Modelagem estocástica usando a distribuição generalizada de valores extremos e momentos LH: uma abordagem via software livre R

Wagner Alessandro  Pansera; Bendito Martins Gomes

doi:10.35819/remat2021v7i2id5106

Autores/as

Wagner Alessandro Pansera Universidade Tecnológica Federal do Paraná (UTFPR), Departamento de Engenharia Civil, Toledo, PR, Brasil https://orcid.org/0000-0002-6850-6775
Bendito Martins Gomes Universidade Estadual do Oeste do Paraná (UNIOESTE), Programa de Pós-Graduação em Engenharia Agrícola, Cascavel, PR, Brasil https://orcid.org/0000-0003-0223-4049

DOI:

https://doi.org/10.35819/remat2021v7i2id5106

Palabras clave:

GEV, valores extremos, software livre R, modelagem estocástica

Resumen

A distribuição de probabilidade generalizada de valores extremos (GEV) é utilizada na modelagem de extremos naturais, tais como: chuvas intensas, vazões máximas, velocidade do vento e temperatura. Uma questão importante na utilização da GEV é a escolha da metodologia de estimativa de parâmetros. As metodologias comumente utilizadas são a máxima verossimilhança e os momentos convencionais. Contudo, estudos apontam que tais metodologias nem sempre produzem estimativas confiáveis dos parâmetros da GEV. Nesse sentido, é interessante a utilização dos momentos LH, pois caracterizam melhor o caudal superior da distribuição devido ênfase dada aos maiores valores observados. Porém, não existem rotinas computacionais desenvolvidas para utilização da GEV com momentos LH em software livre. Dessa forma, esta pesquisa teve por objetivo desenvolver uma rotina computacional no software livre R para modelagem estocástica por meio da GEV, utilizando momentos LH para estimar seus parâmetros e verificar a qualidade do ajuste. Foram utilizados dados de vazões máximas diárias anuais disponíveis na literatura para demonstrar a aplicabilidade da rotina computacional. Esta pesquisa contribui para disseminar o uso dos momentos LH e facilitar modelagem estocástica de eventos ambientais extremos.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

Wagner Alessandro Pansera, Universidade Tecnológica Federal do Paraná (UTFPR), Departamento de Engenharia Civil, Toledo, PR, Brasil

http://lattes.cnpq.br/9083466536550741
Bendito Martins Gomes, Universidade Estadual do Oeste do Paraná (UNIOESTE), Programa de Pós-Graduação em Engenharia Agrícola, Cascavel, PR, Brasil

http://lattes.cnpq.br/4355317240921602

Referencias

ABU EL-MAGD, N. A. T. TL-moments of the exponentiated generalized extreme value distribution. Journal of Advanced Research, v. 1, n. 4, p. 351-359, 2010. DOI: https://doi.org/10.1016/j.jare.2010.06.003.

COLES, S. An introduction to statistical modeling of extreme values. London: Springer, 2001. 209 p.

GILLELAND, E.; RIBATET, M.; STEPHENSON, A. G. A software review for extreme value analysis. Extremes, v. 16, n. 1, p. 103-119, 2013. DOI: https://doi.org/10.1007/s10687-012-0155-0.

HOSKING, J. R. M. L-Moments: Analysis and Estimation of Distributions Using Linear Combinations of Order Statistics. Journal of the Royal Statistical Society: Series B (Methodological), v. 52, n. 1, p. 105-124, 1990. Disponível em: https://www.jstor.org/stable/2345653. Acesso em: 9 ago. 2021.

HOSKING, J. R. M.; WALLIS, J. R.; WOOD, E. F. Estimation of the Generalized Extreme-Value Distribution by the Method of Probability-Weighted Moments. Technometrics, v. 27, n. 3, p. 251-261, 1985. DOI: https://doi.org/10.1080/00401706.1985.10488049.

JENKINSON, A. F. The frequency distribution of the annual maximum (or minimum) values of meteorological elements. Quarterly Journal of the Royal Meteorological Society, v. 81, n. 348, p. 158-171, abr. 1955. DOI: https://doi.org/10.1002/qj.49708134804.

KATZ, R. W.; PARLANGE, M. B.; NAVEAU, P. Statistics of extremes in hydrology. Advances in Water Resources, v. 25, n. 8-12, p. 1287-1304, ago./dez. 2002. DOI: https://doi.org/10.1016/S0309-1708(02)00056-8.

MARTINS, E. S.; STEDINGER, J. R. Generalized maximum-likelihood generalized extreme-value quantile estimators for hydrologic data. Water Resources Research, v. 36, n. 3, p. 737-744, 1 mar. 2000. DOI: https://doi.org/10.1029/1999WR900330.

NAGHETTINI, M.; PINTO, E. J. A. Hidrologia estatística. Belo Horizonte: CPRM. 2007. 552 p.

PANSERA, W. A. Distribuição generalizada de chuvas máximas no Estado do Paraná. Orientador: Benedito Martins Gomes. Coorientadores: Marcio Antonio Vilas Boas e Miguel Angel Uribe-Opazo. 2013. 94 f. Tese (Doutorado em Engenharia Agrícola) - Programa de Pós-Graduação em Engenharia Agrícola, Universidade Estadual do Oeste do Paraná, Cascavel, 2013. Disponível em: http://tede.unioeste.br/handle/tede/2626. Acesso em: 9 ago. 2021.

QUEIROZ, M. M. F.; CHAUDHRY, F. H. Analysis of extreme hydrological events using GEV distribution and LH moments. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 10, n. 2, p. 381-389, 2006. DOI: https://doi.org/10.1590/S1415-43662006000200020.

R CORE TEAM. R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing, 2021. Disponível em: http://www.R-project.org. Acesso em: 27 abr. 2021.

RAO, A. R.; HAMED, K. H. Flood Frequency Analysis. Boca Raton, Flórida: CRC Press, 2000. 350 p.

WANG, Q. J. Approximate goodness-of-fit tests of fitted generalized extreme value distributions using LH moments. Water Resources Research, v. 34, n. 12, p. 3497-3502, 1 dez. 1998. DOI: https://doi.org/10.1029/98WR02364.

WANG, Q. J. LH moments for statistical analysis of extreme events. Water Resources Research, v. 33, n. 12, p. 2841-2848, 1997. Disponível em: https://agupubs.onlinelibrary.wiley.com/doi/pdf/10.1029/97WR02134. Acesso em: 9 ago. 2021.

WICKHAM, Hadley. Advanced R. Boca Raton, Florida: CRC, 2015. 456 p.