Desenvolvimento de modelos de previsão de variáveis climáticas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/1822/65550 |
Resumo: | Dissertação de mestrado em Estatística |
id |
RCAP_eaf74736b1b2774ecc3a310d060477aa |
---|---|
oai_identifier_str |
oai:repositorium.sdum.uminho.pt:1822/65550 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Desenvolvimento de modelos de previsão de variáveis climáticasIrrigaçãoSéries temporaisVariáveis meteorológicasPrevisãoTBATSRegressão com erros correlacionadosIrrigationTime seriesMeteorological variablesForecastingRegression with correlated errorsCiências Naturais::MatemáticasDissertação de mestrado em EstatísticaNum mundo onde as mudanças climáticas e os crescentes conflitos sociais são uma realidade, é essencial uma gestão adequada dos recursos naturais escassos. A análise de séries temporais de dados meteorológicos tem assumido um interesse crescente em muitas áreas, em particular no problema da irrigação. Este estudo realizado no contexto do projeto “TO CHAIR - Os Desafios Óptimos na Irrigação”, financiado pelo Fundo Europeu de Desenvolvimento Regional (FEDER), do Programa Operacional Competitividade e Internacionalização (POCI) e pela Fundação para a Ciência e a Tecnologia (FCT), tem como principal objetivo identificar os modelos de previsão mais adequados para modelar séries meteorológicas que têm impacto no processo de evapotranspiração e da humidade no solo, por forma a planear de forma mais eficiente o uso da água nos sistemas de irrigação. Para isso, é necessário estimar e prever variáveis meteorológicas (velocidade média do vento, temperatura mínima e máxima do ar e precipitação) em tempo real (diário) para uma determinada localização, sendo, neste caso, numa quinta em Carrazeda de Ansiães, situada no distrito de Bragança, no Norte de Portugal. Os dados em estudo são registos diários observados no período de 1 de janeiro de 2010 até ao dia 23 de abril de 2019. Assim, neste estudo, apresenta-se uma comparação de dois métodos de previsão, os modelos TBATS (transformação Box-Cox, erros ARMA, tendência e componentes sazonais trigonométricas) e os modelos de regressão linear com erros correlacionados. Estes modelos foram selecionados devido à sua capacidade para modelar flutuações sazonais fortemente presentes nos dados meteorológicos, em particular, em lidar com séries temporais com padrões sazonais complexos.In a world where climate change and growing social conflicts are a reality, proper management of scarce natural resources is essential. There is a growing interest in time series analysis of meteorological data in many areas, in particular regarding the problem of irrigation. This study is carried out in the context of project \TO CHAIR - Optimum Challenges in Irrigation" { funded by the European Regional Development Fund (ERDF), the Competitiveness and Internationalization Operational Program (COMPETE 2020) and the Foundation for Science and Technology (FCT) { and its main objective is to identify the most suitable forecasting models for modeling weather series that have an impact on the evapotranspiration process and on soil humidity, in order to more efficiently plan the use of water in irrigation systems. For this, it is necessary to estimate and forecast meteorological variables (average wind speed, minimum and maximum air temperature and precipitation) in real time (daily) for a given location: in this case, a farm in Carrazeda de Ansiães, in the district of Bragança in the north of Portugal. The data under study consist of daily records observed from January 1, 2010 to April 23, 2019. This study presents a comparison of two forecasting methods, the TBATS models (Box-Cox transformation, ARMA errors, trend and trigonometric seasonal components) and the linear regression models with correlated errors. These models were selected due to their ability to model seasonal fluctuations strongly present in meteorological data, in particular when dealing with time series with complex seasonal patterns.Gonçalves, A. ManuelaUniversidade do MinhoCosta, Cláudia Maria Ferreira20192019-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1822/65550por202473872info: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:RCAAP2023-07-21T12:47:47Zoai:repositorium.sdum.uminho.pt:1822/65550Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:45:53.477381Repositório 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 |
Desenvolvimento de modelos de previsão de variáveis climáticas |
title |
Desenvolvimento de modelos de previsão de variáveis climáticas |
spellingShingle |
Desenvolvimento de modelos de previsão de variáveis climáticas Costa, Cláudia Maria Ferreira Irrigação Séries temporais Variáveis meteorológicas Previsão TBATS Regressão com erros correlacionados Irrigation Time series Meteorological variables Forecasting Regression with correlated errors Ciências Naturais::Matemáticas |
title_short |
Desenvolvimento de modelos de previsão de variáveis climáticas |
title_full |
Desenvolvimento de modelos de previsão de variáveis climáticas |
title_fullStr |
Desenvolvimento de modelos de previsão de variáveis climáticas |
title_full_unstemmed |
Desenvolvimento de modelos de previsão de variáveis climáticas |
title_sort |
Desenvolvimento de modelos de previsão de variáveis climáticas |
author |
Costa, Cláudia Maria Ferreira |
author_facet |
Costa, Cláudia Maria Ferreira |
author_role |
author |
dc.contributor.none.fl_str_mv |
Gonçalves, A. Manuela Universidade do Minho |
dc.contributor.author.fl_str_mv |
Costa, Cláudia Maria Ferreira |
dc.subject.por.fl_str_mv |
Irrigação Séries temporais Variáveis meteorológicas Previsão TBATS Regressão com erros correlacionados Irrigation Time series Meteorological variables Forecasting Regression with correlated errors Ciências Naturais::Matemáticas |
topic |
Irrigação Séries temporais Variáveis meteorológicas Previsão TBATS Regressão com erros correlacionados Irrigation Time series Meteorological variables Forecasting Regression with correlated errors Ciências Naturais::Matemáticas |
description |
Dissertação de mestrado em Estatística |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019 2019-01-01T00:00:00Z |
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/1822/65550 |
url |
http://hdl.handle.net/1822/65550 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
202473872 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
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_ |
1799133025508786176 |