PREVISÃO DA UMIDADE RELATIVA DO AR DIÁRIA DE PORTO ALEGRE
DOI:
https://doi.org/10.12957/cadest.2017.31211Resumo
DOI: 10.12957/cadest.2017.31211A umidade relativa interfere em vários aspectos na vida do ser humano, e devido as muitas consequências que um baixo ou um alto percentual podem acarretar, o controle de seu nível é de suma importância. Desta forma, realizar previsões acuradas da umidade relativa do ar com vistas a subsidiar as decisões necessárias nos mais variados segmentos, torna-se fundamental. Posto isto, este artigo tem como objetivo comparar vários modelos e métodos de previsão, buscando encontrar o mais acurado para prever adequadamente a umidade relativa do ar diária de Porto Alegre. Para tanto foram obtidos cinco modelos (suavização exponecial, SARIMA e ARFIMA), além das combinações dois a dois de cada um dos cinco modelos para três métodos de combinação: variâcia mínima, média e regressão. Por meio das medidas de acurácia RSME, MAPE e coeficiente U de Theil verificamos que a combinação de previsões por regressão entre o Modelo 2 (Modelo de Suavização Exponencial Multiplicativo) e Modelo 3 (Modelo ARFIMA (2,d,0)) obteve as menores medidas de acurácia em todos os caso, sendo utilizada para realizar as previsões desejadas.
Palavras-chave: Umidade Relativa do Ar, Combinação de Previsões, Modelagem.
Referências
BATES, J. M.; GRANGER, C. W. J. The Combining of Forecasts. Operational Research Quarterly, v.20, n.4, 1969, p. 451-468.
BATISTA, A. C. Mapas de risco: uma alternativa para o planejamento de controle de incêndios florestais. Floresta, v.30, n.1/2, p.45-54, 2000.
BOX, G. E.; JENKINS, G. M. Time series analysis, control, and forecasting. San Francisco, CA: Holden Day, 1976.
CARVALHO, R. L. S.; NASCIMENTO, B. I. S.; QUERINO, C. A. S.; SILVA, M. J. G.; DELGADO, A. R. S. Comportamento das séries temporais de temperatura do ar, umidade e precipitação pluviométrica no município de Ariquemes (Rondônia-Brasil). Revista Brasileira de Climatologia, ano 12 v.18, p.123-1442, jan-jun 2016.
CEPAGRI. Escala psicrométrica unicamp para indicação de níveis de umidade relativa do ar prejudiciais à saúde humana. Disponível em: http://www.cpa.unicamp.br/ artigos-especiais/umidade-do-ar-saude-no-inverno.html. Acessado em: 12 de setembro de 2017.
COSTANTINI, M.; PAPPALARDO, C. A hierarchical procedure for the combination of forecasts. International Journal of Forecasting, v. 26 n.4, p.725–743, 2010.
GARDNER, G.; HARVEY, A. C., PHILLIPS, G. D. Algorithm as 154: An algorithm for exact maximum likelihood estimation of autoregressive-moving average models by means of Kalman filtering. Journal of the Royal Statistical Society. Series C (Applied Statistics), v. 9, n.3, p.311–322, 1980.
GEWEKE, J.; PORTER-HUDAK, S. The estimation and application of long memory time series models. Journal of Time Series Analysis, v.4, n.4, p.221–238, 1983.
GIL, A. C. Como elaborar projetos de pesquisa. Ed. Atlas, 2017.
GRANGER, C. W.; JOYEUX, R. An introduction to long-memory time series models and fractional differencing. Journal of Time Series Analysis, v.1, n.1, p.15–29, 1980.
GRANGER, C. W.; RAMANATHAN, R. Improved methods of combining forecasts. Journal of Forecasting, v.3, n.2, p.97–204, 1984.
HOSKING, J. R. Fractional differencing. Biometrika, v.68, n.1, p.165–176, 1981.
HOSKING, J. R. Modeling persistence in hydrological time series using fractional differencing. Water resources research, v.20, n.12, p.1898–1908, 1984.
MAKRIDAKIS, S.; WHEELWRIGHT, S. C.; HYNDMAN, R. J. Forecasting: methods and applications. John Wiley & Sons, 3rd edition, 1998.
MENEZES, L. M.; BUNN, D. W.; Taylor, J. W. Review of guidelines for the use of combined forecasts. European Journal of Operational Research, v.120, n.1, p.190–204, 2000.
MORETTIN, P. A.; TOLOI, C. Análise de séries temporais. Ed. Blücher. 2006.
PELLEGRINI, F. R. Metodologia para implementação de sistemas de previsão de demanda. Dissertação (Mestrado em Engenharia de Produção). Programa de Pós-Graduação em Engenharia de Produção. Universidade Federal do Rio Grande do Sul. Porto Alegre, 2000.
VIRGENS Fo, J. S.; LEITE, M. L.; FRANCO, J. R.; KORELO, M. Modelo computacional estocástico para simulação de séries climáticas diárias de umidade relativa do ar, baseado na parametrização dinâmica das distribuições de probabilidade decorrente da retroalimentação de dados. Revista Brasileira de Climatologia. v. 5, p. 133 -151, setembro 2009.
