Análise hierárquica para dados de bacias hidrográficas

Detalhes bibliográficos
Autor(a) principal: Peres, Verônica Stamatto
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/276010
Resumo: Este trabalho tem como objetivo desenvolver e analisar modelos lineares generalizados para séries temporais, aplicando a metodologia Hierárquica Bayesiana. Utilizamos dois bancos de dados para comparar os modelos, os dados do Rio dos Sinos, que descrevem o índice da qualidade da água e os dados do Rio Colorado, que medem a vazão da água. Iniciamos as análises considerando apenas o efeito aleatório e no final acrescentamos o efeito correlacionado espacialmente para realizar a análise espaço-temporal. Para a comparação da eficiência dos modelos utilizamos diversos critérios de avaliação e gráficos das séries temporais com os estimadores. Com isso, foi possível observar quais modelos descrevem melhor os dados de acordo com suas características. Esse conhecimento pode ser utilizado para facilitar e melhorar a eficiência da modelagem de dados em outras aplicações futuras.
id UFRGS-2_afb056340d7a8398f821f2682f7fbcb4
oai_identifier_str oai:www.lume.ufrgs.br:10183/276010
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Peres, Verônica StamattoLopes, Silvia Regina Costa2024-07-04T06:11:26Z2022http://hdl.handle.net/10183/276010001144013Este trabalho tem como objetivo desenvolver e analisar modelos lineares generalizados para séries temporais, aplicando a metodologia Hierárquica Bayesiana. Utilizamos dois bancos de dados para comparar os modelos, os dados do Rio dos Sinos, que descrevem o índice da qualidade da água e os dados do Rio Colorado, que medem a vazão da água. Iniciamos as análises considerando apenas o efeito aleatório e no final acrescentamos o efeito correlacionado espacialmente para realizar a análise espaço-temporal. Para a comparação da eficiência dos modelos utilizamos diversos critérios de avaliação e gráficos das séries temporais com os estimadores. Com isso, foi possível observar quais modelos descrevem melhor os dados de acordo com suas características. Esse conhecimento pode ser utilizado para facilitar e melhorar a eficiência da modelagem de dados em outras aplicações futuras.This work aims to develop and analyze generalized linear models for time series, applying the Bayesian Hierarchical methodology. We used two databases to compare the models, data from Rio dos Sinos, that describe the water quality index and data from Rio Colorado, that measure water flow. We started the analysis considering only the random effect and at the end we added the spatially correlated effect to perform the spatio-temporal analysis. To compare the efficiency of the models, we used several evaluation criteria and time series graphs with estimators. With this, it was possible to observe which models best describe the data according to their characteristics. This knowledge can be used to facilitate and improve the efficiency of data modeling in other future applications.application/pdfporSéries temporaisInferência bayesianaModelos lineares generalizadosTime seriesBayesian inferenceGeneralized linear modelsSpatio-temporal analysisHierarchical analysisAnálise hierárquica para dados de bacias hidrográficasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática e EstatísticaPorto Alegre, BR-RS2022Estatística: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001144013.pdf.txt001144013.pdf.txtExtracted Texttext/plain71388http://www.lume.ufrgs.br/bitstream/10183/276010/2/001144013.pdf.txtf0e152cbb53b2170b472249ac96049c6MD52ORIGINAL001144013.pdfTexto completoapplication/pdf6256240http://www.lume.ufrgs.br/bitstream/10183/276010/1/001144013.pdf6f51100eded4ed8dbb8ed0b49ee61fdaMD5110183/2760102024-07-05 06:00:30.582063oai:www.lume.ufrgs.br:10183/276010Repositório InstitucionalPUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.bropendoar:2024-07-05T09:00:30Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Análise hierárquica para dados de bacias hidrográficas
title Análise hierárquica para dados de bacias hidrográficas
spellingShingle Análise hierárquica para dados de bacias hidrográficas
Peres, Verônica Stamatto
Séries temporais
Inferência bayesiana
Modelos lineares generalizados
Time series
Bayesian inference
Generalized linear models
Spatio-temporal analysis
Hierarchical analysis
title_short Análise hierárquica para dados de bacias hidrográficas
title_full Análise hierárquica para dados de bacias hidrográficas
title_fullStr Análise hierárquica para dados de bacias hidrográficas
title_full_unstemmed Análise hierárquica para dados de bacias hidrográficas
title_sort Análise hierárquica para dados de bacias hidrográficas
author Peres, Verônica Stamatto
author_facet Peres, Verônica Stamatto
author_role author
dc.contributor.author.fl_str_mv Peres, Verônica Stamatto
dc.contributor.advisor1.fl_str_mv Lopes, Silvia Regina Costa
contributor_str_mv Lopes, Silvia Regina Costa
dc.subject.por.fl_str_mv Séries temporais
Inferência bayesiana
Modelos lineares generalizados
topic Séries temporais
Inferência bayesiana
Modelos lineares generalizados
Time series
Bayesian inference
Generalized linear models
Spatio-temporal analysis
Hierarchical analysis
dc.subject.eng.fl_str_mv Time series
Bayesian inference
Generalized linear models
Spatio-temporal analysis
Hierarchical analysis
description Este trabalho tem como objetivo desenvolver e analisar modelos lineares generalizados para séries temporais, aplicando a metodologia Hierárquica Bayesiana. Utilizamos dois bancos de dados para comparar os modelos, os dados do Rio dos Sinos, que descrevem o índice da qualidade da água e os dados do Rio Colorado, que medem a vazão da água. Iniciamos as análises considerando apenas o efeito aleatório e no final acrescentamos o efeito correlacionado espacialmente para realizar a análise espaço-temporal. Para a comparação da eficiência dos modelos utilizamos diversos critérios de avaliação e gráficos das séries temporais com os estimadores. Com isso, foi possível observar quais modelos descrevem melhor os dados de acordo com suas características. Esse conhecimento pode ser utilizado para facilitar e melhorar a eficiência da modelagem de dados em outras aplicações futuras.
publishDate 2022
dc.date.issued.fl_str_mv 2022
dc.date.accessioned.fl_str_mv 2024-07-04T06:11:26Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/276010
dc.identifier.nrb.pt_BR.fl_str_mv 001144013
url http://hdl.handle.net/10183/276010
identifier_str_mv 001144013
dc.language.iso.fl_str_mv por
language por
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 Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/276010/2/001144013.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/276010/1/001144013.pdf
bitstream.checksum.fl_str_mv f0e152cbb53b2170b472249ac96049c6
6f51100eded4ed8dbb8ed0b49ee61fda
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br
_version_ 1817724766501470208