Lógica difusa aplicada ao agrupamento de cheias históricas observadas no Rio Iguaçu na cidade de União da Vitória : comparação entre métodos de agrupamento K-means e Fuzzy C-means

Orientador: Professor Dr. Júlio GomesDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia de Recursos Hídricos e Ambiental. Defesa : Curitiba, 27/10/2020Inclui referências: p. 133-139Resumo: Enchentes são fenômenos naturais que afetam as sociedades humanas há milênios. Devido à sua posição geográfica e relevo característico, a cidade de União da Vitória, localizada no sudeste do Estado do Paraná, é frequentemente impactada por esse tipo de fenômeno, que causa danos ambientais, compromete drasticamente sua economia, e, não raramente, ocasiona perdas de vidas humanas. Neste cenário, com os objetivos de aprofundar o conhecimento sobre o comportamento hidrológico da bacia hidrográfica do médio Iguaçu e auxiliar na determinação de parâmetros de modelos hidrológicos, se insere o agrupamento de cheias baseado em lógica Fuzzy, que busca agrupar cheias com características similares, visando posterior análise dos mecanismos envolvidos na sua formação. Com base no trabalho de Steffen (2017), foram utilizados 85 eventos de cheias anuais máximas do rio Iguaçu, observados na Cidade de União da Vitória no período de 1931 a 2015 e 7 indicadores de cheia, usados como variáveis para o agrupamento. O presente trabalho comparou agrupamento de cheias históricas observadas em União da Vitória produzido por dois métodos distintos: K-means e Fuzzy C-means. Foi também analisada a influência de 4 métodos de normalização de dados (linear, por desvio padrão, por escala decimal e por valor máximo) sobre o resultado dos agrupamentos. Finalmente, aplicou-se a Análise de Componentes Principais, visando a diminuição do número de indicadores de cheia utilizados. Os resultados obtidos mostraram que a formação dos grupos é mais sensível ao método de normalização do que ao método de agrupamento (Kmeans e Fuzzy C-means). A Análise de Componentes Principais permitiu reduzir o conjunto inicial de 7 indicadores para somente dois indicadores de cheia, com uma correlação de 100% entre os grupos formados, mostrando a importância do uso de técnicas de estatística multivariada para a redução da dimensionalidade do problema.Abstract: Floods are natural phenomena that have affected human societies for millennia. Due to its geographical position and characteristic relief, the city of União da Vitória, located in the southeast of the State of Paraná, is frequently impacted by this type of phenomenon, which causes environmental damage, drastically compromises its economy, and, not infrequently, causes losses of human lives. In this scenario, with the objective of deepening the knowledge on the hydrological behavior of the hydrographic basin of the middle Iguaçu and assist in the determination of parameters of hydrological models, the flood grouping based on Fuzzy logic is inserted, which seeks to batch floods with similar characteristics, aiming the subsequent analysis of the mechanisms involved in its formation. Based on the work of Steffen (2017), 85 events of maximum annual floods of the Iguaçu River were used, observed in the City of União da Vitória from 1931 to 2015 and 7 flood indicators, used as variables for the batching. The present work has compared the grouping of historical floods observed in União da Vitória produced by two different methods: K-means and Fuzzy C-means. Was also analyzed the influence of 4 data normalization methods (linear, by standard deviation, by decimal scale and by maximum value) on the batch's results. Finally, the Principal Component Analysis was applied, aiming to reduce the number of flood indicators used. The obtained results showed that the formation of groups is more sensitive to the normalization method than to the batching method (K-means and Fuzzy C-means). The Principal Component Analysis allowed to reduce the initial set of 7 indicators to only two flood indicators, with a 100% correlation between the groups formed, showing the importance of using multivariate statistical techniques to reduce the dimensionality of the problem