Forecasting of Airborne Pollutants with ARIMA Models

Detalhes bibliográficos
Autor(a) principal: Guerra, Maria José Machado Sarges
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/86478
Resumo: Dissertação de Mestrado em Química apresentada à Faculdade de Ciências e Tecnologia
id RCAP_ac1d85136c2ae4124902e11161796c46
oai_identifier_str oai:estudogeral.uc.pt:10316/86478
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Forecasting of Airborne Pollutants with ARIMA ModelsPrevisão de Poluentes Aéreos com Modelos ARIMAARIMAprevisãopoluentesARIMAforecastingpollutantsDissertação de Mestrado em Química apresentada à Faculdade de Ciências e TecnologiaExposição a poluente aéreos acarreta grandes impactos nos sectores da saúde, ambiente e economia. Monitorização da qualidade do ar em tempo real e emissão de previsões tornaram-se numa necessidade para a protecção dos cidadãos. Devido à complexidade dos processos físicos e químicos que descrevem a formação e transporte de poluentes, fazer previsões dos mesmos não é uma tarefa trivial. Os custos computacionais e de perícia são extremamente alto quando são utilizados modelos baseados fisicamente. Modelos estocásticos providenciam uma abordagem mais económica e têm o potencial de exibir a mesma precisão e exactidão.O método de Box-Jenkins, desenvolvido originalmente para econometria, foi utilizado no passado para a previsão bem sucedida de algumas espécies de poluentes aéreos. Fazendo recurso a essa mesma metodologia vários modelos Auto-regressivos Integrados com Média Móvel foram ajustados a seis poluentes, regulados dentro da União Europeia, e a qualidade dos ajustes testadas através de análise residual e um teste estatístico.Os modelos ajustados foram utilizados para produzir previsões para além da amostra e a sua qualidade testada. Para melhor avaliar a robustez das previsões, vários procedimentos de validação cruzada para séries temporais foram implementados. Foram apresentados e comparados os resultados obtidos para todos os poluentes. Foi possível realizar previsões com alguma qualidade para alguns dos poluentes. Apesar de tudo, alguns dos modelos obtidos não foram capazes de obter resíduos que se assemelhassem a ruído branco. Isto implica que ainda existem melhorias a serem feitas.Exposure to airborne pollutants has serious health, environmental and economic impacts.Real-time monitoring and forecasting of the air quality has become a necessity in order to protect citizens. Due to the intricacies of the physical and chemical processes that govern airborne pollutant formation and transport, producing forecasts is not a trivial task. Computational and expertise costs are very high when resorting to physically based models. Stochastic models provide more parsimonious approaches with the same accuracy potential. The Box-Jenkins methodology, that originally developed for econometrics, was used in the past to forecast successfully some airborne pollutants. Using that methodology several Autoregressive Integrated Moving Average model was fitted to six pollutants, regulated in the European Union, and the goodness of fit tested with residual analysis and a statistical test. The fitted models were used to produce out-of-sample forecasts and their accuracy tested. In order to evaluate the models forecast robustness, a time series cross-validation procedure was implemented . The results were presented and compared for every pollutant. Even though, it was possible to obtain accurate forecast for some pollutants, the models used can still be improved. The residuals should resemble white noise. That did not happen for some models used and hinders the forecast accuracy, since it can cause the errors to be underestimated and the prediction intervals to be overly narrow.2018-09-21info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/86478http://hdl.handle.net/10316/86478TID:202220184engGuerra, Maria José Machado Sargesinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2020-03-02T11:45:55Zoai:estudogeral.uc.pt:10316/86478Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:07:37.166497Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Forecasting of Airborne Pollutants with ARIMA Models
Previsão de Poluentes Aéreos com Modelos ARIMA
title Forecasting of Airborne Pollutants with ARIMA Models
spellingShingle Forecasting of Airborne Pollutants with ARIMA Models
Guerra, Maria José Machado Sarges
ARIMA
previsão
poluentes
ARIMA
forecasting
pollutants
title_short Forecasting of Airborne Pollutants with ARIMA Models
title_full Forecasting of Airborne Pollutants with ARIMA Models
title_fullStr Forecasting of Airborne Pollutants with ARIMA Models
title_full_unstemmed Forecasting of Airborne Pollutants with ARIMA Models
title_sort Forecasting of Airborne Pollutants with ARIMA Models
author Guerra, Maria José Machado Sarges
author_facet Guerra, Maria José Machado Sarges
author_role author
dc.contributor.author.fl_str_mv Guerra, Maria José Machado Sarges
dc.subject.por.fl_str_mv ARIMA
previsão
poluentes
ARIMA
forecasting
pollutants
topic ARIMA
previsão
poluentes
ARIMA
forecasting
pollutants
description Dissertação de Mestrado em Química apresentada à Faculdade de Ciências e Tecnologia
publishDate 2018
dc.date.none.fl_str_mv 2018-09-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/86478
http://hdl.handle.net/10316/86478
TID:202220184
url http://hdl.handle.net/10316/86478
identifier_str_mv TID:202220184
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1817550298838728704

Registros relacionados