Alguns modelos estocásticos sazonais para previsão climática. Estudo de caso: Natal - RN/
Resumo: O objetivo deste trabalho é apresentar um estudo comparativo de modelos de previsões de séries temporais mensais para temperatura média do ar, umidade relativa do ar e precipitação acumulada, com estudo de caso aplicado município de Natal - RN. Para a realização dos ajustes dos modelos de pr...
Na minha lista:
Principais autores: | , , |
---|---|
Formato: | Monografia UFRN |
Publicado em: |
|
Assuntos: | |
Endereço do item: | https://app.bczm.ufrn.br/home/#/item/164469 |
Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
Resumo: | Resumo: O objetivo deste trabalho é apresentar um estudo comparativo de modelos de previsões de séries temporais mensais para temperatura média do ar, umidade relativa do ar e precipitação acumulada, com estudo de caso aplicado município de Natal - RN. Para a realização dos ajustes dos modelos de previsões dessas variáveis climatológicas utilizou-se análise univariada de séries temporais através dos métodos de Box-Jenkins e de Holt-Winters. Em todas as séries verificou-se a presença da componente sazonal, com isso, o modelo que melhor se ajustou ao comportamento da temperatura média, umidade relativa do ar e precipitação acumulada foi o SARIMA (1, 1, 1)x(0, 1, 1)12. Devido às dificuldades de previsão, inerentes às séries de precipitação acumulada - devido à pouca continuidade temporal, também foi utilizado o método de regressão múltipla, onde as variáveis regressoras foram as temperaturas da superfície do mar dos oceanos Atlântico e Pacífico. Entretanto, observou-se o efeito de multicolinearidade entre as variáveis regressoras e, com isso, aplicou-se as regressões Ridge e por Componentes Principais. Os dados mensais de temperatura média do ar, umidade relativa do ar e precipitação acumulada foram disponibilizados pelo Instituto Nacional de Meteorologia - INMET da estação climatológica de Natal - RN, enquanto os dados de temperatura superfície do mar foram obtidos pelo National Center for Environmental Prediction (NCEP). |
---|