Modelo estocástico de série sintética de precipitação via amostrador de Gibbs
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/40268 |
Resumo: | O avanço da computação e da estatística tem permitido o surgimento de novos métodos de previsão de tempo e clima com uso em diversas áreas, bem como a combinação de algum deles, sempre buscando a melhor estimativa, minimizando os erros. Esse avanço deve-se principalmente ao número cada vez maior de informações disponíveis. Porém, ainda existe limitações quanto ao uso de ferramentas para a previsão ou simulação da variável precipitação pluviométrica. Ultimamente, vários métodos para simular a precipitação tem sido desenvolvidos com base em diferentes metodologias. A precipitação pluvial é uma variável dicífil de ser prevista devido o seu comportamento variante no espaço e no tempo. Diante disso, propõe-se desenvolver um modelo de simulação de séries sintéticas de precipitação, via Amostrador de Gibbs considerando as distribuições Beta, Binomial e Poisson, de forma que as séries geradas apresentem as mesmas características das séries históricas. Comparou-se o desempenho do modelo simulando o mês de janeiro e o mês de março. Na aplicação prática feita neste trabalho pode-se constatar a eficiência do Algoritmo de Gibbs. As estimativas simuladas para precipitação diária foram muito próximas dos valores observados, os menores erros, bem como a a maior correlação foram encontrados na simulação para o mês de março. |
id |
UFRN_39aa80e2f8aaf603bb935cde9727f46d |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/40268 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Gomes, Rafaela dos SantosLucio, Paulo SergioSilva, Cláudio Moisés Santos eSantos, Marconio Silva dosLucio, Paulo Sergio2018-01-15T11:25:37Z2021-09-29T13:04:31Z2018-01-15T11:25:37Z2021-09-29T13:04:31Z2017-12-012014020420GOMES, Rafaela dos Santos. Modelo estocástico de série sintética de precipitação via amostrador de Gibbs. 2017. 54f. Trabalho de Conclusão de Curso (Graduação em Meteorologia) - Departamento de Ciências Atmosféricas e Climáticas, Universidade Federal do Rio Grande do Norte, Natal - RN, 2017.https://repositorio.ufrn.br/handle/123456789/40268Universidade Federal do Rio Grande do NorteUFRNBrasilMeteorologiaPrecipitaçãoSéries sintéticasAmostrador de GibbssimulaçãoModelo estocástico de série sintética de precipitação via amostrador de Gibbsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisO avanço da computação e da estatística tem permitido o surgimento de novos métodos de previsão de tempo e clima com uso em diversas áreas, bem como a combinação de algum deles, sempre buscando a melhor estimativa, minimizando os erros. Esse avanço deve-se principalmente ao número cada vez maior de informações disponíveis. Porém, ainda existe limitações quanto ao uso de ferramentas para a previsão ou simulação da variável precipitação pluviométrica. Ultimamente, vários métodos para simular a precipitação tem sido desenvolvidos com base em diferentes metodologias. A precipitação pluvial é uma variável dicífil de ser prevista devido o seu comportamento variante no espaço e no tempo. Diante disso, propõe-se desenvolver um modelo de simulação de séries sintéticas de precipitação, via Amostrador de Gibbs considerando as distribuições Beta, Binomial e Poisson, de forma que as séries geradas apresentem as mesmas características das séries históricas. Comparou-se o desempenho do modelo simulando o mês de janeiro e o mês de março. Na aplicação prática feita neste trabalho pode-se constatar a eficiência do Algoritmo de Gibbs. As estimativas simuladas para precipitação diária foram muito próximas dos valores observados, os menores erros, bem como a a maior correlação foram encontrados na simulação para o mês de março.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNTEXTModeloEstocastico_Gomes_2017.pdf.txtExtracted texttext/plain57554https://repositorio.ufrn.br/bitstream/123456789/40268/1/ModeloEstocastico_Gomes_2017.pdf.txt1471b0f0dbbcac5bc489b8b76c14712fMD51ORIGINALModeloEstocastico_Gomes_2017.pdfMonografiaapplication/pdf3474404https://repositorio.ufrn.br/bitstream/123456789/40268/2/ModeloEstocastico_Gomes_2017.pdf900dd6618803ef2ad7f4314a393c6643MD52CC-LICENSElicense_urlapplication/octet-stream46https://repositorio.ufrn.br/bitstream/123456789/40268/3/license_url486e70aa6e7b0271de4953c01c4283fdMD53license_textapplication/octet-stream0https://repositorio.ufrn.br/bitstream/123456789/40268/4/license_textd41d8cd98f00b204e9800998ecf8427eMD54license_rdfapplication/octet-stream0https://repositorio.ufrn.br/bitstream/123456789/40268/5/license_rdfd41d8cd98f00b204e9800998ecf8427eMD55LICENSElicense.txttext/plain756https://repositorio.ufrn.br/bitstream/123456789/40268/6/license.txta80a9cda2756d355b388cc443c3d8a43MD56123456789/402682021-09-29 10:04:31.857oai:https://repositorio.ufrn.br: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ório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2021-09-29T13:04:31Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pr_BR.fl_str_mv |
Modelo estocástico de série sintética de precipitação via amostrador de Gibbs |
title |
Modelo estocástico de série sintética de precipitação via amostrador de Gibbs |
spellingShingle |
Modelo estocástico de série sintética de precipitação via amostrador de Gibbs Gomes, Rafaela dos Santos Precipitação Séries sintéticas Amostrador de Gibbs simulação |
title_short |
Modelo estocástico de série sintética de precipitação via amostrador de Gibbs |
title_full |
Modelo estocástico de série sintética de precipitação via amostrador de Gibbs |
title_fullStr |
Modelo estocástico de série sintética de precipitação via amostrador de Gibbs |
title_full_unstemmed |
Modelo estocástico de série sintética de precipitação via amostrador de Gibbs |
title_sort |
Modelo estocástico de série sintética de precipitação via amostrador de Gibbs |
author |
Gomes, Rafaela dos Santos |
author_facet |
Gomes, Rafaela dos Santos |
author_role |
author |
dc.contributor.referees1.none.fl_str_mv |
Lucio, Paulo Sergio |
dc.contributor.referees2.none.fl_str_mv |
Silva, Cláudio Moisés Santos e |
dc.contributor.referees3.none.fl_str_mv |
Santos, Marconio Silva dos |
dc.contributor.author.fl_str_mv |
Gomes, Rafaela dos Santos |
dc.contributor.advisor1.fl_str_mv |
Lucio, Paulo Sergio |
contributor_str_mv |
Lucio, Paulo Sergio |
dc.subject.pr_BR.fl_str_mv |
Precipitação Séries sintéticas Amostrador de Gibbs simulação |
topic |
Precipitação Séries sintéticas Amostrador de Gibbs simulação |
description |
O avanço da computação e da estatística tem permitido o surgimento de novos métodos de previsão de tempo e clima com uso em diversas áreas, bem como a combinação de algum deles, sempre buscando a melhor estimativa, minimizando os erros. Esse avanço deve-se principalmente ao número cada vez maior de informações disponíveis. Porém, ainda existe limitações quanto ao uso de ferramentas para a previsão ou simulação da variável precipitação pluviométrica. Ultimamente, vários métodos para simular a precipitação tem sido desenvolvidos com base em diferentes metodologias. A precipitação pluvial é uma variável dicífil de ser prevista devido o seu comportamento variante no espaço e no tempo. Diante disso, propõe-se desenvolver um modelo de simulação de séries sintéticas de precipitação, via Amostrador de Gibbs considerando as distribuições Beta, Binomial e Poisson, de forma que as séries geradas apresentem as mesmas características das séries históricas. Comparou-se o desempenho do modelo simulando o mês de janeiro e o mês de março. Na aplicação prática feita neste trabalho pode-se constatar a eficiência do Algoritmo de Gibbs. As estimativas simuladas para precipitação diária foram muito próximas dos valores observados, os menores erros, bem como a a maior correlação foram encontrados na simulação para o mês de março. |
publishDate |
2017 |
dc.date.issued.fl_str_mv |
2017-12-01 |
dc.date.accessioned.fl_str_mv |
2018-01-15T11:25:37Z 2021-09-29T13:04:31Z |
dc.date.available.fl_str_mv |
2018-01-15T11:25:37Z 2021-09-29T13:04:31Z |
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.pr_BR.fl_str_mv |
2014020420 |
dc.identifier.citation.fl_str_mv |
GOMES, Rafaela dos Santos. Modelo estocástico de série sintética de precipitação via amostrador de Gibbs. 2017. 54f. Trabalho de Conclusão de Curso (Graduação em Meteorologia) - Departamento de Ciências Atmosféricas e Climáticas, Universidade Federal do Rio Grande do Norte, Natal - RN, 2017. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/40268 |
identifier_str_mv |
2014020420 GOMES, Rafaela dos Santos. Modelo estocástico de série sintética de precipitação via amostrador de Gibbs. 2017. 54f. Trabalho de Conclusão de Curso (Graduação em Meteorologia) - Departamento de Ciências Atmosféricas e Climáticas, Universidade Federal do Rio Grande do Norte, Natal - RN, 2017. |
url |
https://repositorio.ufrn.br/handle/123456789/40268 |
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.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Meteorologia |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/40268/1/ModeloEstocastico_Gomes_2017.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/40268/2/ModeloEstocastico_Gomes_2017.pdf https://repositorio.ufrn.br/bitstream/123456789/40268/3/license_url https://repositorio.ufrn.br/bitstream/123456789/40268/4/license_text https://repositorio.ufrn.br/bitstream/123456789/40268/5/license_rdf https://repositorio.ufrn.br/bitstream/123456789/40268/6/license.txt |
bitstream.checksum.fl_str_mv |
1471b0f0dbbcac5bc489b8b76c14712f 900dd6618803ef2ad7f4314a393c6643 486e70aa6e7b0271de4953c01c4283fd d41d8cd98f00b204e9800998ecf8427e d41d8cd98f00b204e9800998ecf8427e a80a9cda2756d355b388cc443c3d8a43 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117896708554752 |