| Journal: | RBRH. Revista brasileira de recursos hidricos |
| Database: | PERIÓDICA |
| System number: | 000392812 |
| ISSN: | 1414-381X |
| Authors: | Martins, Eduardo Savio Passos Rodrigues1 Reis-Junior, Dirceu Silveira1 Alexandre, Alan Michell B1 Stedinger, Jery R2 |
| Institutions: | 1Fundacao Cearense de Meteorologia e Recursos Hidricos, Fortaleza, Ceara. Brasil 2Cornell University, School of Civil and Environmental Engineering, Ithaca, Nueva York. Estados Unidos de América |
| Year: | 2008 |
| Season: | Abr-Jun |
| Volumen: | 13 |
| Number: | 2 |
| Pages: | 127-139 |
| Country: | Brasil |
| Language: | Portugués |
| Document type: | Artículo |
| Approach: | Analítico, descriptivo |
| English abstract | This paper focuses on the use of regional information in GEV flood quantiles estimates. Previous studies show that the Maximum Likelihood (ML) estimator is very unstable when applied to small and moderate samples, often found in practice, especially in developing countries. The reason for this instability is the high uncertainty in the shape parameter (κ) estimate, which may lead to absurd flood quantile estimates. Because of this, L-moment estimators are often preferred. This paper shows that the use of a prior informative distribution using a Generalized Maximum Likelihood (GML) procedure can solve the instability problems in MLE. Results based on Monte Carlo simulation show that the GML estimator is more precise than MOM-L estimators for -0,4 ≤ κ ≤ 0. This paper also introduces a procedure, based on regionalization of hydrologic variables, to derive even more informative prior distributions in orderto improve the precision of flood quantile estimates |
| Portuguese abstract | Este artigo foca no uso de informações regionais na estimativa de quantis de cheia com a distribuição de Valores Extremos Generalizada (GEV). Estudos anteriores mostram que os estimadores de quantis, baseados no método da Máxima Verossimilhança (ML), são muito instáveis quando aplicados a amostras de tamanho pequeno e moderado, usualmente encontradas na prática, principalmente em países em desenvolvimento. A razão da instabilidade dos estimadores ML observada em amostras pequenas está na alta incerteza da estimativa do parâmetro de forma κ, que pode resultar em valores absurdos de quantis. Por causa disso, estimadores baseados em momentos lineares (MOM-L) são frequentemente empregados. Este artigo mostra que o uso de uma distribuição a priori informativa para κ, através do procedimento de Máxima Verossimilhança Generalizada (GML), resolve este problema. Resultados baseados em Simulação Monte Carlo mostram que o estimador GML é mais preciso que o estimador MOM-L quando -0,4 ≤ κ ≤ 0. O artigo apresenta ainda um procedimento, baseado em regionalização hidrológica, para derivar uma distribuição a priori de κ ainda mais informativa com intuito de aumentar a precisão dos estimadores de quantis de cheia |
| Disciplines: | Geociencias, Ingeniería |
| Keyword: | Hidrología, Ingeniería industrial, Inundaciones, Simulación de Montecarlo, Variables hidrológicas |
| Keyword: | Earth sciences, Engineering, Hydrology, Hydraulic engineering, Industrial engineering, Floods, Information, Monte Carlo simulation, Hydrological variables |
| Full text: | Texto completo (Ver PDF) |
