Análise e previsão de dados meteorológicos com lacunas usando técnicas estatísticas e de aprendizado de máquina

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSoares Junior, Waldir Silva-
Autor(es): dc.contributorOro, Sheila Regina-
Autor(es): dc.contributorSoares Junior, Waldir Silva-
Autor(es): dc.contributorOro, Sheila Regina-
Autor(es): dc.contributorSilva, Romel da Rosa da-
Autor(es): dc.contributorGomes, Eduardo Michel Vieira-
Autor(es): dc.creatorUliana, Fernanda Paula-
Data de aceite: dc.date.accessioned2025-08-29T13:25:58Z-
Data de disponibilização: dc.date.available2025-08-29T13:25:58Z-
Data de envio: dc.date.issued2025-07-28-
Data de envio: dc.date.issued2026-12-26-
Data de envio: dc.date.issued2025-07-28-
Data de envio: dc.date.issued2025-06-27-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/37576-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1113157-
Descrição: dc.descriptionThis study aims to fill gaps in precipitation and average temperature time series and generate 12-month forecasts from the completed series, using data from a meteorological station in Dois Vizinhos, Paraná, Brazil. Applied methods of linear interpolation and monthly historical average for smaller gaps. The forward-backward technique was employed, for the large gap, fitting exponential smoothing models, Box & Jenkins methodology and artificial neural networ to both segments. Subsequently, models using the same approaches were adjusted to the complete series to make forecasts for a 12-month period. The root mean square error between the predicted values and the actual data for the period was used as a basis for evaluation and comparing the models. The results indicated that the exponential smoothing model performed best for the precipitation series, while the neural network model was superior for the temperature series, indicating that neural network models have a better fit in series that present homogeneous seasonal behavior.-
Descrição: dc.descriptionUniversidade Tecnológica Federal do Paraná (UTFPR)-
Descrição: dc.descriptionEste trabalho tem como objetivos preencher lacunas em séries de precipitação e temperatura média, além de realizar previsões para um período de 12 meses a partir das séries completas, utilizando como base dados provenientes de uma estação meteorológica localizada na cidade de Dois Vizinhos, Paraná. Para as lacunas menores, foram aplicados os métodos de interpolação linear e da média histórica mensal. Para a maior lacuna, utilizou-se a técnica forward-backward, ajustando modelos de suavização exponencial, da metodologia Box & Jenkins e de redes neurais nas duas porções das séries. Posteriormente, foram ajustados modelos das mesmas abordagens às séries completas para a realização de previsões para um período de 12 meses. Utilizou-se como base para avaliação e comparação dos modelos a raiz do erro quadrático médio entre os valores previstos e os dados reais do período. Os resultados indicaram que o modelo de suavização exponencial apresentou melhor desempenho para a série de precipitação, enquanto o modelo de redes neurais foi superior para a série de temperatura, indicando que os modelos de redes neurais possuem melhor ajuste em série que apresentam comportamento sazonal homogêneo.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPato Branco-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Matemática-
Publicador: dc.publisherLicenciatura em Matemática-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsembargoedAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectAnálise de séries temporais-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectMudanças climáticas-
Palavras-chave: dc.subjectTime-series analysis-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectClimatic changes-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA-
Título: dc.titleAnálise e previsão de dados meteorológicos com lacunas usando técnicas estatísticas e de aprendizado de máquina-
Título: dc.titleAnalysis and prediction of meteorological data with gaps using statistical and machine learning techniques-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.