Modelo de afluências PAR(p)
Objetivo
Seção intitulada “Objetivo”Este capítulo define o modelo autorregressivo periódico de ordem (PAR(p)) usado para capturar a correlação temporal das séries de afluências. Ele apresenta o modelo, seus parâmetros e as grandezas armazenadas para ele (§1); a forma consumida pelo subproblema do estágio no PL (§2); a estimação dos parâmetros a partir do histórico de vazões, incluindo a seleção de ordem (§3); o fechamento que deriva a escala do ruído (inovação) a partir dos coeficientes AR (§4); os invariantes de validação (§5); a estimação e a fatoração da correlação espacial entre usinas hidrelétricas (§6); e a extensão opcional PAR(p)-A, que acrescenta um único coeficiente anual à estrutura AR periódica para capturar a persistência hidrológica plurianual (§7).
Para a visão por entidade deste capítulo, veja Afluências e modelo PAR(p).
1. Definição do modelo
Seção intitulada “1. Definição do modelo”O modelo autorregressivo periódico de ordem p (PAR(p)) captura a correlação temporal das séries de afluências, levando em conta a variação sazonal dos parâmetros. Para a usina hidrelétrica no estágio , correspondente ao período sazonal :
em que:
- : vazão incremental no estágio (m³/s)
- : média sazonal do período sazonal
- : coeficiente autorregressivo da defasagem no período sazonal
- : desvio-padrão do ruído do período sazonal (derivado na carga — veja §4)
- : ruído (inovação) padronizado
- : o período sazonal resolvido do estágio ; os períodos sazonais das defasagens são os antecessores no calendário (veja Convenções de notação)
A ordem do modelo pode variar por período sazonal e por usina hidrelétrica.
1.1 Conjunto de parâmetros
Seção intitulada “1.1 Conjunto de parâmetros”Para cada usina hidrelétrica e cada período sazonal (por exemplo, para base mensal, para base semanal), o modelo PAR(p) completo requer:
| Parâmetro | Símbolo | Descrição |
|---|---|---|
| Média sazonal | Afluência média do período sazonal | |
| Coeficientes AR | Coeficientes autorregressivos | |
| Desvio-padrão do ruído | Escala do termo de ruído — derivada, não independente (§4) |
1.2 Grandezas armazenadas e derivadas
Seção intitulada “1.2 Grandezas armazenadas e derivadas”O modelo de dados armazena estatísticas amostrais sazonais e coeficientes AR padronizados — e nada mais. A escala do ruído não é uma terceira grandeza armazenada: o arquivo de coeficientes contém apenas os , invariantes à escala; na carga, a escala adimensional do ruído é derivada de por um fechamento da FAC periódica (§4.1) e, em seguida, tudo é convertido para e em unidades originais, usando as estatísticas sazonais, e consumido pelo subproblema do estágio no PL.
Dois planos. Todo parâmetro do PAR() pertence a um de dois planos, e a separação é deliberada:
- Plano de condicionamento — a média sazonal e o desvio-padrão amostral sazonal (ambos em m³/s): o nível e a magnitude da série. Um estudo pode recondicionar esses valores — por exemplo, um cenário climático que desloca tanto a média sazonal quanto a variabilidade sazonal.
- Plano da dinâmica — os coeficientes padronizados e a escala padronizada do ruído (ambos adimensionais): a forma da dependência temporal, independente da magnitude. Apenas é um parâmetro independente aqui — é determinado pelo próprio .
Em execução, os dois planos são reacoplados pela conversão de coeficientes da §2.2 e pelo desvio-padrão do ruído da §4.2, de modo que recondicionar o primeiro plano reescala tanto os coeficientes quanto o ruído, preservando a estrutura de correlação. A base de padronização é o desvio-padrão sazonal: é o coeficiente do processo normalizado por — a padronização clássica da literatura de modelos AR periódicos, e a mesma base fornecida por um modelo ajustado externamente (veja a aba Entradas e saídas).
Grandezas armazenadas. Para cada usina hidrelétrica e período sazonal, o modelo de dados armazena:
| Grandeza armazenada | Símbolo | Descrição |
|---|---|---|
| Média amostral sazonal | Média das observações históricas do período sazonal | |
| Desvio-padrão amostral sazonal | Desvio-padrão das observações históricas do período sazonal | |
| Coeficientes AR | Coeficiente AR padronizado pelo desvio-padrão sazonal — a saída direta de Yule-Walker |
A ordem AR não é armazenada explicitamente. Ela é derivada em execução a partir do número de coeficientes armazenados de cada par (usina hidrelétrica, estágio).
O coeficiente padronizado é a saída direta do procedimento de ajuste de Yule-Walker (§3.5). Ele é adimensional — o coeficiente do processo padronizado — e a §2.2 o converte no coeficiente em unidades originais usado no PL.
2. Forma no PL
Seção intitulada “2. Forma no PL”Esta seção deduz a transformação algébrica explícita do modelo PAR(p) canônico (§1) para a forma consumida pelo subproblema no PL. A dedução identifica três componentes pré-calculáveis, armazenados uma vez na inicialização e reutilizados em cada transição de estágio da simulação forward.
2.1 Forma canônica padronizada
Seção intitulada “2.1 Forma canônica padronizada”O modelo PAR(p) (§1) opera sobre os desvios em relação à média sazonal, normalizados pelo desvio-padrão sazonal (marginal) — a mesma base usada pelos coeficientes armazenados e a mesma normalização da formulação de referência (padronizar pelo desvio-padrão marginal, e não pelo desvio-padrão do ruído). Nessa forma padronizada:
em que:
- : os coeficientes AR armazenados, padronizados pelo desvio-padrão sazonal (a saída direta de Yule-Walker da §3.5)
- : o desvio-padrão sazonal (marginal) do período sazonal
- : o desvio-padrão do ruído do processo padronizado — a escala do ruído derivada pelo fechamento da §4.1, , sendo a FAC periódica implícita do modelo
- : ruído de variância unitária
O ruído do processo padronizado por não tem variância unitária: como esse processo tem variância marginal unitária, seu ruído de um passo tem desvio-padrão — e é exatamente por isso que aparece aqui explicitamente. A etapa seguinte converte em em unidades originais, para uso no PL.
2.2 Conversão dos coeficientes
Seção intitulada “2.2 Conversão dos coeficientes”Os coeficientes padronizados armazenados são convertidos, em execução, em coeficientes em unidades originais , usando os desvios-padrão sazonais armazenados:
O desvio-padrão do ruído da §4.2 também é derivado nessa etapa de pré-processamento, a partir da escala do ruído derivada pelo fechamento (§4.1).
Essas conversões são feitas uma única vez, na construção do PL. Elas exigem apenas as estatísticas sazonais (), os armazenados e o derivado pelo fechamento — nenhum dado histórico.
2.3 Forma pronta para o PL
Seção intitulada “2.3 Forma pronta para o PL”Multiplicando ambos os lados da forma canônica (§2.1) por e reorganizando, obtém-se a equação pronta para o PL (o termo de ruído passa a ser ):
em que e são derivados das grandezas armazenadas conforme descrito na §2.2.
Isso decompõe a afluência em três componentes aditivas:
- Contribuição das defasagens: — função linear das afluências passadas (variáveis de estado ou valores conhecidos)
- Base determinística: — deslocamento constante por (estágio, usina hidrelétrica), pré-calculado uma vez
- Ruído estocástico: — sorteio de ruído escalado pelo desvio-padrão sazonal do ruído
2.4 Base determinística
Seção intitulada “2.4 Base determinística”A base determinística é definida como:
Trata-se de uma constante pré-calculada por par (estágio, usina hidrelétrica). Ela absorve a aritmética de ajuste das médias que, de outro modo, seria repetida em cada transição de estágio da simulação forward. Com essa definição, a forma pronta para o PL (§2.3) se simplifica para:
Em estudos que cobrem parte do ano, as médias dos períodos sazonais das defasagens dos períodos sazonais anteriores ao início do estudo são obtidas da janela de defasagens pré-estudo (§3.8); quando não existe tal estatística para um dado período sazonal de defasagem, a contribuição da média dessa defasagem é considerada nula.
2.5 A afluência realizada como constante do lado direito
Seção intitulada “2.5 A afluência realizada como constante do lado direito”As afluências defasadas são valores de estado, e não variáveis do PL: o PL do estágio não tem coluna nem linha para o modelo. Antes de cada resolução, a afluência realizada de cada usina hidrelétrica é avaliada nos valores de defasagem de entrada da trajetória , obtidos por cenário a partir do registro da trajetória:
em que:
- é a base determinística de (estágio, usina hidrelétrica), pré-calculada uma vez (§2.4)
- é a escala do ruído de (estágio, usina hidrelétrica), derivada do obtido pelo fechamento (§4.1) na inicialização (§2.2)
- é o sorteio de ruído do cenário para esse (estágio, usina hidrelétrica)
entra no balanço hídrico e nas demais linhas que leem a afluência como constante do lado direito (Formulação do PL §5). Os coeficientes dos cortes nas defasagens são calculados após a resolução, a partir dos seus duais, pela regra da cadeia, por meio dos coeficientes (Folding do PAR(p)).
Os coeficientes são calculados uma única vez, na inicialização; eles não são recalculados por cenário.
Nenhuma divisão, nenhuma subtração de médias, nenhuma transformação repetida de coeficientes — os três componentes pré-calculados eliminam toda a aritmética redundante do caminho crítico.
A inclusão das afluências defasadas nos cortes de um estágio é uma escolha por estágio; um corte que as projeta para fora incorpora sua contribuição ao termo independente, avaliada nos valores de defasagem do estado visitado (veja Aumento do espaço de estados §7).
2.6 Resumo dos componentes do PL
Seção intitulada “2.6 Resumo dos componentes do PL”| Componente | Símbolo | Dimensão por estágio | Papel no PL do estágio | Origem |
|---|---|---|---|---|
| Coeficientes das defasagens | Um por (usina hidrelétrica, defasagem) | Afluência realizada (termos de defasagem); regra da cadeia dos coeficientes dos cortes nas defasagens | Derivados de e armazenados, na inicialização (§2.2) | |
| Base determinística | Uma por usina hidrelétrica | Afluência realizada (termo fixo) | Pré-calculada a partir de e | |
| Escala do ruído | Uma por usina hidrelétrica | Afluência realizada (fator do ruído) | Derivada do obtido pelo fechamento (§4.1) e de , na inicialização (§2.2) |
3. Estimação
Seção intitulada “3. Estimação”Em estudos com múltiplas resoluções (agregação mensal→trimestral), o mesmo procedimento de ajuste se aplica após a agregação ponderada pela duração; veja Estudos com múltiplas resoluções.
Esta seção documenta o procedimento de ajuste dos parâmetros do PAR(p) a partir do histórico de vazões. O ajuste é feito quando o sistema deriva os parâmetros do histórico de vazões e lê as observações de uma janela de estimação: um intervalo contíguo de anos do histórico, o registro inteiro a menos que o caso o restrinja. A janela restringe apenas o ajuste: os valores iniciais das defasagens e os esquemas de cenários que reproduzem ou reamostram o histórico leem o registro independentemente dela. Quando estatísticas sazonais e coeficientes AR previamente calculados são fornecidos diretamente, esse procedimento não é executado. A escala do ruído deliberadamente não faz parte do ajuste: ela é derivada dos coeficientes armazenados na carga (§4.1), de forma idêntica para modelos ajustados e fornecidos pelo usuário (§4.2).
A figura abaixo acompanha as duas origens dos coeficientes até o modelo em execução. Quando os coeficientes são ajustados a partir do histórico de vazões, as estatísticas sazonais de cada par (usina hidrelétrica, período sazonal) são estimadas e a classificação dos grupos é aplicada (§3.2, §3.3); um período sazonal cujo desvio-padrão sazonal é nulo assume ordem 0 diretamente. Cada um dos demais períodos sazonais seleciona sua ordem a partir da FACP periódica (§3.4, §3.6) e resolve o sistema periódico de Yule-Walker nessa ordem para obter seus coeficientes padronizados (§3.5). Um período sazonal é redefinido para ordem 0 quando seu ajuste inicial tem um coeficiente de magnitude acima do limite opcional de magnitude, e, no caminho clássico, quando seu primeiro coeficiente é negativo, após o ajuste inicial ou qualquer novo ajuste. Um período sazonal com influência composta negativa perde uma defasagem em seu teto de ordem e passa novamente por seleção e ajuste, até que nenhum período sazonal falhe, e um período sazonal cujo modelo implica uma variância residual negativa é reduzido da mesma forma (§3.6); no caminho do PAR(p)-A, a influência composta inclui o termo anual (§7.6). Os coeficientes são então armazenados (§3.7), e a correlação espacial é estimada quando o caso não a fornece (§6.1). Coeficientes fornecidos passam, em vez disso, pelo filtro de estacionariedade do invariante 2 (§5), e um conjunto que não o satisfaz é rejeitado. Quando o caso fornece apenas os coeficientes, ou apenas as estatísticas sazonais, junto com o histórico, o histórico fornece a outra parte e a correlação espacial é estimada como acima. Todo modelo, ajustado ou fornecido, passa então pelo fechamento que deriva sua escala do ruído (§4.1), o qual rejeita um sistema de fechamento singular ou uma variância residual implícita negativa; seguem-se os coeficientes e a escala do ruído em execução (§4.2).
3.1 Notação
Seção intitulada “3.1 Notação”Seja o conjunto das observações históricas do período sazonal . Define-se:
| Símbolo | Descrição |
|---|---|
| Número de observações do período sazonal | |
| Média amostral do período sazonal | |
| Desvio-padrão amostral do período sazonal | |
| Autocovariância na defasagem do período sazonal | |
| Autocorrelação na defasagem do período sazonal |
3.2 Médias e desvios-padrão sazonais
Seção intitulada “3.2 Médias e desvios-padrão sazonais”Média sazonal:
Desvio-padrão sazonal:
O estimador usa o divisor populacional , e não o divisor com correção de Bessel . Esse é o divisor do estimador da autocovariância amostral de Box & Jenkins (1976) e é compartilhado pelos caminhos do PAR(p) clássico e do PAR(p)-A. O divisor populacional é necessário para que os valores da FACP condicional e as ordens selecionadas no caminho do PAR(p)-A sejam autoconsistentes — com a correção de Bessel, o fator de escala amostral vs. populacional se propaga para todas as correlações cruzadas Z⊗A. Usar o mesmo divisor no caminho clássico mantém a saída de estatísticas sazonais dos dois caminhos reutilizável entre configurações.
3.3 Classificação dos grupos históricos
Seção intitulada “3.3 Classificação dos grupos históricos”Antes que as estatísticas sazonais e os coeficientes AR sejam usados pelas regras de seleção de ordem, cada grupo histórico (bucket) por (usina hidrelétrica, período sazonal) é classificado pela forma de suas observações. A classificação pode substituir os valores empíricos para fins de ajuste, e a substituição se propaga para ambos os caminhos, o do PAR(p) clássico e o do PAR(p)-A, porque os dois compartilham o produtor das estatísticas sazonais.
São definidas quatro classes:
| Classe | Regra de detecção | Substituição aplicada |
|---|---|---|
| Padrão | Nenhuma das condições abaixo | Nenhuma — usa os valores empíricos |
| Constante | Todas as observações são iguais a um mesmo valor, dentro da tolerância de ponto flutuante | |
| Muitos negativos | Observações estritamente negativas excedem 10% do grupo | Nenhuma — apenas diagnóstico; o ajuste prossegue com as estatísticas empíricas |
| Saturado | O valor modal (arredondado em m³/s) ocupa mais de 50% das observações |
O classificador segue a ordem de prioridade constante → muitos negativos → saturado → padrão. A constância tem precedência sobre a detecção da patologia de valores negativos, que por sua vez tem precedência sobre a saturação.
Por que um desvio-padrão sazonal nulo interrompe o ajuste
Seção intitulada “Por que um desvio-padrão sazonal nulo interrompe o ajuste”Quando a substituição define para um período sazonal, o ajuste desse período sazonal é interrompido nos dois caminhos:
- No caminho do PAR(p) clássico, o período sazonal assume ordem 0 diretamente; sua FACP (§3.6) não é avaliada.
- No caminho do PAR(p)-A, o período sazonal também assume ordem 0 diretamente, com coeficiente anual ; sua FACP condicional (§7.5) não é avaliada. Um período sazonal cujo próprio desvio-padrão é positivo, mas cujas defasagens selecionadas alcançam um período sazonal com desvio-padrão nulo, também assume ordem 0 e mantém o coeficiente anual de sua resolução estendida em (§7.5).
As estatísticas sazonais que alimentam o ajuste são estimadas a partir do histórico, mesmo quando o caso fornece as suas próprias, e estimá-las exige pelo menos duas observações por período sazonal, de modo que nenhum período sazonal chega ao ajuste com desvio-padrão não nulo e . Um período sazonal com uma única observação () faz o caso ser rejeitado. Um período sazonal sem observações () não tem estatísticas; o ajuste lê seu desvio-padrão como nulo e o interrompe da mesma forma nos dois caminhos. No caminho do PAR(p)-A, isso também ocorre quando o grupo do regressor anual do período sazonal está vazio () ou tem desvio-padrão nulo (, §7.3), e o período sazonal passa então a não ter contribuição anual.
A proteção contra desvio-padrão nulo da §3.4 também anula toda autocorrelação amostral que envolva o período sazonal, de modo que o grupo não possa injetar uma estrutura autorregressiva espúria nas FACPs dos meses adjacentes, e nenhuma contribuição de correlação espacial provém dele na geração de cenários.
Interpretação de cada classe
Seção intitulada “Interpretação de cada classe”- Constante captura usinas cuja vazão incremental é estruturalmente constante em um dado mês — tipicamente vazões regularizadas ou transpostas, em que a subtração das vazões de montante resulta no mesmo valor todos os anos. Impor registra o nível determinístico sem inventar uma dinâmica autorregressiva.
- Saturado captura limites de vazão (capacidade de turbinamento ou do reservatório) e constantes de vazão baixa (vazões ecológicas transpostas). O valor modal é tratado como o limite. Não há limiar de magnitude — um limite de 0 m³/s se qualifica tanto quanto um limite igual à capacidade instalada.
- Muitos negativos sinaliza grupos que a construção das vazões incrementais a partir de montante levou abaixo de zero em mais de 10% das observações. A condição é registrada para diagnóstico pelo operador, mas não substitui o ajuste — a causa é a qualidade dos dados de montante, e não um sinal metodológico.
- Padrão é o caminho usual; as estatísticas empíricas e a regra de seleção de ordem escolhida determinam a ordem.
3.4 Autocorrelações sazonais
Seção intitulada “3.4 Autocorrelações sazonais”A autocorrelação na defasagem do período sazonal é calculada a partir dos desvios padronizados.
Autocovariância entre períodos sazonais:
Para observações do período sazonal com defasagem que retrocede até o período sazonal (mod , em que é o comprimento do ciclo):
em que a soma percorre os pares válidos alinhados por ano na defasagem para o período sazonal de referência , e é a maior das contagens de observações dos dois períodos sazonais. O estimador usa esse divisor populacional, seguindo a convenção adotada na §3.2 e compartilhada pelos caminhos clássico e do PAR(p)-A: uma defasagem que cruza a fronteira do ano não tem par no primeiro ano do período sazonal , e o divisor permanece no tamanho do grupo em vez da contagem de pares.
Autocorrelação:
em que é o desvio-padrão do período sazonal (ciclicamente, de modo que o período sazonal 0 = período sazonal ).
Proteção contra desvio-padrão nulo. quando ou é nulo, ou quando o período sazonal não tem par alinhado por ano na defasagem . Toda estimativa é limitada ao intervalo .
3.5 Equações de Yule-Walker
Seção intitulada “3.5 Equações de Yule-Walker”Para cada período sazonal , os coeficientes do PAR(p) na forma padronizada são obtidos resolvendo o sistema periódico de Yule-Walker. Diferentemente das equações de Yule-Walker clássicas (estacionárias), em que todas as linhas usam o mesmo período sazonal de referência, a variante periódica desloca o período sazonal de referência a cada linha. Isso representa corretamente a estrutura de covariância não Toeplitz dos processos autorregressivos periódicos.
Construção da matriz: o elemento , , é a correlação entre as observações defasadas e ; seu período sazonal de referência é o da mais recente das duas defasagens:
em que é o número de períodos sazonais do ciclo periódico (por exemplo, 12 para base mensal). Os elementos da diagonal são sempre 1 (pois para qualquer período sazonal ). A matriz é simétrica, mas não Toeplitz quando , porque o período sazonal de referência varia entre os elementos.
Construção do lado direito: o lado direito contém as correlações do alvo (período sazonal ) com cada defasagem:
De forma equivalente: forma-se a matriz de correlação estendida de ; a matriz do sistema é seu bloco de defasagens (linhas/colunas ) e o lado direito é sua primeira linha (as correlações entre o alvo e as defasagens). A linha do sistema é a recursão dos momentos de segunda ordem do modelo na defasagem .
O sistema completo é:
em que os índices de período sazonal são tomados módulo em , de modo que o período sazonal é o período sazonal (veja Convenções de notação).
Em notação matricial:
em que:
- é a matriz de correlação periódica (simétrica, mas não Toeplitz para )
- é o vetor das autocorrelações do alvo, com deslocamento do período sazonal de referência a cada linha
Solução:
O sistema é resolvido por eliminação gaussiana com pivoteamento parcial, numericamente adequada para os sistemas pequenos que a estimação periódica de Yule-Walker resolve.
Sistema singular. Quando o sistema periódico de Yule-Walker é singular na ordem , a FACP da §3.6 para na defasagem , de modo que apenas defasagens inferiores a podem ser selecionadas e o ajuste na ordem selecionada não encontra sistema singular.
3.6 Seleção de ordem
Seção intitulada “3.6 Seleção de ordem”A ordem do modelo PAR pode variar por período sazonal. Há duas regras de seleção de ordem disponíveis: a regra clássica da FACP periódica, descrita abaixo, e a regra de seleção de ordem com componente anual, que estende a mesma regra da FACP para o PAR(p)-A (§7). O ajuste considera defasagens até uma defasagem máxima e aplica um limite opcional de magnitude aos coeficientes do ajuste inicial (abaixo).
A regra clássica calcula a FACP periódica (função de autocorrelação parcial periódica) por meio de resoluções progressivas do sistema periódico de Yule-Walker nas ordens e, em seguida, seleciona a ordem usando um limiar de significância.
Algoritmo:
-
Para cada ordem de 1 a , monte e resolva o sistema periódico de Yule-Walker (§3.5) na ordem . O último coeficiente da solução de ordem é o valor da FACP periódica na defasagem .
-
Selecione como ordem a maior defasagem com FACP significativa:
em que (95% de confiança) e é o número de observações do período sazonal . Se nenhuma defasagem for significativa, (ruído branco) no caminho clássico.
-
Estime os coeficientes AR na ordem selecionada usando o sistema periódico de Yule-Walker (§3.5).
A figura abaixo aplica a regra a uma série sintética: um processo PAR(1) com doze períodos sazonais e variância marginal unitária em todos eles, simulado com uma semente aleatória fixa para anos e mostrado para o período sazonal 6. O painel superior compara a autocorrelação periódica amostral da §3.4 com a autocorrelação implícita do modelo da §4.1, que para um PAR(1) é , com índices de período sazonal tomados módulo . O painel inferior mostra a FACP periódica do passo 1, amostral e do modelo, em relação à faixa , que é o limiar de significância do passo 2: uma defasagem é significativa quando sua FACP amostral fica fora da faixa. A FACP do modelo é na defasagem 1 e nula a partir daí, de modo que a autocorrelação decai ao longo das seis defasagens, enquanto a FACP se anula após a defasagem 1. Aqui, a FACP amostral na defasagem 1 fica fora da faixa e a FACP amostral nas defasagens 2 a 6 fica dentro dela, de modo que, com , a regra seleciona .
Validação pós-seleção — redução iterativa de ordem (Maceira & Damázio, 2006): após a seleção pela FACP, calcula-se para cada período sazonal a influência composta de cada defasagem sobre a afluência corrente, ao longo da cadeia periódica, mantendo fixas as afluências anteriores a e os ruídos:
em que é o coeficiente em unidades originais da §2.2, considerado nulo quando ou , e cada derivada do lado direito decorre da mesma recursão no estágio . A verificação é uma condição de sinal sobre a influência composta das defasagens, e não um teste de estacionariedade: um período sazonal falha quando alguma de suas influências compostas é negativa. Um período sazonal que falha perde uma defasagem em seu teto de ordem (inicialmente ) e passa novamente por seleção e ajuste com o novo teto; um período sazonal cujo teto chega a 0 assume ordem 0, e o laço se repete até que nenhum período sazonal falhe. Um período sazonal cujo ajuste inicial tem um coeficiente de magnitude acima do limite opcional de magnitude é redefinido para ordem 0. No caminho clássico, o mesmo ocorre com um período sazonal cujo primeiro coeficiente satisfaz , após o ajuste inicial ou após qualquer novo ajuste.
Quando nenhum período sazonal falha, o fechamento da §4.1 deriva a variância residual implicada pelo modelo de cada período sazonal. Um período sazonal de ordem cuja variância residual implicada é negativa passa novamente por seleção e ajuste com teto , ou assume ordem 0 quando , e o laço se repete até que nenhuma das duas verificações aponte um período sazonal.
No caminho do PAR(p)-A (§7), o critério da FACP difere em três aspectos:
- Ordem mínima 1. A ordem selecionada é pelo menos 1 sempre que o teto é pelo menos 1, mesmo quando nenhuma defasagem excede o limiar de significância. A persistência hidrológica torna um ajuste estrito de ordem 0 uma escolha padrão ruim. Um zero exato na defasagem 1 não interrompe a busca: uma defasagem significativa além dela ainda define a ordem.
- Defasagens com desvio-padrão nulo. Um período sazonal cujas defasagens selecionadas alcançam um período sazonal com desvio-padrão nulo assume ordem 0 e mantém seu coeficiente anual (§3.3).
- Sem redefinição pelo primeiro coeficiente. Um negativo é julgado apenas pela influência composta, que inclui o termo anual (§7.6).
3.7 Coeficientes padronizados armazenados
Seção intitulada “3.7 Coeficientes padronizados armazenados”A solução de Yule-Walker está na forma padronizada — a saída direta da §3.5. Ela é armazenada tal como está, um coeficiente por defasagem. Nenhuma conversão para unidades originais é feita, e nenhuma outra grandeza é gravada junto com ela: a escala do ruído não é uma saída do ajuste. Ela é derivada de posteriormente, de maneira uniforme para todo modelo, qualquer que seja sua origem, pelo fechamento da FAC periódica da §4.1 — e não calculada aqui.
3.8 Estudos que cobrem parte do ano e a janela de defasagens pré-estudo
Seção intitulada “3.8 Estudos que cobrem parte do ano e a janela de defasagens pré-estudo”Um horizonte de estudo pode ser mais curto que o ciclo sazonal — por exemplo, um modelo mensal () executado apenas de setembro a dezembro. O ajuste por período sazonal descrito acima precisa então tratar períodos sazonais com poucas ou nenhuma observação dentro da janela. Duas regras mantêm o procedimento bem definido.
Alcançabilidade pelas defasagens. Um período sazonal é alcançável pelas defasagens apenas se algum estágio do horizonte (estendido) a contiver. Cada observação histórica é associada a uma período sazonal a partir dos intervalos de datas dos estágios, recorrendo ao calendário do mapa de períodos sazonais para datas anteriores ao horizonte; uma observação cujo período sazonal resolvido não tem nenhum estágio é descartada — suas estatísticas jamais seriam consumidas. O histórico do ciclo completo, portanto, não perturba um ajuste de parte do ano.
Síntese das defasagens pré-estudo (para ). As defasagens autorregressivas do primeiro estágio do estudo retrocedem a períodos sazonais anteriores ao início do estudo. Para cada defasagem , o período sazonal situado posições do calendário antes do primeiro período sazonal do estudo é introduzido como um período sazonal pré-estudo — a menos que esse período sazonal já esteja coberto por um estágio do estudo (uma defasagem que dá a volta dentro da janela, tratada pela busca de defasagens correta quanto ao ciclo). As estatísticas sazonais desses períodos sazonais fora da janela são estimadas a partir do histórico exatamente como para os períodos sazonais dentro da janela e, em seguida, alimentam os termos de defasagem dos estágios iniciais do estudo — tanto a conversão dos coeficientes (§2.2) quanto a base determinística (§2.4).
O percurso retrocede pelas ocorrências no calendário da própria resolução do primeiro período sazonal do estudo, qualquer que seja a numeração dos períodos sazonais — assim, por exemplo, um estudo que começa em março associa o período sazonal da defasagem 1 a fevereiro, e não a dezembro.
Invariância no ciclo completo. Quando o estudo abrange o ciclo completo (todos os períodos sazonais já têm um estágio do estudo) ou não contém histórico fora da janela, nada é sintetizado e o ajuste é igual ao ajuste do ciclo completo.
4. Fechamento da escala do ruído
Seção intitulada “4. Fechamento da escala do ruído”4.1 Derivação da escala do ruído
Seção intitulada “4.1 Derivação da escala do ruído”Diferentemente de , e , a escala do ruído não é lida de um arquivo. Ela é determinada pelo próprio , sob o contrato de variância marginal unitária do modelo — o processo padronizado de cada período sazonal tem variância unitária —, por meio de um fechamento da FAC periódica.
Estenda-se a recursão que define (§3.5) a todas as defasagens , e não apenas a :
Resolver esse sistema conjuntamente para todos os períodos sazonais e todas as defasagens (em que ) fornece a função de autocorrelação periódica implícita do próprio modelo, — as autocorrelações que o processo teria se descrevesse um processo AR periódico exatamente estacionário. A escala do ruído decorre da mesma decomposição da variância usada na etapa de ajuste (§3.5):
Um período sazonal com não contribui com nenhum termo para a soma, de modo que — um período sazonal de ruído branco não tem redução de variância proveniente de uma parte AR que ele não possui.
Quando todos os períodos sazonais do ciclo têm a mesma ordem AR, o valor do fechamento coincide exatamente com o próprio sistema de Yule-Walker da etapa de ajuste:
(usando a solução de Yule-Walker e o vetor do lado direito da §3.5). Quando as ordens diferem entre os períodos sazonais do ciclo, os dois não precisam coincidir: o fechamento resolve a FAC implícita do modelo conjuntamente para todos os períodos sazonais, e não apenas a partir das autocorrelações amostrais do período sazonal em questão.
4.2 Grandezas em execução
Seção intitulada “4.2 Grandezas em execução”A partir das grandezas armazenadas e do derivado, o PL requer duas grandezas adicionais, calculadas uma vez na inicialização: os coeficientes AR em unidades originais da §2.2 (para os elementos da matriz de restrições do PL) e o desvio-padrão do ruído (a escala do ruído), recuperado na carga a partir da escala do ruído derivada pelo fechamento da §4.1:
Nenhum outro valor de autocorrelação é necessário além da derivação pelo fechamento da §4.1. Todas as grandezas necessárias — , e o do qual dependem — são derivadas exclusivamente das estatísticas sazonais e dos coeficientes AR armazenados, sem dados históricos e sem entrada separada de escala do ruído.
Para um modelo estimado a partir do histórico, isso corresponde a e, quando todos os períodos sazonais do ciclo têm a mesma ordem AR, a identidade de ordens iguais da §4.1 a reduz à expressão em forma fechada do próprio sistema de ajuste:
5. Invariantes de validação
Seção intitulada “5. Invariantes de validação”O Novo Modelo impõe um conjunto pequeno e bem definido de invariantes, que se dividem em três grupos conforme o ponto em que a verificação é feita. Os coeficientes ajustados não são testados quanto à estacionariedade; os coeficientes fornecidos passam pelo filtro de estacionariedade do invariante 2.
Impostos na carga dos coeficientes AR:
- Derivação da ordem AR: o número de coeficientes armazenados por (usina hidrelétrica, estágio) determina a ordem AR , e as defasagens devem estar presentes e ser contíguas .
- Estacionariedade dos coeficientes fornecidos diretamente: quando os coeficientes AR de um grupo (usina hidrelétrica, período sazonal) são fornecidos diretamente, em vez de produzidos pelo procedimento interno de ajuste (§3), o fechamento da FAC periódica (§4.1) precisa aceitá-los — o sistema do fechamento deve ser solúvel (não singular), toda variância implícita do ruído deve ficar acima de um piso numérico, toda autocorrelação implícita deve satisfazer , e a monodromia periódica — o produto, tomado uma vez ao longo de todo o ciclo sazonal, das matrizes companheiras AR de cada período sazonal — deve ter raio espectral estritamente menor que 1 (avaliado por uma estimativa conservadora de limite superior, de modo que conjuntos limítrofes são rejeitados, e não aceitos). Um conjunto que não satisfaça alguma das condições é rejeitado de imediato. Independentemente da origem, porém, a própria derivação pelo fechamento (§4.1) é uma verificação final na carga: um sistema de fechamento singular é um erro de carga bloqueante que identifica a usina hidrelétrica, e um derivado não finito — uma variância residual implícita negativa , proveniente de um ajuste degenerado próximo de raiz unitária — é um erro de carga bloqueante que identifica a usina hidrelétrica e o período sazonal.
Imposto na validação do modelo montado:
- Desvio-padrão amostral positivo (erro): um período sazonal com ordem AR deve ter — um desvio-padrão sazonal nulo não permite normalizar os coeficientes AR.
Imposto durante o ajuste, e não como teste a posteriori:
- Influência composta não negativa: após a seleção de ordem, as influências compostas das defasagens de cada período sazonal (§3.6) devem ser não negativas; um período sazonal que falha perde uma defasagem em seu teto de ordem e passa novamente por seleção e ajuste até que nenhum período sazonal falhe. Um período sazonal cujo ajuste inicial tem um coeficiente de magnitude acima do limite opcional de magnitude é redefinido para ordem 0, e, no caminho clássico, o mesmo ocorre com um período sazonal cujo primeiro coeficiente satisfaz , após o ajuste inicial ou após qualquer novo ajuste. Um período sazonal cujo modelo implica uma variância residual negativa é reduzido da mesma forma (§3.6), de modo que o fechamento da §4.1 nunca rejeita um modelo ajustado por uma variância residual negativa; no caminho do PAR(p)-A, a influência composta inclui o termo anual (§7.6). No caminho clássico, um sistema periódico de Yule-Walker singular limita a ordem selecionável a valores inferiores à sua própria ordem (§3.5), de modo que o ajuste clássico nunca resolve um sistema singular.
6. Fatoração da correlação espacial
Seção intitulada “6. Fatoração da correlação espacial”As afluências são correlacionadas entre usinas hidrelétricas: a §6.1 estima a correlação entre usinas a partir do histórico de vazões, e o restante da seção a fatora. Gerar cenários espacialmente correlacionados exige fatorar a matriz de correlação entre usinas , de modo que um vetor de sorteios normais padrão independentes possa ser transformado em ruído correlacionado. Esta seção documenta a escolha do método de fatoração e sua justificativa.
6.1 Estimação da correlação
Seção intitulada “6.1 Estimação da correlação”Quando o modelo de afluências é ajustado a partir do histórico de vazões, total ou parcialmente, e o caso não fornece correlação, a matriz de correlação é estimada a partir do histórico, com base em uma de duas séries padronizadas, escolhida por estudo. A afluência padronizada da usina hidrelétrica no período histórico é
a afluência padronizada pelas estatísticas sazonais da §3.2, definida como zero quando ; todo período observado tem uma. O resíduo padronizado da autorregressão é
em que são os coeficientes padronizados do modelo (§1.2). Um período tem resíduo apenas quando todas as afluências defasadas correspondentes são observadas. No caminho do PAR(p)-A, o resíduo usa apenas os coeficientes das defasagens: o termo anual da §7.1 não entra nele. A série de resíduos mede a correlação das inovações da §1, o ruído que o gerador de cenários correlaciona; a série de afluências padronizadas mede a correlação das próprias afluências. As duas coincidem em um período sazonal em que todas as usinas têm ordem zero.
Duas estimativas são formadas a partir da série escolhida: a estimativa agregada , a partir dos seus valores em todos os períodos sazonais, e a estimativa por período sazonal , a partir dos seus valores nos períodos pertencentes ao período sazonal . Cada elemento fora da diagonal é a correlação de Pearson entre os valores das duas usinas sobre os períodos em que ambas têm valor (uma estimativa por pares completos), com a covariância e os desvios-padrão calculados com o divisor de Bessel, igual ao número desses períodos menos um, diferentemente do divisor populacional da §3.2. O elemento é nulo quando há menos de dois desses períodos ou quando algum dos desvios-padrão sobre eles é inferior ao épsilon da máquina, e é limitado ao intervalo ; todo elemento da diagonal é igual a um. Na série de afluências padronizadas, uma usina cujo desvio-padrão sazonal é zero no período sazonal tem valor zero em todos os períodos desse período sazonal, de modo que seus elementos fora da diagonal em são nulos.
Os estágios do período sazonal usam quando todo par de usinas tem pelo menos 30 desses períodos no período sazonal ; todos os demais estágios usam . Como cada elemento é calculado sobre seu próprio conjunto de períodos, nenhuma das estimativas precisa ser semidefinida positiva; a §6.3 trata de uma matriz indefinida.
6.2 O problema da fatoração de Cholesky
Seção intitulada “6.2 O problema da fatoração de Cholesky”A abordagem clássica aplica a fatoração de Cholesky: dada , com triangular inferior, o ruído correlacionado é obtido como , em que . A fatoração sem pivotamento exige que seja estritamente definida positiva; uma semidefinida positiva de posto deficiente requer uma variante com pivotamento, e uma indefinida, que a estimativa por pares completos da §6.1 pode produzir, não tem nenhum fator de Cholesky. Na prática, as matrizes de correlação estimadas a partir de séries de afluências são frequentemente quase singulares ou de posto deficiente, por dois motivos:
- Séries amostrais curtas: os históricos de vazões frequentemente abrangem apenas algumas décadas, resultando em um comprimento de histórico comparável ao número de usinas hidrelétricas em alguns subsistemas. Quando é próximo da dimensão da matriz, os autovalores amostrais de se concentram perto de zero.
- Séries heterogêneas: usinas com regimes hidrológicos quase idênticos (pares montante–jusante, mesma bacia hidrográfica) produzem colunas quase linearmente dependentes, reduzindo o posto efetivo de abaixo de sua dimensão nominal.
Uma matriz quase singular faz a fatoração de Cholesky sem pivotamento falhar ou produzir fatores triangulares inferiores numericamente degenerados. Seria necessária uma etapa de filtragem separada, para remover as usinas “degeneradas” antes da fatoração, descartando informação e introduzindo uma decisão de pré-processamento pouco transparente.
6.3 Autodecomposição com raiz quadrada truncada
Seção intitulada “6.3 Autodecomposição com raiz quadrada truncada”O Novo Modelo usa a raiz quadrada matricial simétrica obtida por autodecomposição. A matriz de correlação é decomposta como:
em que é a matriz ortogonal de autovetores e é a matriz diagonal de autovalores. A raiz quadrada simétrica é então:
Para tratar matrizes quase singulares, qualquer autovalor (que a estimativa por pares completos da §6.1 pode produzir) é truncado em zero antes de se tomar a raiz quadrada:
Truncar em zero os autovalores negativos é a projeção espectral da matriz amostral sobre o cone das matrizes semidefinidas positivas — a matriz semidefinida positiva mais próxima na norma de Frobenius (Higham, 1988); veja Higham (2002) para o problema relacionado da matriz de correlação mais próxima, que também mantém a diagonal unitária.
O ruído correlacionado é então gerado como , em que .
Com a raiz truncada em , o ruído gerado tem covariância , em que ; essa é a projeção acima, e ela é igual a quando nenhum autovalor é negativo. Como tem diagonal unitária, para toda usina hidrelétrica , sendo a componente do autovetor na usina , de modo que
Não há renormalização posterior, de modo que o truncamento eleva acima de um a variância marginal do ruído de cada usina afetada.
6.4 Por que a autodecomposição
Seção intitulada “6.4 Por que a autodecomposição”A forma espectral trata nativamente matrizes de correlação de posto deficiente: os autovetores correspondentes a autovalores truncados (nulos) não contribuem para a fatoração, que é o comportamento correto para direções de variância nula. Não é necessária nenhuma filtragem prévia de usinas hidrelétricas degeneradas.
A regra de truncamento é fixa e transparente — exatamente os autovalores estritamente negativos são anulados, e nada mais é alterado. As autodireções com autovalores não negativos mantêm seus autovalores inalterados. Quando algum autovalor é truncado, o ruído gerado tem covariância (§6.3) em vez de : sua diagonal excede um para toda usina com componente ao longo de um autovetor truncado, e seus elementos fora da diagonal em geral diferem dos de .
6.5 Compromissos
Seção intitulada “6.5 Compromissos”| Propriedade | Autodecomposição (Novo Modelo) | Cholesky |
|---|---|---|
| Trata de posto deficiente | Sim — o truncamento a torna robusta | Só com pivotamento |
| Trata indefinida | Sim — o truncamento a projeta sobre o cone das matrizes semidefinidas positivas | Não — requer um reparo prévio |
| Custo computacional | Maior (autodecomposição completa) | Menor em matrizes bem condicionadas |
| Etapa de filtragem de usinas degeneradas | Não necessária | Necessária para quase singular sem pivotamento |
| Transparência da aproximação | Trunca exatamente os autovalores negativos; a variância gerada pode exceder um | Falha numérica ou pivô pouco transparentes |
O custo computacional maior é aceitável porque a fatoração é feita uma vez por configuração de estudo, e não no caminho crítico da simulação forward.
7. Extensão com componente anual (PAR(p)-A)
Seção intitulada “7. Extensão com componente anual (PAR(p)-A)”O PAR(p) clássico da §1 captura a dependência temporal em defasagens até uma ordem pequena (mantida baixa em ciclos mensais, pois o sistema periódico de Yule-Walker se torna mal condicionado em ordens mais altas). Em séries longas de afluências, isso basta para reproduzir a persistência dentro do ano, mas não a persistência plurianual visível nos superperíodos secos/úmidos do histórico. A extensão PAR(p)-A (Treistman et al., 2020) acrescenta um único coeficiente anual à estrutura AR periódica para capturar essa persistência de longo alcance sem aumentar a ordem AR.
A extensão é selecionada pela regra de seleção de ordem com componente anual (§3.6). Quando ativa, o modelo inclui uma tripla adicional por (usina hidrelétrica, período sazonal), além do conjunto de parâmetros clássico.
7.1 Modelo aumentado
Seção intitulada “7.1 Modelo aumentado”Seja a média móvel de 12 meses das vazões incrementais que termina um estágio antes de :
A janela sempre calcula a média das últimas doze observações, de modo que é uma média de um ano apenas em um ciclo mensal (); com a extensão ativa em qualquer usina hidrelétrica, a afluência realizada (§2.5) lê doze defasagens, ou a maior ordem clássica, se esta for maior.
O modelo PAR(p)-A acrescenta à §1 o desvio padronizado de em relação à sua própria média sazonal:
em que:
- , : média amostral e desvio-padrão com divisor populacional do próprio regressor anual do período sazonal — os valores de nos estágios do período sazonal , isto é, as janelas móveis cuja observação mais recente cai no período sazonal anterior (§7.3)
- : coeficiente anual em unidades originais no período sazonal — derivado em execução a partir do coeficiente padronizado armazenado (§7.4)
- Todos os demais símbolos têm o significado clássico da §1
Quando a extensão PAR(p)-A está inativa, o termo anual está ausente e o modelo se reduz exatamente ao da §1.
7.2 Parâmetros da componente anual
Seção intitulada “7.2 Parâmetros da componente anual”Para cada (usina hidrelétrica, período sazonal), o caminho do PAR(p)-A armazena três grandezas adicionais:
| Grandeza | Símbolo | Descrição |
|---|---|---|
| Coeficiente anual padronizado | Saída de Yule-Walker para o termo anual — adimensional | |
| Média sazonal anual | Média amostral do regressor anual do período sazonal (m³/s) | |
| Desvio-padrão sazonal anual | Desvio-padrão com divisor populacional do regressor anual do período sazonal (m³/s, ) |
O coeficiente padronizado é a saída direta do sistema periódico de Yule-Walker estendido descrito abaixo (§7.5). Armazenar e junto com as estatísticas sazonais de permite a conversão de unidades em execução da §7.4 sem reler o histórico.
7.3 Estimação das estatísticas sazonais anuais
Seção intitulada “7.3 Estimação das estatísticas sazonais anuais”Formam-se todas as médias móveis de 12 meses que o histórico cronológico permite, e cada janela é atribuída ao período sazonal seguinte à sua observação mais recente — o período sazonal cujos estágios usam essa janela como regressor . As estatísticas armazenadas para o período sazonal descrevem, portanto, exatamente o regressor que os estágios desse período sazonal enxergam. Para cada grupo (usina hidrelétrica, período sazonal ) de valores :
Ambos os estimadores usam o divisor populacional , seguindo a convenção da §3.2 e garantindo que nenhum fator de escala amostral vs. populacional se propague para a FACP condicional da §7.5. São necessárias pelo menos 13 observações cronológicas para que uma usina hidrelétrica participe do PAR(p)-A — o mínimo necessário para formar uma média móvel de 12 meses.
7.4 Conversão de unidades em execução
Seção intitulada “7.4 Conversão de unidades em execução”O coeficiente padronizado armazenado é convertido no coeficiente em unidades originais na construção do PL, usando as estatísticas sazonais e as estatísticas anuais:
A conversão espelha a da §2.2 para os coeficientes AR clássicos. O termo anual é então expandido pela definição da janela na construção do PL: cada um dos 12 coeficientes de defasagem recebe além de seu valor clássico, e a base determinística absorve a contribuição correspondente das médias por meio das médias dos períodos sazonais das defasagens — o PL não contém uma variável anual separada, e o valor da janela móvel é obtido inteiramente pelas variáveis de estado de defasagem que ele já contém.
7.5 Seleção de ordem e estimação dos coeficientes
Seção intitulada “7.5 Seleção de ordem e estimação dos coeficientes”A seleção de ordem do PAR(p)-A é condicionada ao regressor anual. Seja a série padronizada de afluências, isto é, a afluência padronizada por suas estatísticas sazonais (§3.2), e seja o regressor anual da §7.1 padronizado por suas próprias estatísticas sazonais (§7.3). A entrada da seleção de ordem é a FACP condicional na defasagem , definida como a autocorrelação parcial entre o valor de no estágio corrente e seu valor na defasagem , condicionada às defasagens intermediárias de e a . O cálculo da FACP condicional exige uma decomposição particionada da covariância que distingue os blocos , e .
A FACP condicional alimenta a regra de seleção de ordem pela FACP da §3.6, com a ordem mínima 1 do PAR(p)-A e a regra das defasagens com desvio-padrão nulo descritas ali.
Divisor da covariância cruzada
Seção intitulada “Divisor da covariância cruzada”Todo bloco usa um divisor pelo tamanho do maior grupo. O bloco é a autocovariância da §3.4, dividida pela maior das contagens de observações de seus dois períodos sazonais, e os blocos e dividem pelo maior dos tamanhos de seus dois grupos:
A convenção do maior grupo é necessária porque exclui, por construção, o primeiro ano de (uma janela móvel de 12 meses não pode se ancorar nas 12 primeiras observações). A contagem estrita de pares distorceria a escala das correlações cruzadas e enviesaria a FACP condicional.
Yule-Walker periódico estendido
Seção intitulada “Yule-Walker periódico estendido”Uma vez selecionada a ordem , os coeficientes são obtidos resolvendo o sistema periódico de Yule-Walker estendido:
em que é a covariância particionada cujas primeiras linhas reproduzem as linhas do sistema periódico de Yule-Walker clássico (§3.5) e cuja última linha acrescenta os elementos e . O lado direito acrescenta o alvo .
Sistema estendido singular. A matriz estendida pode ser singular mesmo quando seu bloco principal , a matriz periódica de Yule-Walker clássica da §3.5, não o é, de modo que a garantia do invariante 4 (§5) cobre apenas o caminho clássico. Um período sazonal cujo sistema estendido é singular na ordem selecionada assume ordem 0, com coeficiente anual .
Como no caso clássico, a escala do ruído não é uma saída do ajuste. Para um modelo PAR(p)-A, o fechamento da §4.1 é aplicado ao sistema efetivo de 12 defasagens: o regressor anual é um funcional linear das últimas 12 afluências, de modo que expandi-lo por defasagem resulta em um AR periódico efetivo cujo coeficiente padronizado da defasagem é o clássico (nulo além de ) mais a contribuição anual . A escala do ruído é derivada da FAC implícita desse sistema efetivo, e a escala do ruído em execução é , exatamente como na §4.2.
7.6 Redução iterativa de ordem
Seção intitulada “7.6 Redução iterativa de ordem”A redução iterativa de Maceira & Damázio da §3.6 também é aplicada a todo o ciclo periódico no caminho do PAR(p)-A, sobre os coeficientes do sistema efetivo de 12 defasagens da §7.5. O regressor anual é a média das últimas 12 afluências, de modo que o termo anual se soma a toda defasagem até 12, e a influência composta da §3.6 é avaliada na forma em unidades originais (§2.2) dos coeficientes padronizados combinados
com para , nas defasagens de cada período sazonal de ordem . Um período sazonal de ordem que falha passa novamente por seleção e ajuste com teto , o que atualiza tanto quanto ; um período sazonal de ordem 1 que falha assume ordem 0 com . O limite de magnitude se aplica ao ajuste inicial como no caminho clássico, e nenhum período sazonal é redefinido apenas por um negativo.
Quando nenhum período sazonal falha, o fechamento da §4.1 deriva a variância residual implicada pelo modelo de cada período sazonal no sistema efetivo de 12 defasagens. Um período sazonal cuja variância residual implicada é negativa é reduzido da mesma forma, e o laço se repete até que nenhuma das duas verificações aponte um período sazonal.
7.7 Ativação e alternativas
Seção intitulada “7.7 Ativação e alternativas”| Condição | Caminho |
|---|---|
| Regra clássica de seleção de ordem | PAR(p) clássico — tripla anual ausente (§3) |
| Regra de seleção de ordem com componente anual | PAR(p)-A — tripla anual obrigatória para todo (usina hidrelétrica, período sazonal) |
| Grupo classificado como constante ou saturado (§3.3) | Ordem efetiva 0 em ambos os caminhos; termo anual suprimido quando o desvio-padrão sazonal colapsa |
| Sistema periódico de Yule-Walker estendido singular na ordem selecionada (§7.5) | Período sazonal do PAR(p)-A com ordem 0 e coeficiente anual |
| Defasagens selecionadas alcançam um período sazonal com desvio-padrão nulo (§3.3) | Período sazonal do PAR(p)-A com ordem 0, mantendo o coeficiente anual de sua resolução estendida |
| Usina hidrelétrica com menos de 13 observações no caminho do PAR(p)-A | Falha bloqueante durante o ajuste (sem retorno silencioso ao caminho clássico) |
Os dois caminhos compartilham o produtor de estatísticas sazonais da §3.2; alternar entre eles não altera silenciosamente nem . O caminho do PAR(p)-A usa a mesma fatoração da correlação espacial do caminho clássico (§6).
7.8 Exatidão da troca de condicionamento
Seção intitulada “7.8 Exatidão da troca de condicionamento”A separação em dois planos da §1.2 mostra que recondicionar apenas as estatísticas sazonais (, ) — mantendo inalterados e o derivado pelo fechamento — reescala a dinâmica clássica preservando exatamente a estrutura de correlação, para qualquer reescalonamento por período sazonal. O termo anual do PAR(p)-A, em geral, não compartilha essa propriedade.
Assim como , o desvio-padrão sazonal anual é um funcional da própria estrutura de momentos de segunda ordem do processo — não é um parâmetro independente do termo anual. Diferentemente de , porém, ele é mantido como dado de condicionamento armazenado (§7.2), em vez de ser derivado novamente de na carga. O coeficiente anual em execução (§7.4) é , de modo que uma troca de condicionamento preserva a contribuição do termo anual para a estrutura de correlação apenas quando é reescalado pelo mesmo fator que em todos os períodos sazonais — um reescalonamento uniforme para todo , que resulta em e mantém inalterado. Uma troca de condicionamento variável por período sazonal — que reescala por fatores diferentes em períodos sazonais diferentes — mantém no valor anterior à troca enquanto se altera, deslocando e perturbando a estrutura de correlação que se pretendia preservar.
Implementação no Novo Modelo
Seção intitulada “Implementação no Novo Modelo”A metodologia acima define o modelo de afluências PAR(p); as abas abaixo mostram como a interface do software do Novo Modelo o configura, o alimenta e informa seus resultados.
O bloco de nível superior estimation do config.json do Novo Modelo, os arquivos de entrada do PAR(p)
em scenarios/ e o scenarios/correlation.json configuram o processo de estimação e
de correlação descrito na metodologia acima. Esta aba mostra quais entradas do PAR
fornecer e como a estimação e a correlação são configuradas; as
equações que esses campos alimentam estão nas seções acima.
config.json — Bloco estimation
Seção intitulada “config.json — Bloco estimation”O bloco estimation é uma chave de nível superior do config.json (no mesmo nível de
training) e controla o processo de ajuste do PAR(p) nos caminhos de estimação
(linhas 4–6 da tabela da próxima seção):
{ "estimation": { "max_order": 6, "order_selection": "pacf", "min_observations_per_season": 30, "max_coefficient_magnitude": null, "correlation_target": "inflows" }}A seção estimation da
referência de configuração lista todos os campos e seus valores padrão e descreve o
comportamento de min_observations_per_season.
correlation_target seleciona a série da §6.1 da metodologia a partir da qual uma
correlação estimada é calculada: "inflows", o padrão, para as afluências padronizadas,
ou "residuals" para os resíduos da autorregressão ajustada. Ele não tem efeito em um
caminho que não estima correlação (linhas 1–3 e 7 da tabela abaixo) nem quando
scenarios/correlation.json é fornecido.
history_years limita os anos de scenarios/inflow_history.parquet que a
estimação lê, como um intervalo inclusivo, por exemplo {"from": 1931, "to": 2024};
quando ausente, todos os anos são lidos. Ele se aplica a todo caminho que estima a partir do
histórico (linhas 4–6) e não restringe nenhum outro leitor do arquivo: a tendência
hidrológica derivada, o esquema historical e as aberturas historical_residuals. A seção
estimation informa quais amostras
um intervalo mantém e quais intervalos são recusados.
Definir "order_selection": "pacf_annual" ativa a componente anual do PAR(p)-A
(§7 da metodologia): o sistema periódico de Yule-Walker é estendido com
o termo de correlação cruzada anual, as estatísticas amostrais por período sazonal da
média móvel de 12 meses são calculadas, e a tripla ajustada
(, média anual, desvio-padrão anual) é gravada em inflow_annual_component.parquet
— ver a aba Entradas e saídas. Quando ausente (ou definido como "pacf"), apenas o
caminho clássico do PAR(p) é executado e nenhuma tripla anual é produzida.
Resolução da origem das afluências — Escolha dos arquivos a fornecer
Seção intitulada “Resolução da origem das afluências — Escolha dos arquivos a fornecer”O modelo de afluências PAR(p) é construído a partir de até cinco arquivos em scenarios/. Três
deles determinam a resolução do caminho — sua presença ou ausência seleciona qual
dos sete caminhos de estimação o Novo Modelo executa:
| Símbolo | Arquivo | Papel |
|---|---|---|
| H | scenarios/inflow_history.parquet | Observações históricas por janela, para o ajuste |
| S | scenarios/inflow_seasonal_stats.parquet | Média/desvio-padrão sazonais fornecidos pelo usuário |
| R | scenarios/inflow_ar_coefficients.parquet | Coeficientes AR fornecidos pelo usuário |
Os outros dois arquivos atuam de forma ortogonal sobre o caminho resolvido:
scenarios/correlation.json prevalece em todos os caminhos quando presente (correlação
identidade, caso contrário, a menos que o caminho a estime); e
scenarios/inflow_annual_component.parquet só é respeitado nos
caminhos de repasse (linhas 2, 3 e 7 abaixo) — os caminhos de estimação (4, 5 e 6)
sempre o sobrescrevem com os valores ajustados.
| # | H | S | R | Caminho | Estatísticas sazonais | Coeficientes AR | Correlação |
|---|---|---|---|---|---|---|---|
| 1 | 0 | 0 | 0 | Deterministic | sem modelo PAR | nenhum | identidade, a menos que correlation.json seja fornecido |
| 2 | 0 | 1 | 0 | UserStatsWhiteNoise | arquivo do usuário | ordem 0 (ruído branco) | identidade, a menos que correlation.json seja fornecido |
| 3 | 0 | 1 | 1 | UserProvidedNoHistory | arquivo do usuário | arquivo do usuário | identidade, a menos que correlation.json seja fornecido |
| 4 | 1 | 0 | 0 | FullEstimation | ajustadas a partir de H | ajustados a partir de H (PACF + Yule-Walker + Maceira & Damázio) | estimada a partir de H, a menos que correlation.json seja fornecido |
| 5 | 1 | 0 | 1 | UserArHistoryStats | ajustadas a partir de H | arquivo do usuário | estimada a partir de H (com "residuals", os resíduos dos coeficientes do usuário), a menos que correlation.json seja fornecido |
| 6 | 1 | 1 | 0 | PartialEstimation | arquivo do usuário (o ajuste usa estatísticas estimadas a partir de H) | ajustados a partir de H | estimada a partir de H, a menos que correlation.json seja fornecido |
| 7 | 1 | 1 | 1 | UserProvidedAll | arquivo do usuário | arquivo do usuário | identidade, a menos que correlation.json seja fornecido (o histórico não é reutilizado) |
Casos com R = 1, mas H = 0 e S = 0, recaem na linha 1 — coeficientes AR
sozinhos não conseguem conduzir a estimação.
Uma correlação estimada (linhas 4–6, quando nenhum correlation.json é fornecido)
contém um perfil agregado "default". Em um ciclo com mais de um período sazonal, contém também
um perfil season_<id> para cada período sazonal em que todo par de usinas tem
pelo menos 30 períodos com valor das duas usinas — o id do período sazonal completado com zeros à esquerda até a largura do
maior id, como em season_03 em um ciclo de doze períodos sazonais — e um cronograma que
associa cada estágio desse período sazonal ao seu perfil. Todos os demais estágios usam o
perfil agregado (§6.1 da metodologia).
Receitas práticas:
| Objetivo | Arquivos a fornecer | Caminho |
|---|---|---|
| Teste rápido do PL sem estocasticidade | (nenhum arquivo de cenários) | 1 |
| Níveis sazonais determinísticos, sem autorregressão | inflow_seasonal_stats.parquet | 2 |
| PAR(p) totalmente especificado pelo usuário, sem arquivo de histórico | inflow_seasonal_stats.parquet, inflow_ar_coefficients.parquet e, para ordem AR acima de 0, recent_observations cobrindo as posições de defasagem | 3 |
| Automático: ajustar tudo a partir das observações brutas | inflow_history.parquet | 4 |
| Ajustar as estatísticas a partir do histórico e substituir a estrutura AR | inflow_history.parquet, inflow_ar_coefficients.parquet | 5 |
| Substituir os níveis (média/desvio-padrão), mas deixar o Novo Modelo ajustar o AR | inflow_history.parquet, inflow_seasonal_stats.parquet | 6 |
| Fornecer todos os parâmetros, inclusive o termo anual do PAR(p)-A | Os três arquivos H, S e R (e, opcionalmente, o arquivo anual) | 7 |
| Fixar uma correlação espacial personalizada em qualquer caminho | Acrescentar correlation.json | qualquer |
scenarios/inflow_history.parquet — Observações históricas por janela
Seção intitulada “scenarios/inflow_history.parquet — Observações históricas por janela”O registro por janelas é obrigatório para conduzir qualquer um dos caminhos de estimação (H = 1 acima) e, sempre que presente, é a camada base a partir da qual se constrói a tendência hidrológica derivada (ver “Inicialização das defasagens e do acumulador” abaixo).
Toda usina hidrelétrica em hydros.json deve ter pelo menos uma janela de observação
neste arquivo quando a estimação está ativa. As colunas, as regras das janelas e os papéis do
arquivo estão em
scenarios/inflow_history.parquet.
Inicialização das defasagens e do acumulador — recent_observations
Seção intitulada “Inicialização das defasagens e do acumulador — recent_observations”Independentemente de qual caminho de estimação (se houver) o inflow_history.parquet
conduz, seu registro por janelas é a semente das posições de defasagem do PAR do primeiro
estágio do estudo e do acumulador de afluência do período em curso. O vetor opcional
recent_observations de initial_conditions.json condiciona essa semente: as entradas têm o mesmo
formato hydro_id / start_date / end_date / value_m3s de
inflow_history.parquet e o substituem dia a dia onde os dois se sobrepõem
(as duas séries nunca são mescladas). value_m3s aceita valores negativos nos
dois arquivos: a grandeza é a vazão incremental, de modo que uma janela negativa é hidrologia
real (ver Métodos de tratamento de afluências negativas).
Quando scenarios/inflow_ar_coefficients.parquet é fornecido, o registro deve
cobrir integralmente cada posição de defasagem até a ordem AR máxima e, com componente
anual, cada posição da janela anual de doze períodos que os próprios períodos
concluídos do estudo não substituem; caso contrário, o caso é recusado na carga
(BusinessRuleViolation). Uma
lacuna em uma posição mais profunda, que os próprios períodos concluídos do estudo empurram para fora da
janela de defasagens antes do fim do estudo, gera apenas um aviso.
Quando os coeficientes são estimados, essa verificação de cobertura não é executada: um período de defasagem que o registro cobre apenas parcialmente é inicializado com a média dos dias cobertos, e um período sem nenhum dia coberto é inicializado com zero.
Em qualquer dos caminhos, um período do primeiro estágio já em curso no início do estudo que o registro cobre apenas parcialmente é aceito, com um aviso; sem nenhum dia coberto, seu acumulador é inicializado com zero.
scenarios/correlation.json — Configuração da correlação espacial
Seção intitulada “scenarios/correlation.json — Configuração da correlação espacial”Perfis nomeados de grupos de correlação, com um cronograma opcional de associação de estágios a perfis:
{ "method": "spectral", "profiles": { "default": { "correlation_groups": [ { "name": "basin_south", "entities": [ { "type": "inflow", "id": 0 }, { "type": "inflow", "id": 1 } ], "matrix": [ [1.0, 0.7], [0.7, 1.0] ] } ] }, "wet_season": { "correlation_groups": [ { "name": "basin_south", "entities": [ { "type": "inflow", "id": 0 }, { "type": "inflow", "id": 1 } ], "matrix": [ [1.0, 0.85], [0.85, 1.0] ] } ] } }, "schedule": [{ "stage_id": 0, "profile_name": "wet_season" }]}A correlação é modelada de forma independente por classe de entidade — afluência, carga e NCS têm, cada uma, sua própria estrutura de correlação espacial, e não há termo de correlação entre classes (ver Geração de cenários §2.1).
Todos os campos e regras de carga do arquivo estão em
scenarios/correlation.json.
Alternativa fora da amostra
Seção intitulada “Alternativa fora da amostra”Sob o esquema forward out_of_sample, um estágio cujo sampling_method seja
historical_residuals ou selective sorteia ruído por Monte Carlo simples, e a execução
registra um aviso que identifica a classe de entidade e os ids dos estágios afetados. Para a
mensagem, ver
Geração de cenários — aba Notas de implementação, Avisos.
Este é um índice, restrito ao tema, dos arquivos envolvidos na estimação do modelo PAR(p) — nomeia cada arquivo e sua função, sem repetir seus esquemas campo a campo além do que a aba Configurar já mostra para a parte de autoria da configuração. A referência exaustiva, campo a campo, do diretório do caso e das saídas pertence às páginas Formato do caso e Formato de saída.
Entradas
Seção intitulada “Entradas”| Arquivo | Função |
|---|---|
scenarios/inflow_history.parquet | Observações históricas de vazão em janelas, por (UHE, [start_date, end_date)). Tem quatro funções, da estimação às aberturas por resíduos históricos (listadas abaixo da tabela). |
scenarios/inflow_seasonal_stats.parquet | Estatísticas sazonais fornecidas pelo usuário ou estimadas, por (UHE, estágio). A coluna std_m3s é o desvio-padrão amostral armazenado da série histórica — não o desvio-padrão do ruído (inovação) usado para escalar o ruído (veja Notas de implementação). |
scenarios/inflow_ar_coefficients.parquet | Coeficientes AR padronizados, fornecidos pelo usuário ou estimados, uma linha por (UHE, estágio, defasagem) — esquema [hydro_id, stage_id, lag, coefficient]. A ordem do modelo AR é deduzida da contagem de linhas, não é armazenada explicitamente. |
scenarios/inflow_annual_component.parquet | Trinca anual opcional do PAR(p)-A fornecida pelo usuário (coeficiente, média e desvio-padrão da média móvel de 12 meses). Respeitada apenas nos caminhos de repasse — os caminhos de estimação a sobrescrevem com valores estimados (veja a aba Configurar). |
scenarios/correlation.json | Perfis nomeados de correlação espacial e cronograma opcional por estágio. Quando presente, prevalece sobre a correlação estimada ou identidade em todos os caminhos de origem das afluências. |
initial_conditions.json (linhas recent_observations) | Camada de condicionamento sobre o registro em janelas inflow_history: vazão observada em períodos parciais antes do início do estudo, sobrepondo-se a inflow_history dia a dia onde os dois coincidem. Alimenta a tendência hidrológica derivada, consumida pelos termos de defasagem e pelo acumulador de meio de período dos estágios iniciais do estudo (metodologia §2.5 e aba Configurar). |
scenarios/inflow_history.parquet tem quatro funções:
- Conduz o caminho de estimação (H) quando presente.
- É a camada base da tendência hidrológica derivada em todos os caminhos (veja a aba Configurar).
- Fornece as janelas de reprodução histórica do esquema forward
historical. - Fornece as aberturas por resíduos históricos dos estágios cujo
sampling_methodéhistorical_residuals.
As duas últimas são descritas em Geração de cenários.
Para o esquema completo, campo a campo, de cada arquivo acima, consulte a página de referência Formato do caso.
Modelos PAR ajustados externamente
Seção intitulada “Modelos PAR ajustados externamente”O Novo Modelo aceita parâmetros inteiramente fornecidos pelo usuário — é possível ajustar um modelo PAR() com
qualquer método fora do Novo Modelo e entregar a ele os dois arquivos parquet (os
caminhos UserProvidedNoHistory e UserProvidedAll da aba Configurar).
O Novo Modelo então pula o ajuste, valida as entradas e deriva a escala do
ruído a partir do fornecido, pelo fechamento da ACF periódica (veja
Derivação da escala do ruído). Os campos não
codificam o método de ajuste do Novo Modelo — codificam a representação em dois
planos —, de modo que qualquer ajuste se mapeia neles pela tabela
abaixo. Seja o desvio-padrão amostral sazonal da sua série e seus
coeficientes AR em unidades originais.
| Coluna (arquivo) | Preencher com | Significado |
|---|---|---|
mean_m3s (inflow_seasonal_stats) | Média sazonal da série (m³/s) | |
std_m3s (inflow_seasonal_stats) | Desvio-padrão amostral sazonal da série (m³/s) | |
coefficient (inflow_ar_coefficients) | Coeficiente AR padronizado pelo desvio-padrão sazonal |
Não há coluna para o desvio-padrão do ruído do seu próprio modelo, : o Novo Modelo sempre deriva a partir dos fornecidos, da mesma forma que deriva para um modelo ajustado internamente (veja Derivação da escala do ruído). Se o do seu ajuste não for exatamente consistente com o fornecido sob o fechamento da ACF periódica, o derivado pelo Novo Modelo difere do seu ajuste original — o fechamento deriva a escala do ruído de modo que o desvio-padrão sazonal fornecido seja respeitado exatamente.
Regras que o Novo Modelo impõe (ou que, se violadas, distorcem silenciosamente a escala do modelo):
- Padronize pelo desvio-padrão sazonal, de forma consistente. Os coeficientes são os
da série padronizada pelo seu desvio-padrão amostral sazonal — a padronização
clássica — e o pelo qual se divide deve ser exatamente o
std_m3sarmazenado: o Novo Modelo reconstrói e a partir dostd_m3sarmazenado, de modo que uma inconsistência passa despercebida. - O Novo Modelo rejeita sumariamente um conjunto de coeficientes que não passa no teste de estacionariedade. O teste aplica o fechamento da ACF periódica ao fornecido e rejeita toda a carga quando o sistema do fechamento é singular, quando a variância do ruído implícita está no piso numérico ou abaixo dele em algum período sazonal, quando alguma autocorrelação implícita tem módulo maior que 1, ou quando uma estimativa conservadora do raio espectral da monodromia periódica atinge 1. O teste é aplicado apenas a coeficientes fornecidos diretamente; coeficientes ajustados internamente não são testados quanto à estacionariedade, mas, como em todo caminho de carga, são protegidos pela salvaguarda própria da derivação do fechamento — um derivado não finito é um erro fatal de carga que identifica a UHE e o período sazonal.
- As defasagens devem ser contíguas ; a ordem AR é implícita na contagem de linhas (não há coluna de ordem). Ruído branco = nenhuma linha de coeficiente para aquele (UHE, estágio), isto é, ordem 0, para a qual o fechamento dá .
- É exigido contexto de período sazonal resolvível sempre que alguma ordem AR for .
Todo grupo (UHE, estágio) com pelo menos uma linha de coeficiente deve ser associado
a um período sazonal via
season_definitionsou viaseason_idpor estágio (veja Formato do caso e Configuração) — isso vale em todo caminho de carga, inclusive uma simples leitura de arquivo sem ajuste. - As defasagens só avançam sob
season_definitions. Umseason_idpor estágio satisfaz a regra acima, mas semseason_definitionsnenhum estágio completa um período de defasagem e a tendência hidrológica derivada é toda nula, qualquer que seja o conteúdo deinflow_historyerecent_observations: a carga é bem-sucedida (com um aviso de que as defasagens iniciais de afluência são inicializadas com 0), e todo estágio recebe essas defasagens nulas.
O diretório output/stochastic/ inteiro é gravado apenas quando o caso define exports.stochastic: true (no bloco de configuração exports); essa opção vem desligada por padrão, de modo que uma execução padrão não produz nenhum diretório stochastic/. As condições por arquivo na tabela abaixo são secundárias — decidem quais artefatos aparecem dentro do diretório quando a exportação estocástica está habilitada.
| Arquivo | Função |
|---|---|
output/stochastic/inflow_seasonal_stats.parquet | As estatísticas sazonais usadas na execução, estimadas ou lidas de scenarios/, com o mesmo esquema do arquivo de entrada — gravado em toda exportação estocástica. |
output/stochastic/inflow_ar_coefficients.parquet | Os coeficientes AR usados na execução, estimados ou lidos de scenarios/, com o mesmo esquema do arquivo de entrada — gravado em toda exportação estocástica. |
output/stochastic/inflow_annual_component.parquet | A trinca anual do PAR(p)-A usada na execução, estimada ou lida de scenarios/ — gravado em toda exportação estocástica; contém linhas apenas para os modelos de estágio com termo anual (um modelo PAR(p) clássico não tem nenhum), podendo, portanto, não conter linhas. |
output/stochastic/fitting_report.json | Resumo por UHE da ordem AR selecionada e dos coeficientes, complemento legível às saídas parquet acima — gravado apenas quando o Novo Modelo estimou parte ou todo o modelo de afluências (suas estatísticas sazonais, seus coeficientes AR ou ambos) a partir de inflow_history.parquet. |
output/stochastic/correlation.json | Exportação de ida e volta do modelo de correlação resolvido, no mesmo esquema da entrada scenarios/correlation.json. |
output/stochastic/noise_openings.parquet | A árvore de aberturas da simulação backward efetivamente usada durante o treinamento (training), exportada quando exports.stochastic: true. Para reproduzi-la em uma execução subsequente, siga Executando estudos — Fluxo de ida e volta, que trata da cópia para scenarios/noise_openings.parquet e da declaração openings; a cópia só é carregada quando os ids de estágio declarados no caso são 0, 1, 2, … (a exportação numera os estágios pela posição a partir de 0, e a carga recusa outros ids) — veja Geração de cenários para a mecânica da árvore de aberturas em si (fora do escopo aqui). |
Para o esquema completo de saída (colunas, tipos, organização dos arquivos), consulte a página de referência Formato de saída.
Comportamento não normativo do software na estimação do modelo PAR(p) — o que o Novo Modelo faz em tempo de execução, além das equações acima. Esta aba remete ao corpo da metodologia para as deduções, em vez de repeti-las.
std_m3s vs sigma_m
Seção intitulada “std_m3s vs sigma_m”Os dois arquivos da aba Entradas e saídas armazenam dois desvios-padrão
diferentes, e a interface do software nunca os confunde: std_m3s (coluna
de inflow_seasonal_stats.parquet) é o desvio-padrão amostral armazenado
da série histórica para um par (usina hidrelétrica, período sazonal) — um número fixo,
gravado em disco. sigma_m, o desvio-padrão do ruído (inovação) que escala o
termo estocástico, nunca é armazenado; ele é derivado na carga a partir de
std_m3s e da escala do ruído r_m, que o Novo Modelo sempre deriva dos
coeficientes AR pelo fechamento da FAC periódica (metodologia §4). Ler
std_m3s como se fosse sigma_m — ou vice-versa — reescala silenciosamente todos
os sorteios de ruído.
Onde o fechamento é executado em relação ao ajuste
Seção intitulada “Onde o fechamento é executado em relação ao ajuste”A derivação de r_m pelo fechamento é uma etapa de carga, não de ajuste: ela
é executada após a montagem do modelo em todos os caminhos de entrada — tanto na
carga pura de arquivos quanto em todos os caminhos de estimação —, de modo que um
modelo ajustado e um modelo fornecido pelo usuário com os mesmos coeficientes obtêm
a mesma escala do ruído. Quando as ordens AR diferem entre os períodos sazonais do ciclo
periódico, o valor derivado pelo fechamento pode diferir ligeiramente da identidade
de Yule-Walker de um único período sazonal avaliado sobre as autocorrelações amostrais
(§4.1 da metodologia) — o fechamento resolve conjuntamente, para todos os períodos sazonais,
a FAC implícita do próprio modelo, e é isso que faz o desvio-padrão marginal sazonal
gerado coincidir exatamente com std_m3s. Quando todos os períodos sazonais têm a mesma
ordem, os dois valores coincidem em precisão dupla.
Rejeição pela variância residual (r_squared)
Seção intitulada “Rejeição pela variância residual (r_squared)”O fechamento define , a variância residual (do ruído) padronizada do período sazonal implícita em (§4.1 da metodologia), e a trata como um teste de admissibilidade, não como uma medida de qualidade. Duas verificações atuam sobre ela na carga, correspondentes ao invariante 2 da §5 da metodologia: cada uma rejeita o caso com um erro que identifica a usina hidrelétrica, e nenhuma é uma nota atribuída a um modelo aceito. As chaves nas mensagens citadas marcam valores preenchidos pela execução.
Coeficientes fornecidos: o filtro de estacionariedade. Um caso que fornece inflow_ar_coefficients.parquet é verificado pelo filtro de estacionariedade PAR, que rejeita um período sazonal cujo seja menor ou igual a 1e-12 (suas demais verificações estão listadas na aba Entradas e saídas):
Hydro {hydro_id} season {season}: PAR stationarity gate rejected inflow_ar_coefficients.parquet -- implied residual variance r² = {r_squared} is at or below the numerical floorTodos os caminhos de carga: a verificação da derivação. Após a montagem do modelo, a derivação de pelo fechamento é executada qualquer que seja a origem dos coeficientes. Ela rejeita a carga quando o sistema do fechamento é singular e quando um derivado é não finito, o que ocorre quando a variância implícita é negativa:
residual_std_ratio closure is singular for hydro_id={hydro_id}derived residual_std_ratio is non-finite for hydro_id={hydro_id} season={season}: the coefficients imply a non-stationary process (implied residual variance 1 - sum(psi*rho) is negative)Nas mensagens do filtro e de valor não finito, season é contado a partir de 0: em um mapa de períodos sazonais de resolução única, é a posição do período sazonal na ordem do calendário; em um mapa que sobrepõe resoluções, ou na ausência de mapa, é a posição do identificador do período sazonal entre os identificadores de período sazonal do caso. Ele coincide com o id do período sazonal quando os identificadores seguem na ordem do calendário.
Um modelo ajustado a partir do histórico não passa pelo filtro e não tem piso: somente a verificação da derivação se aplica a ele, de modo que um período sazonal ajustado cujo seja pequeno, porém positivo, é aceito. Um período sazonal ajustado cujo seria negativo não chega à verificação: o ajuste reduz sua ordem (negative_residual_variance abaixo).
O Novo Modelo expõe r_squared apenas dentro da mensagem do filtro: não há campo de CLI nem atributo Python específico para ele, nem sinal de variância isolado em um ajuste aceito.
Comportamento da seleção de ordem
Seção intitulada “Comportamento da seleção de ordem”A regra clássica de seleção de ordem pela FACP (metodologia §3.6) e a
redução iterativa de Maceira & Damázio que ela aciona são aplicadas automaticamente
sempre que o Novo Modelo estima a partir de inflow_history.parquet. Três detalhes
de execução acompanham essa regra, mas não fazem parte da dedução:
min_observations_per_season: um mínimo recomendado que gera apenas um aviso, nunca um erro; veja Configuração —estimationpara saber como os grupos são contados e quando o aviso é emitido.- Um período sazonal com uma única observação faz o caso ser rejeitado. Sempre que o Novo Modelo
estima a partir de
inflow_history.parquet, ele primeiro estima as estatísticas sazonais a partir do histórico, mesmo quando o caso também forneceinflow_seasonal_stats.parquet(as estatísticas fornecidas alimentam então apenas o modelo montado, não o ajuste). Um grupo (usina hidrelétrica, período sazonal) com exatamente uma observação interrompe a estimação com um erro de dados insuficientes (”… need at least 2 for std estimation”), qualquer que seja o valor demin_observations_per_season. Um período sazonal sem observações não tem estatísticas e é ajustado com ordem 0. - A redução automática de ordem é registrada por período sazonal em
fitting_report.json(contribution_reductions[].reason), com quatro motivos distintos:magnitude_bound— uma verificação preliminar: se algum coeficiente ajustado excedermax_coefficient_magnitudeem valor absoluto, o período sazonal é redefinido como ruído branco (ordem 0, ), independentemente da verificação de contribuição; com"pacf_annual", ele assume ordem 0 e mantém seu coeficiente anual.phi1_negative— somente com"pacf"; uma verificação preliminar, repetida após cada novo ajuste: se o primeiro coeficiente ajustado for negativo, o período sazonal também é redefinido como ruído branco (ordem 0).negative_contribution— a verificação iterativa de contribuição de Maceira–Damázio (metodologia §3.6): o teto de ordem do período sazonal (inicialmentemax_order) é reduzido em um, e a seleção pela FACP e o ajuste de Yule-Walker são refeitos com o novo teto, repetindo-se até que nenhum período sazonal falhe (um período sazonal cujo teto chega a 0 assume ordem 0). Areduced_orderregistrada para o evento é a maior ordem sem influência composta negativa. Com"pacf_annual", a verificação lê os coeficientes com o termo anual incorporado (metodologia §7.6), e um período sazonal de ordem 1 que falha nela também perde seu coeficiente anual.negative_residual_variance— quando nenhum período sazonal falha na verificação de contribuição, um período sazonal cujo modelo ajustado implica uma variância residual negativa (metodologia §3.6) passa novamente por seleção abaixo de sua ordem atual, ou assume ordem 0 a partir da ordem 1. Com"pacf_annual", um período sazonal que assume ordem 0 dessa forma também perde seu coeficiente anual.
A classificação do histórico é executada antes de qualquer seleção de ordem
Seção intitulada “A classificação do histórico é executada antes de qualquer seleção de ordem”Antes que a seleção pela FACP analise um grupo (usina hidrelétrica, período sazonal), o processo de classificação do histórico (metodologia §3.3) é executado automaticamente: séries constantes, saturadas e dominadas por valores negativos são detectadas e, nos dois primeiros casos, encaminhadas a um ajuste degenerado de ordem 0, em vez de se permitir um sobreajuste a um grupo estruturalmente pouco informativo. Essa classificação é incondicional — é sempre executada na estimação a partir do histórico, tanto no caminho do PAR(p) clássico quanto no do PAR(p)-A.
Comportamento em execução da componente anual do PAR(p)-A
Seção intitulada “Comportamento em execução da componente anual do PAR(p)-A”Definir order_selection: "pacf_annual" (aba Configurar) estende o
processo de estimação com as etapas da §7 da metodologia. Em execução, isso acrescenta
um requisito que não aparece nas equações: uma usina hidrelétrica precisa de pelo menos 13
observações cronológicas para participar do PAR(p)-A — o mínimo para
formar uma média móvel de 12 meses (§7.3). Uma usina com menos observações no
caminho do PAR(p)-A gera uma falha de estimação bloqueante; não há retorno
silencioso ao caminho clássico (metodologia §7.7).
Defasagens de vazão fora de todos os cortes
Seção intitulada “Defasagens de vazão fora de todos os cortes”Se os cortes de um estágio incluem as dimensões das defasagens de vazão é definido pelo campo
por estágio stages[].state_variables. Seu valor padrão, seu aviso de validação e
se esse aviso se aplica a coeficientes AR fornecidos ou a um modelo
estimado a partir do histórico de vazões estão documentados em
Gerenciamento de cortes,
a referência única dessa chave.
Garantia de determinismo
Seção intitulada “Garantia de determinismo”O ajuste do modelo PAR(p) é uma das famílias de modelos cobertas pela garantia de ajuste paralelo com ordem estável do Novo Modelo: os coeficientes são ajustados de forma independente por usina hidrelétrica e remontados em uma posição canônica por usina, de modo que o modelo ajustado é função apenas das entradas — independentemente de quantas threads são executadas ou de como as usinas são distribuídas entre elas. Veja Determinismo e rastreabilidade §3 para o mecanismo completo, que o processo de estimação deste capítulo compartilha com o processo de ajuste da FPHA calculada descrito em Modelos de função de produção hidrelétrica.
Referências cruzadas
Seção intitulada “Referências cruzadas”- Formulação do PL — As linhas do PL do estágio que leem a afluência realizada
- Aumento do espaço de estados — Estado das defasagens de afluência: expansão do estado, defasagens de saída, projeção do estado do corte
- Folding do PAR(p) — A afluência realizada fora do PL do estágio e os coeficientes dos cortes nas defasagens pela regra da cadeia
- Métodos de tratamento de afluências negativas — Métodos para tratar realizações negativas produzidas pelo modelo PAR(p)
- Geração de cenários — Quando cenários externos de afluência são usados no treinamento (training), a simulação backward transforma o ruído da árvore de aberturas em afluências com o modelo PAR aplicado, no qual as usinas hidrelétricas com ordem AR 0 e sem componente anual assumem a média e o desvio-padrão das amostras externas.
- Convenções de notação — Define os símbolos das afluências (, , , ) e as convenções de unidades