O uso de modelos matemáticos para predição da chuva é uma forma prática e precisa para determinação do valor a ser aplicado em projetos, sendo útil para localidades desprovidas de informações pluviométricas. Objetivou-se ajustar o método de Bell, que possui características de regionalização para a chuva de projeto, com base em equações de chuvas intensas e modelos de probabilidade de Gumbel de estações meteorológicas do Estado de Minas Gerais ajustando, também, um modelo para cada região do estado. Avaliaram-se os modelos considerando-se o coeficiente de determinação e os erros médios em relação aos dados originais. Para validação, trabalhou-se com três estações meteorológicas da região Norte não usadas para ajuste do respectivo modelo. Foram analisadas três metodologias para estimativa da chuva intensa padrão (h(60,2)), que pondera o método usado, ressaltando-se a média aritmética, a média ponderada pelo inverso do quadrado da distância e a predição geoestatística (krigagem). Observou-se que os modelos possuem bons indicadores estatísticos e a validação produziu erros baixos, mostrando que os modelos podem ser aplicados, especialmente se a krigagem for usada para estimativa do parâmetro h(60,2).

The use of mathematical models for predicting rainfall is a practical and accurate way of determining this parameter to be applied to regions which do not have any precipitation data. Based on the intense rainfall equations and Gumbel's probability model for maximum daily precipitation of meteorological stations in Minas Gerais State, the objective of this work was to adjust the Bell's Method, with regional features, for rainfall, adjusting one model for each region. The regional parameters were estimated by non-linear multiple regression, using Gauss-Newton's method. The goodness of the models was evaluated by the coefficient of determination and mean errors of prediction as compared to the original data. Data from three meteorological stations in the Northern region, which were not used to adjust the respective model, were used for validation purposes. The most frequent precipitation was tested by the arithmetic mean, the weighted mean by the inverse-square-distance and the geo-statistical prediction (kriging). The models produced good statistical parameters, with low mean errors, showing their accuracy, specially when the kriging method for estimating the most frequent precipitation was used.