntervlo váldo pr cd prâmetro pr os três modelos é presentdo n Tbel 3. m m Fgur 3 - Função dstânc-áre pr bc do Ro Pequeno. 5

6 Tbel 3 - Intervlo dos prâmetros. m [m] 0,003 0,10 ln T 0 [(m h -1 )] 0 10 T D [ h m -1 ] 0,05 10 R V [ m h -1 ] S RMAX [m] 0 0,000 Com bse tmbém ns prévs smulções dos modelos fo escolhdo o índce de Nsh (E) gul 0,3 como crtéro de decsão (rejeção ou cetção) dos conjuntos de prâmetros smuldos. Este vlor em todos os modelos excluu cerc de 60% de conjuntos. RESULTADOS Clbrção Dentre s 0 ml smulções relzds pr cd modelo pr Sére 1, smulções obtverm o coefcente E de Nsh gul ou superor 0,3 no MODELO 1. Pr o MODELO, smulções mores ou gus 0,3. O MODELO 3 obteve smulções gus ou superores 0,3. As Tbels 4 6 mostrm s melhores cnco smulções pr os modelos, ssm como os vlores dos prâmetros obtdos. Tbel 4 - Melhores smulções, MODELO 1, Sére 1. E m ln T 0 T D R V S RMAX 1 0,6477 0,0346 1,11 4,44 34,5 0, ,6444 0,0301 0,11 86,30 315,51 0, ,6389 0,083 1,03 18,0 371,7 0, ,6384 0,0460 0,40 59,41 30,6 0, ,6377 0,0370 0,59 76,4 350,83 0,00035 Tbel 5 - Melhores smulções, MODELO, Sére 1. E m ln T 0 T D R V S RMAX T LREF 1 0,6439 0,030 1,18 4,56 315,6 0, ,79 0,648 0,037 8,94 33,09 35,8 0, ,06 3 0,6378 0,060 7,05 13,57 885,9 0, ,39 4 0,6376 0,089 6,95 5,95 440,81 0, ,15 5 0,6371 0,0366,38 33,08 38,89 0, ,66 Tbel 6 - Melhores smulções, MODELO 3, Sére 1. E m ln T 0 T D R V S RMAX 1 0,649 0,083,37 13,85 314,59 0, ,6351 0,0410,51 8,15 317,41 0, ,638 0,099 6,83 7,10 853,07 0, ,636 0,075 8,85 3, ,3 0, ,6319 0,091 5,94 5,7 64,68 0,00061 Pr est sére de ddos o MODELO 1 obteve melhor efcênc, segundo o coefcente E de Nsh, (0,6477) segudo pelo MODELO (0,6439) e pelo MODELO 3 (0,649). As dferençs de efcênc entre os modelos form pouco expressvs, resultndo que os modelos tverm um desempenho semelhnte pr est sére. Em relção os vlores dos prâmetros form observdos ltos vlores de trnsmssvdde nos MODELOS e 3. Pr o MODELO 3 fo notdo um vlor clbrdo pr o prâmetro R V de 1449,3 m h -1 notormente bem cm dos vlores clbrdos deste prâmetro pr os outros modelos. Como no MODELO 3 o índce topográfco médo é clculdo somente pr s áres não sturds, seu vlor torn-se menor durnte o processo de sturção d bc. Vlores menores no índce topográfco médo elevm vzão sub-superfcl (Equções 4 e 5). Com vlores mores d vzão subsuperfcl s áres sturds são rpdmente drends dmnundo o escomento superfcl. O índce de Nsh utlzdo pr vlr o desempenho dos modelos prorz s vzões máxms. Dest form, o MODELO 3 clbr vlores mores dos prâmetros R V e T 0 pr que o pco d vzão lcnce o pco d vzão observd. As Fgurs 4 6 mostrm pr os modelos os ntervlos de ncertez de 90% e o hdrogrm d vzão observd. A medd de entrop d Sére 1 pr o MODELO 1 fo de 1,64, o MODELO obteve 1,00 e o MODELO 3 obteve 1,9. O vlor d entrop está relcondo o número de smulções cm de um determndo nível de efcênc. O MODELO obteve menor entrop por motvo d sensbldde ntroduzd pelo prâmetro dconl T LREF. O MODELO 1 presentou 54,17% ds vzões observds dentro dos lmtes de ncertez, o MODELO, 58,60% e o MODELO 3, 53,78%. Neste crtéro, o MODELO fo melhor. O melhor modelo é quele que tver o menor ntervlo de ncertez por clbrção e o mor número de 6

7 vzões observds dentro deste ntervlo. Entretnto, o número de vzões observds dentro do ntervlo de ncertez é dretmente relcondo o tmnho deste. Dest form, vrânc do ntervlo de ncertez pr um modelo, ddo um sére de ddos Y é defnd por: n(y) 1 1 = (ô(y, t) 95 ô(y, t) 5) n(y) t = 1 σ( Y) (14) n qul ô(y,t) 95 é vzão do lmte de 95% do ntervlo de ncertez no tempo t, ô(y,t) 5 é vzão do lmte de 5% do ntervlo de ncertez no tempo t e n(y) é o número de pssos de tempos d sére Y. Pr vlr o qunto que o modelo consegue fzer predções em torno ds vzões observds fo clculd vrânc do erro d estmtv méd do modelo pr um sére Y. Portnto: Fgur 4 - Hdrogrm d Sére 1 e ntervlo de ncertez pr o MODELO 1. n(y) 1 σ( Y) = (ô(y, t) o(y,t)) n(y) t = 1 (15) n qul ô (Y, t) é estmtv méd do modelo obtd trvés do ntervlo de ncertez pr o tempo t e o(y,t) é vzão observd no tempo t. Os modelos form vldos trvés d som ds vrâncs σ (Y) 1 e σ (Y). O melhor modelo é o que mntém menor som ds vrâncs, em outrs plvrs, o modelo que possu o menor ntervlo de ncertez e que este ntervlo estej o ms próxmo ds vzões observds. A som ds vrâncs σ (Y) 1 e σ (Y) clculd pr os modelos 1, e 3 fo de 3,5x10-9, 3,95x10-9 e 3,63x10-9, respectvmente. O MODELO 1 neste crtéro fo o melhor. Fo notdo que os lmtes de ncertez (5% e 95%) pr todos os modelos presentrm vrções tempors com seus mores ntervlos nos pcos de vzão. N mor dos períodos de recessão s vzões form ml representds com todos os modelos. As vzões observds form super estmds e estverm for dos lmtes de ncertez. Os pcos de vzões referentes os eventos de 10-11/10/99, 1-4/1/99 e 17/1/99 form ml representdos pelos modelos. Est dvergênc pode estr ssocd o fto d estção pluvométrc estr loclzd n prte bx d bc e prte lt d bc está n regão d Serr do Mr. Dest form, poderm ter ocorrdo precptções ns regões ms lts d bc não regstrds pel estção pluvométrc. Fgur 5 - Hdrogrm d Sére 1 e ntervlo de ncertez pr o MODELO. Fgur 6 - Hdrogrm d Sére 1 e ntervlo de ncertez pr o MODELO 3. Vldção Os conjuntos de prâmetros com E 0,3 d Sére 1 form selecondos e utlzdos pr vldção dos modelos n segund sére de ddos, ou sej, Sére. Os novos vlores de E form reordendos e os cnco prmeros conjuntos de prâmetros pr os modelos são presentdos ns Tbels

8 Tbel 7 - Melhores smulções, MODELO 1, Sére. E m ln T 0 T D R V S RMAX 1 0,873 0,0301 0,11 86,30 315,51 0,0008 0,85 0,051,36 105,6 593,15 0, ,831 0,045 3,50 108,37 695,60 0, ,89 0,06 1,05 57,1 397, 0, ,811 0,05 1,50 93,99 471,58 0,00197 Tbel 8 - Melhores smulções, MODELO, Sére. E m ln T 0 T D R V S RMAX T LREF 1 0,8476 0,041,93 4,8 310,4 0, ,98 0,8418 0,016 1,90 109,59 34,68 0, ,63 3 0,8387 0,05 9,09 0,16 338,06 0, ,4 4 0,887 0,047 3,38 114,63 37,14 0,0016 6,80 5 0,85 0,000 0,3 117,33 387,3 0, ,60 Tbel 9 - Melhores smulções, MODELO 3, Sére. E m ln T 0 T D R V S RMAX 1 0,8155 0,08 5,7 67,4 1061,50 0, ,8151 0,08 6,05 60, ,10 0, ,8148 0,07 6,38 75, ,90 0, ,8148 0,07 5,8 53,81 855,5 0, ,8148 0,07 6,56 6,00 119,60 0,00143 O MODELO obteve o melhor desempenho com E gul 0,8476, segudo pelo MODELO 1 com 0,873 e pelo MODELO 3 com 0,8155. O MODELO 3 presentou vlores clbrdos do prâmetro R V mores que os outros modelos pr todos os cnco conjuntos de prâmetros. Isto fo ms evdente nest sére do que n Sére 1 devdo os eventos entre 10/09 e 5/10. Fo observdo que os modelos obtverm um melhor desempenho nest sére de vldção do que sére de clbrção. Isto sgnfc que Sére 1 presentou um comportmento que não fo dequdmente modeldo pels hpóteses dos modelos. Est melhor de desempenho n vldção tmbém fo encontrd por GÜNTNER et l. (1999). Entretnto, o utor não comentou rzão deste umento. A melhor n efcênc pr sére de vldção pode estr ssocd à ncpcdde dos modelos de representrem Sére 1. Cso ocorressem problems de ddos n Sére 1 sto mplcr em vlores de prâmetros que não consegurm representr dequdmente sére de vldção. O MODELO 1 obteve um entrop de 1,60, o MODELO de 11,96 e o MODELO 3 de 1,5. Est redução entre s séres ocorreu devdo à perd de lguns conjuntos de prâmetros. Estes conjuntos de prâmetros tverm n Sére vlores de E < 0,3. Form 14, 84 e 103 conjuntos pr os MODELOS 1, e 3, respectvmente. Qunto os lmtes de ncertez o MODELO presentou 64,61% ds vzões observds dentro destes lmtes, o MODELO 1 presentou 57,65% e o MODELO 3 presentou 56,19%. Pr som ds vrâncs σ (Y) 1 e σ (Y) os modelos 1, e 3 obtverm os vlores de 8,85x10-9, 9,63x10-9 e 8,61x10-9, respectvmente. Pr est sére o MODELO 3 fo o melhor. Refnmento dos lmtes de ncertez Os vlores de E dos modelos pr Sére form combndos com queles d Sére 1, de cordo com Equção 1. As novs efcêncs (L) form reordends. Pr o MODELO 1, dos conjuntos de prâmetros com E 0,3, pós combnção restrm.56 conjuntos. Pr o MODELO, dos conjuntos restrm e pr o MODELO 3, de 4.998, restrm A prtr dos conjuntos de prâmetros remnescentes, os modelos form novmente plcdos pr Sére e os novos lmtes de ncertez form clculdos. As Fgurs 7 9 mostrm pr os modelos os ntervlos de ncertez refndos de 90% e o hdrogrm d vzão observd. Houve um expressv redução nos lmtes de ncertez pr todos os modelos. Est redução fo devdo à grnde perd de conjuntos de ddos com L < 0,3 e consderdos não-comportments. A entrop dest sére pós o refnmento fo de 11,31 pr o MODELO 1, com redução de 1,33 em relção à Sére 1. O MODELO obteve entrop de 10,60 com redução de 1,40 e o MODELO 3 possuu entrop de 10,94 com redução de 1,35. Novmente est mor redução de entrop no MODELO está ssocd o seu prâmetro dconl. Pr os MODELOS 1, e 3 os percentus de vzões dentro dos lmtes de ncertez pós o refnmento form, respectvmente, de 4,86%, 50,1% e 41,01%. Pr som ds vrâncs σ (Y) 1 8

9 e σ (Y) os modelos 1, e 3 obtverm os vlores de 4,65x10-9, 5,10x10-9 e 4,35x10-9, respectvmente. Com estes resultdos observ-se que o MODELO 3 presentou menor som de vrâncs. A Tbel 10 resume s prncps medds dos modelos pós s smulções ds Séres 1 e. exponencl d trnsmssvdde no perfl do solo e conseqüentemente o decmento d vzão em períodos de recessão fo stsftór pr bc do Ro Pequeno. Embor lgums vezes super estmdo, o decmento d recessão smuldo fo prlelo o decmento observdo. Em relção os pcos de vzões fo verfcdo que suposção de propgção lner dos escomentos trvés de um hstogrm tempo áre fo coerente pr bc estudd, pos mor dos pcos fo bem representd em relção o tempo. Tbel 10 - Resumo ds smulções dos modelos. Fgur 7 - Hdrogrm d Sére e ntervlo de ncertez pós refnmento pr o MODELO 1. Medd E (melhor conjunto) Percentgem de vzões dentro do ntervlo de ncertezs MODELO 1 MODELO MODELO 3 Sere 1 Sére Sere 1 Sére Sere 1 Sére 0,647 0,87 0,643 0,847 0,64 0,815 54,17 4,86 * 58,60 50,1 * 53,78 41,01 * σ (Y) 1 + σ (Y) 3,5 x10-9 4,65 x10-9* 3,95 x10-9 5,10 x10-9* 3,63 x10-9 4,35 x10-9* Número de conjuntos de prâmetros com E * * * Entrop 1,64 11,31 * 1,00 10,60 * 1,9 10,94 * Fgur 8 - Hdrogrm d Sére e ntervlo de ncertez pós refnmento pr o MODELO. Fgur 9 - Hdrogrm d Sére e ntervlo de ncertez pós refnmento pr o MODELO 3. A suposção do TOPMODEL, comum pr os três modelos, referente o decmento Redução de entrop (*) Medds pós o refnmento. - 1,33-1,40-1,35 Como exstem város conjuntos de prâmetros com vlores de E semelhntes (conceto de eqüfnldde), o refnmento dos lmtes de ncertez pode ser entenddo como verfcção d vldde do modelo. Ao se plcr conjuntos de prâmetros clbrdos com um sére de ddos pr outr sére, poder ocorrer que os conjuntos com s menores efcêncs d prmer sére (clbrção) desenvolvessem lts efcêncs n sére de vldção. Admtndo o conceto de eqüfnldde, um modelo não é vlddo pens com um únco conjunto de prâmetros, ms sm com város conjuntos que defnem um ntervlo váldo dos prâmetros, os qus vldm o modelo. Dest form, com fnldde de mostrr um ntervlo váldo de prâmetros, fo fet um seleção dos 5 prmeros conjuntos de prâmetros com os ms 9

10 ltos vlores de L pr cd um dos três modelos. O ntervlo de vldção pr os modelos é mostrdo ns Tbels Tbel 11 - Intervlo de vldção pr o MODELO 1. m [m] 0,06 0,035 ln T 0 [(m h -1 )] 0,11 1,30 T D [ h m -1 ] 4,44 86,30 R V [ m h -1 ] 315,51 371,7 S RMAX [m] 0, ,0008 Tbel 1 - Intervlo de vldção pr o MODELO. m [m] 0,08 0,037 ln T 0 [(m h -1 )] 1,18 9,48 T D [ h m -1 ] 1,7 98,63 R V [ m h -1 ] 315,6 345,3 S RMAX [m] 0, ,00073 T LREF [m] 0,57 9,79 Tbel 13 - Intervlo de vldção pr o MODELO 3. m [m] 0,08 0,030 ln T 0 [(m h -1 )] 3,09 6,83 CONCLUSÕES T D [ h m -1 ] 5,7 64,95 R V [ m h -1 ] 363,55 853,07 S RMAX [m] 0, ,00076 O presente trblho procurou fornecer subsídos n vlção de três formulções do TOPMODEL pr estmtv de vzões n bc do Ro Pequeno, São José dos Pnhs, PR. Os lmtes de ncertez obtdos pelo método GLUE bsedo ns smulções Monte Crlo refletem tods s fontes de ncertez (Beven & Bnley, 199). Porém, o método esttístco de refnmento dos lmtes de ncertez reduz ncertez cusd pel clbrção dos prâmetros. Neste sentdo, trvés ds smulções fo observdo o domíno de erros ds estruturs dos modelos e/ou d entrd de ddos sobre os erros no juste de prâmetros. Um hpótese os erros ser ocorrênc de precptções ns regões ms lts d bc e portnto, dstnte d estção pluvométrc. Dest form, os modelos clbrrm prâmetros de form compensr est flt de chuv, ocsonndo super estmtv de vzões em períodos de recessão. Pr Sére 1, os vlores de E dos modelos resdrm em torno de 0,64. Pr sére os vlores form em torno de 0,8 com os mesmo conjuntos de prâmetros d Sére 1. Isto sgnfc que Sére 1 presentou um comportmento que não fo dequdmente modeldo pels hpóteses dos modelos. Este fto é nd ms evdencdo qundo Sére 1 é substtuíd pel Sére n clbrção. Os mesmos vlores de E, em torno de 0,8, e os mesmos ntervlos de prâmetros form encontrdos. Os modelos presentrm desempenhos semelhntes qunto à smulção de hdrogrms. O presente estudo não descrt o uso de um determndo modelo em relção os outros. Os modelos podem presentr resultdos dferentes qundo plcdos em outrs bcs e em relção à prevsão de áres sturds, pos mbos os modelos lterm os défcts locs de rmzenmento. Entretnto, tl estudo, como o relzdo por Lmb et l. (1997), envolver medções dos níves do lençol freátco que o encrecerm. Atrvés d nálse d vrânc dos modelos fo possível dentfcr que o número de vzões dentro do ntervlo de ncertez não é um bom crtéro pr dentfcr quldde do modelo. Isto se dá porque o número de vzões dentro do ntervlo de ncertez é dependente do tmnho do ntervlo. O Modelo obteve o mor número de vzões pr sére e no entnto possuu o mor ntervlo de ncertez entre os modelos. Os modelos 1 e 3 presentrm resultdos semelhntes ssm como som ds sus vrâncs σ (Y) 1 + σ (Y), no entnto, o MODELO 1 presentou melhor resultdo pr Sére 1 e o MODELO 3 pr Sére e pr o refnmento. Com relção o MODELO, este modelo presentou os mores ntervlos de ncertez pr mbs s séres e possu um prâmetro ms do que os outros modelos. Este prâmetro dconl fo responsável, devdo à sensbldde mpost o modelo, por este modelo presentr o menor número de smulções com E 0,3. Pode-se dzer que o MODELO não é recomenddo pr est bc n smulção de hdrogrms por teu seu desempenho semelhnte os outros dos modelos e possur um prâmetro ms. Entretnto, deve estr bem clro que o melhor modelo é quele que melhor stsfz os objetvos prtculres de cd trblho. AGRADECIMENTOS Os utores grdecem o Professor Irn dos Sntos, d Unversdde Federl do Prná, pelos ddos fornecdos d bc de estudo. O prmero utor grdece à CAPES pel concessão d bols de mestrdo. 10

11 REFERÊNCIAS BASTIDAS, L.A.; GUPTA, H.V.; SOROOSHIAN, S. Emergng prdgms n the clbrton of hydrologc models. In: SINGH, V.P. Mthemtcl models of lrge wtershed hydrology. 1 ed. Colordo: Wter Resource Publctons, 00, p BEVEN, K.J.; BINLEY, A. The future of dstrbuted models: Model clbrton nd uncertnty predcton. Hydrologcl Processes, Chchester, v. 6, p , 199. BEVEN, K.J.; KIRKBY, M.J. A physclly bsed, vrble contrbutng re model of bsn hydrology. Hydrologcl Scences Bulletn, v. 4, n. 1, p , BEVEN, K.J.; KIRKBY, M.J.; SCHOFIELD, N.; TAGG, A.F. Testng Physclly-bsed flood forecstng model (Topmodel) for three U.K. ctchments. Journl of Hydrology, Amsterdm, v. 69, p , CAMPLING, P.; GOBIN, A.; BEVEN, K.J.; FEYEN, J. Rnfll-runoff modellng of humd tropcl ctchment: The TOPMODEL pproch. Hydrologcl Processes, Chchester, v. 16, p , 00. DATIN, R. Outls opértonnels pour l prévson des crues rpdes: trtements des ncerttudes et ntégrton des l vrblté sptle de l plue. Développements de TOPMODEL pour le prse en compte de l vrblté sptle de l plue. PhD thess, INP Grenoble DOORENBOS, J.; PRUIT, W.O. Crop wter requrements. Rom: FAO, p. DUNNE, T.; BLACK, R.D. Prtl-re contrbutons to storm runoff n smll New Englnd wtershed. Wter Resources Reserch, Wshngton, v. 6, p , FREER, J. Welcome to the TOPMODEL web pge. Unversty of Lncster Dsponível em: < tml> Acesso em: 0 mr FREER, J.; BEVEN, K.J.; AMBROISE, B. Byesn estmton of uncertnty n runoff predcton nd the vlue of dt: An pplcton of the GLUE pproch. Wter Resources Reserch, Wshngton, v. 3, n. 7, p , GÜNTNER, A.; UHLENGROOK, S.; SEIBERT, J. LEIBUNDGUT, Ch. Mult-crterl vldton of TOPMODEL n mountnous ctchment. Hydrologcl Processes, Chchester, v. 13, p , KLEPPER, O.; SCHOLTEN, H.;VAN DE KAMER, J.P.L.G. Predcton uncertnty n n ecologcl model of the Oosterschelde Estury. Journl of Forecstng, Amsterdm, v. 10, p , LAMB, R.; BEVEN, K.J.; MYRABØ, S. Dschrge nd wter tble predctons usng generlsed TOPMODEL formulton. Hydrologcl Processes, Chchester, v. 11, p , NASH, J.E.; SUTCLIFFE, J.V. Rver flow forecstng through conceptul models I: A dscusson of prncples. Journl of Hydrology, Amsterdm, v. 10, p. 8 90, PAPPENBERGER, F.; BEVEN, K.J.; HORRITT, M.; BLAZKOVA, S. Uncertnty n the clbrton of effectve roughness prmeters n HEC-RAS usng nundton nd downstrem level observtons. Journl of Hydrology, Amsterdm, v. 30, p , 004. PETERS, N.E.; FREER, J.; BEVEN, K.J. Modellng hydrologc responses n smll forested ctchment (Pnol Mountn, Geog, USA): comprson of the orgnl nd new dynmc TOPMODEL. Hydrologcl Processes, Chchester, v. 17, p , 003. PIÑOL, J.; BEVEN, K.J.; FREER, J. Modellng the hydrologcl response of Medterrnen ctchments, Prdes, Ctlon. The use of dstrbuted models s ds to hypothess formulton. Hydrologcl Processes, Chchester, v. 11, p , QUINN, P.F.; BEVEN, K.J.; LAMB, R. The ln(/tnβ) ndex: how to clculte t nd how to use t wthn the TOPMODEL frmework, Hydrologcl Processes, Chchester, v. 9, p , SANTOS, I. Modelgem geobohdrológc como ferrment no plnejmento mbentl: Estudo d bc hdrográfc do Ro Pequeno, São José dos Pnhs PR. Prná, f. Dssertção (Mestrdo em Agronom) Setor de Cêncs Agrárs, Unversdde Federl do Prná. SHANNON, C.E. A Mthemtcl Theory of Communcton, Bell Syst. Tech. J., v. 7, p , SILVA, R.V.; KOBIYAMA, M. Delnemento utomátco d rede de drengem em bcs hdrográfcs com ênfse em trechos de zero ordem. In: Congreso Ltnomercno de Hdráulc, 1., 004, São Pedro, Ans. Cmpns: UNICAMP, 004. SILVA, R.V.; KOBIYAMA, M. Potentl Eroson Mppng on Hllslopes wth Automtc Delneton of Overlnd Flow. In: 11

12 Interntonl Conference on Montorng, Predcton nd Mtgton of Wter-Relted Dssters, 1., 005, Kyoto. Proceedngs. Kyoto: Dsster Preventon Reserch Insttute, 005. p UHLENBROOK, S.; SIEBER, A. On the vlue of expermentl dt to reduce the predcton uncertnty of process-orented ctchment model. Envronmentl Modellng & Softwre, Cmberr, v. 0, p. 19-3, 005. VAN STRATEN, G.; KEESMAN, K.J. Uncertnty propogton nd speculton n projectve forescsts of envronmentl chnge: A lkeeutrophcton exmple. Journl of Forecstng, Amsterdm, v. 10, p , Comprtve Study of Three TOPMODEL Formultons n the Ro Pequeno Wtershed, São José dos Pnhs, PR. ABSTRACT The TOPMODEL s hydrologcl model wth vlble formulton nd computtonl code hve been. Thus severl pplctons nd modfctons hve been performed snce t ws frst publcted. However, there re few studes comprng the new modfctons nd the orgnl formulton. As the comprtve studes cn show the rel formulton mprovements for certn objectves, the purpose of the present work s to compre nd evlute three TOPMODEL formultons usng hydrogrphs smultons. The smultons were crred out to the Pequeno rver wtershed, São José dos Pnhs cty, Prná stte, for two dt seres (clbrton nd vldton). In ths work, the frst TOPMODEL formulton (Beven et l., 1984), modfed one (Cmplng et l., 00) nd nother modfed one (Dtn, 1998) were nmed MODEL 1, MODEL nd MODEL 3, respectvely. The models were compred wth ther effcency, uncertnty ntervls nd Shnnon entropy vlues. Through the smultons the domn of model formulton error or nput dt error over prmetrzton error ws observed. The models crred out smlr hydrogrphs smultons. MODEL ws not recommended for hydrogrph smultons n ths wtershed becuse t obtned the lrger uncertnty ntervls for ll smultons nd hs one more prmeter. Key-words: TOPMODEL, Ro Pequeno, uncertnty, comprtve study 1

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

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

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

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

ANÁLISE DE ESTRUTURAS I

ANÁLISE DE ESTRUTURAS I IST - DECvl Deprtmento de Engenhr Cvl NÁISE DE ESTRUTURS I Tels de nálse de Estruturs Grupo de nálse de Estruturs IST, 0 Formuláro de es IST - DECvl Rotções: w w θ θ θ θ n θ n n Relção curvtur-deslocmento:

Leia mais

ESTIMATIVA DE ERROS DE DISCRETIZAÇÃO MULTIDIMENSIONAL EM DINÂMICA DOS FLUIDOS

ESTIMATIVA DE ERROS DE DISCRETIZAÇÃO MULTIDIMENSIONAL EM DINÂMICA DOS FLUIDOS ESTIMATIVA DE ERROS DE DISCRETIZAÇÃO MULTIDIMENSIONAL EM DINÂMICA DOS FLUIDOS Antóno Fábo Crvlho d Slv Crlos Henrque Mrch IV SIMMEC Smpóso Mnero de Mecânc Computconl Uberlând, MG, mo de 000 pp. 497-504

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

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

AUTOVALORES E AUTOVETORES

AUTOVALORES E AUTOVETORES UTOLOES E UTOETOES Defnção Sej T : um operdor lner Um vetor v, v, é dto utovetor, vetor própro ou vetor crcterístco do operdor T, se exstr λ tl que T v) = λ v O esclr λ é denomndo utovlor, vlor própro

Leia mais

3.Redução de ruído 23

3.Redução de ruído 23 3.Redução de ruído 3 3 Redução de ruído 3.. Algortmo NLM Como mor dos lgortmos pr redução de ruído o lgortmo NLM us o cálculo de méds como form de elmnr ruído. A dferenç está em que enqunto mor dos lgortmos

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

Cinemática de Corpos Rígidos Cinética de Corpos Rígidos Métodos Newton-Euler Exemplos. EESC-USP M. Becker /67

Cinemática de Corpos Rígidos Cinética de Corpos Rígidos Métodos Newton-Euler Exemplos. EESC-USP M. Becker /67 SEM004 - Aul Cnemátc e Cnétc de Corpos Rígdos Prof. Dr. Mrcelo Becker SEM - EESC - USP Sumáro d Aul ntrodução Cnemátc de Corpos Rígdos Cnétc de Corpos Rígdos Métodos Newton-Euler Eemplos EESC-USP M. Becker

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

MÉTODO DE HOLZER PARA VIBRAÇÕES TORCIONAIS

MÉTODO DE HOLZER PARA VIBRAÇÕES TORCIONAIS ÉODO DE HOZE PAA VIBAÇÕES OCIONAIS Este método prómdo é dequdo pr vgs com crcterístcs não unformes centuds, ou sstems com um número grnde de msss concentrds. Substtu-se o sstem contínuo por um sstem dscreto

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

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

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

CÁLCULO I 1 o Semestre de 2012 O CÁLCULO DE ÁREAS

CÁLCULO I 1 o Semestre de 2012 O CÁLCULO DE ÁREAS CÁLCULO I o Semestre de Prof. Muríco Fr 4 Sére de Eercícos : Integrção 4- O CÁLCULO DE ÁRES (I) Áre é medd de um espço de dus dmensões. O vlor d áre sgnfc qunts vezes esse espço é mor do que um medd pdrão.

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

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

Proposta de resolução do Exame Nacional de Matemática A 2016 (1 ạ fase) GRUPO I (Versão 1)

Proposta de resolução do Exame Nacional de Matemática A 2016 (1 ạ fase) GRUPO I (Versão 1) Propost de resolução do Eme Nconl de Mtemátc A 06 ( ạ fse) GRUPO I (Versão ). Sbemos que P(A) =, P(B) = e P(A B) = 5 0 6 Assm, P(A B) P(A B) = = 6 P(B) 6 P(A B) = 6 0 P(A B) = 6 0 P(A B) = 0 Tem-se que

Leia mais

Busca. Busca. Exemplo. Exemplo. Busca Linear (ou Seqüencial) Busca em Vetores

Busca. Busca. Exemplo. Exemplo. Busca Linear (ou Seqüencial) Busca em Vetores Busc e etores Prof. Dr. José Augusto Brnusks DFM-FFCP-USP Est ul ntroduz busc e vetores que está entre s trefs s freqüenteente encontrds e progrção de coputdores Serão borddos dos tpos de busc: lner (ou

Leia mais

SOCIEDADE PORTUGUESA DE MATEMÁTICA

SOCIEDADE PORTUGUESA DE MATEMÁTICA SOCIEDADE PORTUGUESA DE MATEMÁTICA Propost de Resolução do Exme de Mtemátc A - º ANO Códgo 65 - Fse - 07 - de junho de 07 Grupo I 5 6 7 8 Versão A B D A B C D C Versão D D B C C A B A Grupo II. 0 5 5 5

Leia mais

MRUV (plano inclinado) trilho de ar com faiscador

MRUV (plano inclinado) trilho de ar com faiscador MRUV (plno nclndo) trlho de r com fscdor - Concetos relcondos Intervlo de tempo, posção, velocdde, celerção, celerção méd e movmento retlíneo unformemente vrdo. - Objetvos Entender os concetos de espço

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

Modelamento não Linear de Dois Elos de um Robô Eletromecânico de Cinco Graus de Liberdade

Modelamento não Linear de Dois Elos de um Robô Eletromecânico de Cinco Graus de Liberdade Proceedng Seres of the Brzln Socety of Appled nd Computtonl Mthemtcs, Vol. 3, N., 5. Trblho presentdo no III CMAC - SE, Vtór-ES, 5. Proceedng Seres of the Brzln Socety of Computtonl nd Appled Mthemtcs

Leia mais

Definição de áreas de dependência espacial em semivariogramas

Definição de áreas de dependência espacial em semivariogramas Definição de áres de dependênci espcil em semivriogrms Enio Júnior Seidel Mrcelo Silv de Oliveir 2 Introdução O semivriogrm é principl ferrment utilizd pr estudr dependênci espcil em estudos geoesttísticos

Leia mais

Calibração de Modelo Hidráulico de Rede de Distribuição de Água

Calibração de Modelo Hidráulico de Rede de Distribuição de Água RBR - Revst Brsler de Recursos ídrcos Volume n. Jul/Set, - Clbrção de Modelo dráulco de Rede de Dstrbução de Águ Antono Mrozz Rghetto LARISA - Depto. Eng. Cvl - Centro de Tecnolog UFRN - Centro Unverstáro

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 7//4 Unversdde do Vle do Ro dos Snos UNISINOS Progr de Pós-Grdução e Engenhr Mecânc Ajuste de equções Ajuste de curvs Técnc usd pr representr crcterístcs e coportento de sstes tércos. Ddos representdos

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

MRUV (plano inclinado) trilho de ar com faiscador Trilho de ar

MRUV (plano inclinado) trilho de ar com faiscador Trilho de ar MRUV (plno nclndo) trlho de r com fscdor Trlho de r - Concetos relcondos Intervlo de tempo, posção, velocdde, celerção, celerção méd e movmento retlíneo unformemente vrdo. - Objetvos Entender os concetos

Leia mais

Equações diferenciais ordinárias Euler e etc. Equações diferenciais ordinárias. c v m. dv dt

Equações diferenciais ordinárias Euler e etc. Equações diferenciais ordinárias. c v m. dv dt Euções derecs ordárs Euler e etc. Aul 7/05/07 Métodos Numércos Aplcdos à Eger Escol Superor Agrár de Combr Lcectur em Eger Almetr 006/007 7/05/07 João Noro/ESAC Euções derecs ordárs São euções composts

Leia mais

Revisão de Matemática Simulado 301/302. Fatorial. Análise combinatória

Revisão de Matemática Simulado 301/302. Fatorial. Análise combinatória Revsão de Mtemátc Smuldo / Ftorl Eemplos: )! + 5! =! b) - Smplfcr (n+)! (n-)! b) Resolv s equções: (+)! = Permutção Smples Análse combntór Permutções são grupmentos com n elementos, de form que os n elementos

Leia mais

FUNÇÕES. Mottola. 1) Se f(x) = 6 2x. é igual a (a) 1 (b) 2 (c) 3 (d) 4 (e) 5. 2) (UNIFOR) O gráfico abaixo. 0 x

FUNÇÕES. Mottola. 1) Se f(x) = 6 2x. é igual a (a) 1 (b) 2 (c) 3 (d) 4 (e) 5. 2) (UNIFOR) O gráfico abaixo. 0 x FUNÇÕES ) Se f() = 6, então f ( 5) f ( 5) é igul () (b) (c) 3 (d) 4 (e) 5 ) (UNIFOR) O gráfico bio 0 () não represent um função. (b) represent um função bijetor. (c) represent um função não injetor. (d)

Leia mais

Notas de Aula: Mecânica dos Sólidos I Prof. Willyan Machado Giufrida. Características geométrica das superfícies planas

Notas de Aula: Mecânica dos Sólidos I Prof. Willyan Machado Giufrida. Características geométrica das superfícies planas Nots de ul: Mecânc dos Sóldos I Prof Wllyn Mchdo Gufrd Crcterístcs geométrc ds superfíces plns Nots de ul: Mecânc dos Sóldos I Prof Wllyn Mchdo Gufrd Momento estátco Centro de Grvdde (CG) Momento estátco

Leia mais

VALIDAÇÃO DO MÉTODO TOYOTA GOAL CHASING DE SEQUENCIAMENTO ATRAVÉS DA SIMULAÇÃO DE MONTE CARLO

VALIDAÇÃO DO MÉTODO TOYOTA GOAL CHASING DE SEQUENCIAMENTO ATRAVÉS DA SIMULAÇÃO DE MONTE CARLO XXIX ENCONTRO NCIONL DE ENGENHRI DE PRODUÇÃO. VLIDÇÃO DO MÉTODO TOYOT GOL CHSING DE SEQUENCIMENTO TRVÉS D SIMULÇÃO DE MONTE CRLO Dougls Fernndo de Crvlho Olver (USF) fskbrg@gml.com lexndre Leme Snches

Leia mais

II TESTES PARA O CASO DE UMA AMOSTRA (Testes de Aderência)

II TESTES PARA O CASO DE UMA AMOSTRA (Testes de Aderência) II TESTES PARA O CASO DE UMA AMOSTRA (Testes de Aderênc) Estes testes são útes pr verfcr se determnd mostr pode provr de um populção especfcd. São usulmente conhecdos como testes de derênc ou bondde do

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

fundamental do cálculo. Entretanto, determinadas aplicações do Cálculo nos levam a formulações de integrais em que:

fundamental do cálculo. Entretanto, determinadas aplicações do Cálculo nos levam a formulações de integrais em que: Cpítulo 8 Integris Imprópris 8. Introdução A eistênci d integrl definid f() d, onde f é contínu no intervlo fechdo [, b], é grntid pelo teorem fundmentl do cálculo. Entretnto, determinds plicções do Cálculo

Leia mais

Integração Numérica Regras de Newton-Cotes

Integração Numérica Regras de Newton-Cotes Integrção Numérc Regrs de Newton-Cotes Aproxmr função ntegrnd por um polnómo nterpoldor, utlzndo pr nós de nterpolção os extremos do ntervlo e nós gulmente espçdos no nteror do ntervlo If ( ) fxdx ( )

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

Material envolvendo estudo de matrizes e determinantes

Material envolvendo estudo de matrizes e determinantes E. E. E. M. ÁREA DE CONHECIMENTO DE MATEMÁTICA E SUAS TECNOLOGIAS PROFESSORA ALEXANDRA MARIA º TRIMESTRE/ SÉRIE º ANO NOME: Nº TURMA: Mteril envolvendo estudo de mtrizes e determinntes INSTRUÇÕES:. Este

Leia mais

Sequências Teoria e exercícios

Sequências Teoria e exercícios Sequêcs Teor e exercícos Notção forml Defmos um dd sequêc de úmeros complexos por { } ( ) Normlmete temos teresse em descobrr um fórmul fechd que sej cpz de expressr o -ésmo termo d sequêc como fução de

Leia mais

8º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA Cusco, 23 a 25 de Outubro de 2007

8º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA Cusco, 23 a 25 de Outubro de 2007 8º CONGREO IBEROAMERICANO DE ENGENHARIA MECANICA Cusco, 23 25 de Outubro de 2007 PREDIÇÕE EM CURVA DE CALIBRAÇÃO UTILIZANDO COMBINAÇÕE DE REDE NEURAI ARTIFICIA DO TIPO MLP DE DUA CAMADA E POLINÔMIO Brbos,

Leia mais

1. Ajustamento de observações aplicado na Fotogrametria

1. Ajustamento de observações aplicado na Fotogrametria CAPÍTULO I. Ajustmento de observções plcdo n Fotogrmetr Devdo às propreddes estocástcs ds observções (vrbldde ds observções), su redundânc não é comptível com o modelo funconl que represent reldde físc.

Leia mais

Integração Numérica Regras de Newton-Cotes

Integração Numérica Regras de Newton-Cotes Integrção Numérc Regrs de Newton-Cotes Aproxmr função ntegrnd por um polnómo nterpoldor, utlzndo pr nós de nterpolção os extremos do ntervlo e nós gulmente espçdos no nteror do ntervlo If ( ) fxdx ( )

Leia mais

Uma Aplicação de Análise de Correspondência Retificada à Comunidades Aquáticas

Uma Aplicação de Análise de Correspondência Retificada à Comunidades Aquáticas Um Aplcção de Análse de Correspondênc Retfcd à Comunddes Aquátcs 1 Introdução An Betrz Tozzo Mrtns 1 Vnderly Jnero 1 Tereznh Aprecd Guedes 1 Evnlde Benedto 2 Gustvo Henrque Z Alves 3 A nálse de correspondênc

Leia mais

Integração Numérica Regras de Newton-Cotes

Integração Numérica Regras de Newton-Cotes Integrção Numérc Regrs de Newton-Cotes Aproxmr função ntegrnd por um polnómo nterpoldor, utlzndo pr nós de nterpolção os extremos do ntervlo e nós gulmente espçdos no nteror do ntervlo If ( ) fxdx ( )

Leia mais

6/22/2015. Física Geral III

6/22/2015. Física Geral III Físc Gerl III Aul Teórc 0 (Cp. 33 prte 1/): 1) evsão sore ndução ) Indutânc 3) Indutânc de um solenóde 4) Indutânc de um toróde 5) Auto-ndução 6) Indutores 7) Crcutos Prof. Mrco. oos evsão sore ndução

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

CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA

CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA PMR Mecânc Computconl CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA O problem de derencção numérc prentemente é semelnte o de ntegrção numérc ou sej obtendo-se um polnômo nterpoldor ou outr unção nterpoldor d unção

Leia mais

Integração Numérica Regras de Newton Cotes

Integração Numérica Regras de Newton Cotes Integrção Numérc Regrs de Newton Cotes Aproxmr função ntegrnd por um polnómo nterpoldor, utlzndo pr nós de nterpolção os extremos do ntervlo e nós gulmente espçdos no nteror do ntervlo If ( ) fxdx ( )

Leia mais

8/5/2015. Física Geral III

8/5/2015. Física Geral III Físc Gerl III Aul Teórc 0 (Cp. 33 prte 1/): 1) evsão sore ndução ) Indutânc 3) Indutânc de um solenóde 4) Indutânc de um toróde 5) Auto-ndução 6) Indutores 7) Crcutos Prof. Mrco. oos evsão sore ndução

Leia mais

Angela Nieckele PUC-Rio DIFUSÃO

Angela Nieckele PUC-Rio DIFUSÃO Angel ecele UC-Ro IFUSÃO Angel ecele UC-Ro q e qw q w e S w d qe W w e E dw de Angel ecele UC-Ro ossíves ers pr vlr o luo erl em egru: erl ms smples possível porém nclnção de d/d ns ces do volume de controle

Leia mais

MÉTODOS NUMÉRICOS. Integração Numérica. por Chedas Sampaio. Época 2002/2003. Escola Náutica I.D.Henrique 1de 33

MÉTODOS NUMÉRICOS. Integração Numérica. por Chedas Sampaio. Época 2002/2003. Escola Náutica I.D.Henrique 1de 33 Métodos umércos - ntegrção umérc Escol áutc.d.henrque MÉTODOS UMÉRCOS ntegrção umérc por Cheds Smpo Époc /3 Escol áutc.d.henrque de 33 Sumáro Regrs áscs Regrs do Rectngulo Regr do Trpézo Regr de Smpson

Leia mais

Neste capítulo usaremos polinômios interpoladores de primeiro e segundo grau, que substituirão uma função de difícil solução por um polinômio.

Neste capítulo usaremos polinômios interpoladores de primeiro e segundo grau, que substituirão uma função de difícil solução por um polinômio. CAPÍULO INEGRAÇÃO NUMÉRICA. INRODUÇÃO Neste cpítulo usremos polômos terpoldores de prmero e segudo gru, que substturão um ução de dícl solução por um polômo. Sej :, b um ução cotíu em, b. A tegrl ded I

Leia mais

Análise dinâmica não linear geométrica de uma viga treliçada

Análise dinâmica não linear geométrica de uma viga treliçada Nono mpóso de Mecânc Computconl Unversdde Federl de ão João Del-Re MG 6 8 de mo de Assocção Brsler de Métodos Computcons em Engenhr Análse dnâmc não lner geométrc de um vg trelçd Mrcelo Greco ; Ivone Pssos

Leia mais

SIMETRIA MOLECULAR E TEORIA DE GRUPOS

SIMETRIA MOLECULAR E TEORIA DE GRUPOS SIMETIA MOLECULA E TEOIA DE GUPOS Prof. rle P. Mrtns Flho Operções de smetr e elementos de smetr Operção de smetr : operção que dex um corpo em confgurção espcl equvlente à orgnl Elemento de smetr: ponto,

Leia mais

Incertezas e Propagação de Incertezas. Biologia Marinha

Incertezas e Propagação de Incertezas. Biologia Marinha Incertezs e Propgção de Incertezs Cursos: Disciplin: Docente: Biologi Biologi Mrinh Físic Crl Silv Nos cálculos deve: Ser coerente ns uniddes (converter tudo pr S.I. e tender às potêncis de 10). Fzer um

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

ALGEBRA LINEAR AUTOVALORES E AUTOVETORES. Prof. Ademilson

ALGEBRA LINEAR AUTOVALORES E AUTOVETORES. Prof. Ademilson LGEBR LINER UTOVLORES E UTOVETORES Prof. demilson utovlores e utovetores utovlores e utovetores são conceitos importntes de mtemátic, com plicções prátics em áres diversificds como mecânic quântic, processmento

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM UM ÚNICO FATOR E A ANÁLISE DE VARIÂNCIA

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM UM ÚNICO FATOR E A ANÁLISE DE VARIÂNCIA PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM UM ÚNICO FATOR E A ANÁLISE DE VARIÂNCIA Dr. Sivldo Leite Correi EXEMPLO DE UM PROBLEMA COM UM ÚNICO FATOR Um empres do rmo textil desej desenvolver

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

Módulo de Matrizes e Sistemas Lineares. Operações com Matrizes

Módulo de Matrizes e Sistemas Lineares. Operações com Matrizes Módulo de Mtrzes e Sstems Lneres Operções com Mtrzes Mtrzes e Sstems Lneres Operções com Mtrzes 1 Exercícos Introdutóros Exercíco 1. Encontre o vlor de () 2 A. 1/2 A. 3 A. Exercíco 2. Determne ) A + B.

Leia mais

TÓPICOS. Exercícios. Os vectores que constituem as colunas da matriz, 1 = [ 2 0 1] T

TÓPICOS. Exercícios. Os vectores que constituem as colunas da matriz, 1 = [ 2 0 1] T Note em: letur destes pontmentos não dspens de modo lgum letur tent d logrf prncpl d cder Chm-se tenção pr mportânc do trlho pessol relzr pelo luno resolendo os prolems presentdos n logrf, sem consult

Leia mais

Propriedades Matemáticas

Propriedades Matemáticas Proprieddes Mtemátics Guilherme Ferreir guifs2@hotmil.com Setembro, 2018 Sumário 1 Introdução 2 2 Potêncis 2 3 Rízes 3 4 Frções 4 5 Produtos Notáveis 4 6 Logritmos 5 6.1 Consequêncis direts d definição

Leia mais

Fusão (Intercalação) Exemplo. Exemplo. Exemplo. Exemplo. Ordenação por Fusão

Fusão (Intercalação) Exemplo. Exemplo. Exemplo. Exemplo. Ordenação por Fusão Ordenção por Fusão Fusão (Interlção) Prof. Dr. José Augusto Brnuss DFM-FFCRP-USP Est ul ntroduz métodos de ordenção por A é utlzd qundo dus ou ms seqüêns enontrm-se ordends O oetvo é nterlr s seqüêns ordends

Leia mais

Matriz-coluna dos segundos membros das restrições técnicas. Matriz-linha dos coeficientes das variáveis de decisão, em f(x) = [ c c ] [ 6 8] e C a

Matriz-coluna dos segundos membros das restrições técnicas. Matriz-linha dos coeficientes das variáveis de decisão, em f(x) = [ c c ] [ 6 8] e C a Versão Mtrcl do Splex VI Versão Mtrcl do Splex Introdução onsdere-se o segunte odelo de PL: Mx () 6x + 8x 2 sujeto : 3x + 2x 2 3 5x + x 2 x, x 2 Mtrzes ssocds o odelo: Mtrz Tecnológc 3 5 2 Mtrz-colun ds

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

Capítulo 4. Vetores. Recursos com copyright incluídos nesta apresentação:

Capítulo 4. Vetores. Recursos com copyright incluídos nesta apresentação: Cpítulo 4 Vetores Reursos om oprght nluídos nest presentção: Grndes eslres: mss, volume, tempertur,... Epresss por um número e undde Grndes vetors: deslomento, forç,... Requerem módulo, dreção, sentdo

Leia mais

1 Assinale a alternativa verdadeira: a) < <

1 Assinale a alternativa verdadeira: a) < < MATEMÁTICA Assinle lterntiv verddeir: ) 6 < 7 6 < 6 b) 7 6 < 6 < 6 c) 7 6 < 6 < 6 d) 6 < 6 < 7 6 e) 6 < 7 6 < 6 Pr * {} temos: ) *, * + e + * + ) + > + + > ) Ds equções (I) e (II) result 7 6 < ( 6 )

Leia mais

Roteiro-Relatório da Experiência N o 6 ASSOCIAÇÃO DE QUADRIPOLOS SÉRIE - PARALELO - CASCATA

Roteiro-Relatório da Experiência N o 6 ASSOCIAÇÃO DE QUADRIPOLOS SÉRIE - PARALELO - CASCATA UNERSDADE DO ESTADO DE SANTA CATARNA UDESC FACULDADE DE ENGENHARA DE JONLLE FEJ DEPARTAMENTO DE ENGENHARA ELÉTRCA CRCUTOS ELÉTRCOS CEL PROF.: CELSO JOSÉ FARA DE ARAÚJO RoteiroReltório d Experiênci N o

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

REFINAMENTO DE PLANTAS PLANIMÉTRICAS A PARTIR DE MEDIDAS LINEARES DIRETAS E RESTRIÇÕES DE COLINEARIDADE

REFINAMENTO DE PLANTAS PLANIMÉTRICAS A PARTIR DE MEDIDAS LINEARES DIRETAS E RESTRIÇÕES DE COLINEARIDADE 53 REFINAMENTO DE PLANTAS PLANIMÉTRICAS A PARTIR DE MEDIDAS LINEARES DIRETAS E RESTRIÇÕES DE COLINEARIDADE Plnmetrc crtogrphc dtbse refnement from drect lner mesures nd colnerty constrnts ROBERTO DA SILVA

Leia mais

Autômatos Finitos. Autômatos finitos não deterministas

Autômatos Finitos. Autômatos finitos não deterministas Autômtos Fntos Compldores 1 Autômtos ntos, ou máqun de estdos ntos, são um orm mtemátc de descrever tpos prtculres de lgortmos. Autômtos ntos podem ser utlzdos pr descrever o processo de reconhecmento

Leia mais

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase Prov Escrit de MATEMÁTICA A - o Ano 0 - Fse Propost de resolução GRUPO I. Como comissão deve ter etmente mulheres, num totl de pessos, será constituíd por um único homem. Logo, como eistem 6 homens no

Leia mais

Método de Análise Nodal

Método de Análise Nodal étodo de Análse Nodl. ntrodução Conorme sto nterormente, solução de um crcuto elétrco contendo rmos requer determnção de ncógnts, s qus são corrente e tensão de cd rmo. Tmém o mostrdo que plcção ds Les

Leia mais

Lista de Exercícios de Física II - Gabarito,

Lista de Exercícios de Física II - Gabarito, List de Exercícios de Físic II - Gbrito, 2015-1 Murício Hippert 18 de bril de 2015 1 Questões pr P1 Questão 1. Se o bloco sequer encost no líquido, leitur n blnç corresponde o peso do líquido e cord sustent

Leia mais

Aula 10 Estabilidade

Aula 10 Estabilidade Aul 0 Estbilidde input S output O sistem é estável se respost à entrd impulso 0 qundo t Ou sej, se síd do sistem stisfz lim y(t) t = 0 qundo entrd r(t) = impulso input S output Equivlentemente, pode ser

Leia mais

QUEBRA-CABEÇA DE LANGFORD UM CONVITE AO PENSAMENTO CRIATIVO MATEMÁTICO

QUEBRA-CABEÇA DE LANGFORD UM CONVITE AO PENSAMENTO CRIATIVO MATEMÁTICO QUEBRA-CABEÇA DE LANGFORD UM CONVITE AO PENSAMENTO CRIATIVO MATEMÁTICO Mteus Mendes Mgel mteusmendes.m@uol.com.br Unversdde Federl do Espírto Snto - Brsl Tem: Jogos e Estrtégs em Mtemátc. Modldde: Fer

Leia mais

Métodos Numéricos Ajuste de Curva pelo Método dos Quadrados Mínimos-MQM. Professor Volmir Eugênio Wilhelm Professora Mariana Kleina

Métodos Numéricos Ajuste de Curva pelo Método dos Quadrados Mínimos-MQM. Professor Volmir Eugênio Wilhelm Professora Mariana Kleina Métodos Numércos Ajuste de Curv pelo Método dos Qudrdos Mímos-MQM Professor Volmr Eugêo Wlhelm Professor Mr Kle Método dos Qudrdos Mímos Ajuste Ler Professor Volmr Eugêo Wlhelm Professor Mr Kle Método

Leia mais

PROCEDIMENTO PARA DIMINUIR E ESTIMAR ERROS DE DISCRETIZAÇÃO BASEADO EM SOLUÇÕES NUMÉRICAS COERENTES. Carlos Henrique Marchi

PROCEDIMENTO PARA DIMINUIR E ESTIMAR ERROS DE DISCRETIZAÇÃO BASEADO EM SOLUÇÕES NUMÉRICAS COERENTES. Carlos Henrique Marchi PROCDIMNTO PARA DIMINUIR STIMAR RROS D DISCRTIZAÇÃO BASADO M SOLUÇÕS NUMÉRICAS CORNTS Crlos Henrue Mrc Antóno Fábo Crvlo d Slv COBM-99 XV Congresso Brslero de ngenr Mecânc Águs de Lndó, SP, novembro de

Leia mais

Escalonamento de processos num sistema computacional multi-processo e uni-processador

Escalonamento de processos num sistema computacional multi-processo e uni-processador Sstems de empo el no ectvo / lgums Nots Muto áscs Sobre o º rblho Prátco Esclonmento de processos num sstem computconl mult-processo e un-processdor. Obectvo Notção escrção Máxmo tempo de computção de

Leia mais

LISTA DE EXERCÍCIOS #5 - ELETROMAGNETISMO I

LISTA DE EXERCÍCIOS #5 - ELETROMAGNETISMO I STA DE EXERCÍCOS #5 - EETROMAGNETSMO 1. Dds s confgurções de corrente o, otenh o cmpo mgnétco correspondente. () Fo reto e longo, percorrdo por corrente. () Solenode de seção trnsversl constnte, com n

Leia mais

Circuitos Elétricos II Experimento 1 Experimento 1: Sistema Trifásico

Circuitos Elétricos II Experimento 1 Experimento 1: Sistema Trifásico Circuitos Elétricos Experimento 1 Experimento 1: Sistem Trifásico 1. Objetivo: Medição de tensões e correntes de linh e de fse em um sistem trifásico. 2. ntrodução: As tensões trifásics são normlmente

Leia mais

Circuitos Elétricos II Experimento 1 Experimento 1: Sistema Trifásico

Circuitos Elétricos II Experimento 1 Experimento 1: Sistema Trifásico Circuitos Elétricos Experimento 1 Experimento 1: Sistem Trifásico 1. Objetivo: Medição de tensões e correntes de linh e de fse em um sistem trifásico. 2. ntrodução: As tensões trifásics são normlmente

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

Diogo Pinheiro Fernandes Pedrosa

Diogo Pinheiro Fernandes Pedrosa Integrção Numéric Diogo Pinheiro Fernndes Pedros Universidde Federl do Rio Grnde do Norte Centro de Tecnologi Deprtmento de Engenhri de Computção e Automção http://www.dc.ufrn.br/ 1 Introdução O conceito

Leia mais

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 - CAPES MATRIZES

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 - CAPES MATRIZES Universidde Federl do Rio Grnde FURG Instituto de Mtemátic, Esttístic e Físic IMEF Editl - CAPES MATRIZES Prof. Antônio Murício Medeiros Alves Profª Denise Mri Vrell Mrtinez Mtemátic Básic pr Ciêncis Sociis

Leia mais

Métodos de estimativa da evapotranspiração de referência diária para a microrregião de Garanhuns, PE 1

Métodos de estimativa da evapotranspiração de referência diária para a microrregião de Garanhuns, PE 1 João C. F. Borges Júnor et l. Revst Brsler de Engenhr Agrícol e Ambentl v., n., p., Cmpn Grnde, PB, UAEA/UFCG http://www.grmb.com.br Protocolo. // Aprovdo em // Métodos de estmtv d evpotrnsprção de referênc

Leia mais

6 Modelo Econométrico e Resultados Principais

6 Modelo Econométrico e Resultados Principais 6 Modelo Eonométro e Resultdos rnps O modelo lner estmdo pr méd ondonl e qunts é desrto n expressão xo. ~ log( p t ) = 0 + β1epsodet + β β Merhnt Epsode + + ε t t onde é um ttulo e t um semn. log( p ~

Leia mais

INTEGRAÇÃO DAS EQUAÇÕES DIFERENCIAIS DO FILTRO DIGITAL DE BUTTERWORTH MEDIANTE ALGORITMO DE QUADRATURA NUMÉRICA DE ORDEM ELEVADA

INTEGRAÇÃO DAS EQUAÇÕES DIFERENCIAIS DO FILTRO DIGITAL DE BUTTERWORTH MEDIANTE ALGORITMO DE QUADRATURA NUMÉRICA DE ORDEM ELEVADA ISS 89-586 ITEGRAÇÃO DAS EQUAÇÕES DIFERECIAIS DO FITRO DIGITA DE BUTTERWORTH EDIATE AGORITO DE QUADRATURA UÉRICA DE ORDE EEVADA Celso de Crvlho oronh eto & José Els er Resumo este trblho é elbordo, trvés

Leia mais

Conversão de Energia II

Conversão de Energia II Deprtmento de ngenhri létric Aul 6. Máquins íncrons Prof. João Américo ilel Máquins íncrons Crcterístics vzio e de curto-circuito Curv d tensão terminl d rmdur vzio em função d excitção de cmpo. Crctéristic

Leia mais

6.2 Sabendo que as matrizes do exercício precedente representam transformações lineares 2 2

6.2 Sabendo que as matrizes do exercício precedente representam transformações lineares 2 2 Cpítulo Vlores própros e vectores própros. Encontrr os vlores e vectores própros ds seguntes mtrzes ) e) f). Sendo que s mtrzes do exercíco precedente representm trnsformções lneres R R, represente s rects

Leia mais

EQUAÇÃO DO 2 GRAU. Seu primeiro passo para a resolução de uma equação do 2 grau é saber identificar os valores de a,b e c.

EQUAÇÃO DO 2 GRAU. Seu primeiro passo para a resolução de uma equação do 2 grau é saber identificar os valores de a,b e c. EQUAÇÃO DO GRAU Você já estudou em série nterior s equções do 1 gru, o gru de um equção é ddo pelo mior expoente d vriável, vej lguns exemplos: x + = 3 equção do 1 gru já que o expoente do x é 1 5x 8 =

Leia mais

Aula 27 Integrais impróprias segunda parte Critérios de convergência

Aula 27 Integrais impróprias segunda parte Critérios de convergência Integris imprópris segund prte Critérios de convergênci MÓDULO - AULA 7 Aul 7 Integris imprópris segund prte Critérios de convergênci Objetivo Conhecer dois critérios de convergênci de integris imprópris:

Leia mais

ESTATÍSTICA APLICADA. 1 Introdução à Estatística. 1.1 Definição

ESTATÍSTICA APLICADA. 1 Introdução à Estatística. 1.1 Definição ESTATÍSTICA APLICADA 1 Introdução à Esttístic 1.1 Definição Esttístic é um áre do conhecimento que trduz ftos prtir de nálise de ddos numéricos. Surgiu d necessidde de mnipulr os ddos coletdos, com o objetivo

Leia mais

Alocação de recursos e seqüenciamento de atividades no planejamento e controle de projetos

Alocação de recursos e seqüenciamento de atividades no planejamento e controle de projetos XXVI ENEGEP - Fortlez, CE, Brsl, 9 11 de Outubro de 006 Alocção de recursos e seqüencmento de tvddes no plnemento e controle de proetos Clrsse d Slv Ver (UFMG) cosver@terr.com.br Crlos Roberto Venânco

Leia mais

Professores Edu Vicente e Marcos José Colégio Pedro II Departamento de Matemática Potências e Radicais

Professores Edu Vicente e Marcos José Colégio Pedro II Departamento de Matemática Potências e Radicais POTÊNCIAS A potênci de epoente n ( n nturl mior que ) do número, representd por n, é o produto de n ftores iguis. n =...... ( n ftores) é chmdo de bse n é chmdo de epoente Eemplos =... = 8 =... = PROPRIEDADES

Leia mais