Resumo:
O uso de modelos estocásticos para a geração de séries temporais sintéticas tem grande aceitação em diversas áreas nas quais o uso de informações históricas é limitado, dentre elas o planejamento dos recursos hídricos. Dependendo de sua aplicação, entretanto, o uso de todos os cenários sintéticos pode se mostrar oneroso computacionalmente, fazendo com que seja necessária a simplificação dos sistemas utilizados. Sob esse contexto, propõe-se um estudo de amostragem de séries sintéticas, na intenção de reduzir o número de cenários gerados sem perder a representatividade obtida com o modelo estocástico. O método está calcado em duas etapas: (i) agrupamento das séries sintéticas através da determinação de distâncias de Mahalanobis entre elas e as séries históricas e (ii) aplicação de amostragem estratificada sobre o conjunto resultante. Como estudo de caso, selecionaram-se séries de vazões afluentes a 62 usinas hidrelétricas brasileiras, cujas séries sintéticas foram geradas a
partir de um modelo autorregressivo contemporâneo multivariado CARMA(p,q). Os resultados confirmaram a plausibilidade do método de amostragem, permitindo a redução do número de séries sem alterar a distribuição empírica de probabilidades conseguida com o conjunto de séries sintéticas originalmente geradas. Análises extras relativas à estabilidade do método frente ao número de séries geradas estão presentes.  

Abstract:
where the use of historical information is limited, including water resources planning and management. Depending on its application, however, employing all synthetic scenarios could prove computationally burdensome, forcing simplifi- cations of the systems used. In this context, a synthetic series sampling study is proposed to reduce the number of tained with the stochastic model. The method is based on two steps: (i) synthetic series grouped by determining Mahalanobis distances between them and the original time series and (ii) stratified sampling application on the result- ing set. As a case study, streamflow series for 62 hydroelec- tric plants in Brazil were selected, whose synthetic series were generated from a contemporary multivariate auto- regressive model CARMA (p, q). The results confirm the sampling method plausibility, allowing reducing the num- ber of scenarios without changing the empirical probability distribution achieved with the set of synthetic series originally generated. Extra analyses regarding the method stability towards the number of generated series are presented