Modelagem e previsão de séries temporais de precipitação pluviométrica sob as abordagens singular spectrum analysis e multi-channel singular spectrum Analysis

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMenezes, Moisés Lima de-
Autor(es): dc.contributorCassiano, Keila Mara-
Autor(es): dc.contributorPinto, Francisco Carlos Santana de Azeredo-
Autor(es): dc.creatorSantos, João Marcos Amorim dos-
Data de aceite: dc.date.accessioned2024-07-11T18:31:07Z-
Data de disponibilização: dc.date.available2024-07-11T18:31:07Z-
Data de envio: dc.date.issued2020-08-31-
Data de envio: dc.date.issued2020-08-31-
Data de envio: dc.date.issued2016-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/14818-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/772073-
Descrição: dc.descriptionA previsão de precipitações pluviométrica é uma importante ferramenta no auxílio ao planejamento de ações e projetos. Prever o volume pluviométrico se tornou essencial dado a relação da chuva com o ambiente em que vivemos, seja pela relação deste índice com a mobilidade urbana, agricultura, inundações, erosões, usinas hidrelétricas. Gerar modelos preditivos de precipitação pluviométrica tem se tornado cada vez mais necessário, mediante as necessidades do crescimento global. Em pleno século XXI tem-se ouvido falar sobre a necessidade de produção de energia limpa (ex. Usinas hidrelétricas), melhor aproveitamento da água, dado que algumas populações têm sofrido com racionamento de água dado o baixo volume dos reservatórios. Todos esses projetos dependem de previsões de precipitação pluviométrica, e poder gerar modelos com melhor acurácia tem grande valor para esses projetos. Dentre as maneiras de se melhorar a acurácia de previsões, tem-se a filtragem das séries, dentro das filtragens existem 2 métodos, Singular Spectrum Analysis (SSA) e Multi-channel Singular Spectrum Analysis (MSSA). Este estudo teve o objetivo de filtrar 5 séries de precipitação pluviométrica, cada uma de uma região brasileira, e criar modelos preditivos de Holt-Winters e Box-Jenkins, tanto para as séries sem filtro e para as séries filtradas pelos métodos SSA e MSSA, comparar as estatísticas de aderência destes modelos, verificar se de fato a filtragem melhorou a acurácia da previsão, e se a metodologia MSSA é melhor que a SSA ou ambas têm pouca diferença nos resultados quando comparadas. Os resultados deste estudo mostram que realizar a filtragem das séries seja pelo método SSA ou MSSA melhorou muito a acurácia do modelo, em todas as estatísticas de aderência pode-se observar a melhora dos valores quando a série passou por um dos filtros. Comparando os dois métodos de filtragem, SSA e MSSA, observou-se que o método MSSA se apresentou melhor na maioria das estatísticas de aderência comparado ao SSA, porém essa diferença entre ambos não foi muito grande. A conclusão deste trabalho mostra que aplicar a filtragem SSA ou MSSA pode gerar melhores previsões, que podem ser usadas em diferentes projetos hídricos-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectPrecipitação Pluviométrica-
Palavras-chave: dc.subjectSéries temporais-
Palavras-chave: dc.subjectSingular spectrum analysis-
Palavras-chave: dc.subjectMulti-channel singular spectrum analysis-
Palavras-chave: dc.subjectFiltragem-
Palavras-chave: dc.subjectModelagem-
Palavras-chave: dc.subjectBox-Jenkins-
Palavras-chave: dc.subjectHolt-Winters-
Palavras-chave: dc.subjectPrevisão-
Palavras-chave: dc.subjectChuva-
Palavras-chave: dc.subjectClimatologia-
Palavras-chave: dc.subjectSérie temporal-
Palavras-chave: dc.subjectModelagem-
Título: dc.titleModelagem e previsão de séries temporais de precipitação pluviométrica sob as abordagens singular spectrum analysis e multi-channel singular spectrum Analysis-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.