SUAVIZAÇÃO MSSA NA PREVISÃO DE PRECIPITAÇÃO PLUVIOMÉTRICA NAS CINCO REGIÕES GEOGRÁFICAS DO BRASIL

SUAVIZAÇÃO MSSA NA PREVISÃO DE PRECIPITAÇÃO PLUVIOMÉTRICA NAS CINCO REGIÕES GEOGRÁFICAS DO BRASIL

Santos, João Marcos Amorim dos; Menezes, Moisés Lima de; Cassiano, Keila Mara

Artigo Completo:

SSA é uma técnica de suavização de séries temporais. MSSA é uma extensão de SSA para múltiplas séries temporais simultaneamente. Este artigo apresenta uma abordagem deste método de suavização, na qual os modelos de amortecimento exponencial de Holt-Winters e de Box & Jenkins são aplicados. Na ocasião, séries temporais de precipitação pluviométrica de cidades das cinco regiões geográficas do Brasil são modeladas antes e após a suavização SSA e MSSA. Os resultados obtidos mostram que tanto a modelagem de Holt-Winters quanto o modelo de Box & Jenkins são beneficiados pela suavização prévia da série temporal por SSA/MSSA e que a suavização MSSA supera SSA além do que os modelos de Box & Jenkins apresentam maior aderência aos dados originais.

SSA é uma técnica de suavização de séries temporais. MSSA é uma extensão de SSA para múltiplas séries temporais simultaneamente. Este artigo apresenta uma abordagem deste método de suavização, na qual os modelos de amortecimento exponencial de Holt-Winters e de Box & Jenkins são aplicados. Na ocasião, séries temporais de precipitação pluviométrica de cidades das cinco regiões geográficas do Brasil são modeladas antes e após a suavização SSA e MSSA. Os resultados obtidos mostram que tanto a modelagem de Holt-Winters quanto o modelo de Box & Jenkins são beneficiados pela suavização prévia da série temporal por SSA/MSSA e que a suavização MSSA supera SSA além do que os modelos de Box & Jenkins apresentam maior aderência aos dados originais.

Palavras-chave:

DOI: 10.5151/spolm2019-195

Referências bibliográficas

• [1] BEIJO, L. A., Muniz, J. A., Neto, P. C. (2005). Tempo de retorno das precipitações máximas em Lavras (MG) pela distribuição de valores extremos do tipo I. Ciência e Agrotecnologia (UFLA), v. 29, pp. 657-667. [2] GOLYANDINA, N., Nekrutkin, V., Zhihgljavsky, A. (2001). Analysis of time series structure: SSA and reletade techniques. Chapman&Hall/CRC. New York, USA. [3] Hassani, H. (2007). Singular Spectrum Analysis: Methodology and Comparison. Journal of Data Science. 5, pp. 239-257. [4] JAYAWARDENA, A.W., Gurung, A.B. (2000). Noise reduction and prediction of hydrometeorological time series: dynamical systems approach vs. stochastic approach, Journal of Hydrology, 228, pp. 242-264. [5] ELSHORBAGY, A., Simonovic, S.P., Panu, U.S. (2002). Noise reduction in chaotic hydrologic time series: facts and doubts, Journal of Hydrology, 256, pp. 147-265. [6] HASSANI, H., Mahmoudvand, R. (2013). Multivariate singular spectrum sanalysis: a general view and new vector forecasting approach. International Journal of Energy and Statistcs. 1 (1), pp. 55 – 83. [7] GOLYANDINA, N., Stepanov. D. (2005). SSA-based approaches to analysis and forecast of multidimensional time series. Proceedings of the Fifth Workshop on Simulation. Department of Mathematics, St. Petersburg State University, Russia. pp. 293-298. [8] MORETTIN, P. A. e Toloi, C. M. C. (2001). Análise de Séries Temporais. Edgard Blücher, São Paulo. [9] HAMILTON, J. (1994). Time Series Analysis. Princeton University Press. [10] BOX, G. E. P. and Jenkins, G. M. (1970). Time Series Analysis: Forecasting and Control. Holden-Day. [11] SOUZA, R. C. e Camargo, M. E. (2004). Análise de Séries Temporais: os Modelos ARIMA, 2ª.ed., Gráfica e Editora Regional, Rio de Janeiro.

Como citar:

Santos, João Marcos Amorim dos; Menezes, Moisés Lima de; Cassiano, Keila Mara; "SUAVIZAÇÃO MSSA NA PREVISÃO DE PRECIPITAÇÃO PLUVIOMÉTRICA NAS CINCO REGIÕES GEOGRÁFICAS DO BRASIL", p-2703-2720. In: Anais do XIX Simpósio de Pesquisa Operacional & Logística da Marinha. São Paulo: Blucher, 2020.
ISSN 21756295, DOI 10.5151/spolm2019-195