Ajuste de un modelo de serie de tiempo para predecir la lluvia
DOI:
https://doi.org/10.33448/rsd-v10i6.15643Palabras clave:
Meteorológico; Previsión; Estacionalidad; Modelo SARIMA.Resumen
La precipitación es una de las variables meteorológicas más relevantes para el estudio del clima. Conocer su variabilidad espacial y temporal permite planificar diversas actividades humanas, tanto desde el punto de vista económico como social. Dicha importancia se debe a las consecuencias que puede ocasionar, por exceso o por defecto, provocando inundaciones, riadas, sequías, disminución del suministro energético, baja producción de alimentos, entre otras. Este estudio tuvo como objetivo estudiar la serie histórica de la precipitación media mensual en la ciudad de Lavras/MG con el fin de obtener un modelo estadístico que permita realizar predicciones. Para ello, se utilizaron 228 observaciones correspondientes al período comprendido entre enero de 2000 y diciembre de 2018 Para este análisis, se verificó la existencia de los componentes de tendencia y estacionalidad. Se utilizó la metodología de Box y Jenkins para modelar los datos. Algunos modelos se ajustaron mediante la clase SARIMA, ya que la serie en estudio presentaba estacionalidad estocástica. La comparación entre los modelos considerados adecuados para la serie se realizó mediante el NDE y el AIC. Se utilizó el modelo SARIMA (0,0,0) x (0,1,1)12 para realizar las predicciones de las observaciones futuras. La serie de precipitaciones medias mensuales en la ciudad de Lavras/MG presentó una componente estacional con una periodicidad de 12 meses. El modelo ajustado obtuvo un muy buen resultado, ya que los intervalos de confianza del 95% contenían los doce valores reales de la precipitación media mensual en la ciudad de Lavras/MG para el año 2019, incluso ante imprevistos e incertidumbres asociadas a factores climáticos. El modelo en cuestión puede ser utilizado en la toma de decisiones para llevar a cabo futuros planes estratégicos que implican cuestiones públicas asociadas a la ciudad de Lavras. Estas previsiones también pueden utilizarse para ayudar a los gestores de la central hidroeléctrica de Funil/MG a programar adecuadamente las futuras operaciones de flujo de agua y su mantenimiento, ya que está cerca del municipio de Lavras.
Citas
Almeida, E. M., Oliveira, A. C. S., Sanches, L., & Pascoa, M. A. R. (2020). Comportamento e previsão do nível do rio Cuiabá por meio de modelos SETAR. Sigmae, 9(2), 1-13.
Akaike, H. (1973). Maximum likelihood identification of gaussian autoregressive moving average models. Biometrika, 21, 243-247.
Araújo, L. E., Silva, D. F., Neto, J. M. M., & Souza, F. A. S. (2007). Análise da variabilidade espaço-temporal da precipitação na bacia do Rio Paraíba usando IAC. Revista de Geografia, 22(2), 23-26.
Barbosa, E. C., Sáfadi, T., Nascimento, M., Nascimento, A. C. C., Silva, C. H. O., & Manuli, R. C. (2015). Metodologia Box & Jenkins para previsão de temperatura média mensal da cidade de Bauru (SP). Revista Brasileira de Biometria, 33(1), 104-117.
Batista, A. L. F. (2009). Modelos de séries temporais e redes neurais artificiais na previsão de vazão. Dissertação de mestrado, Universidade Federal de Lavras, Lavras, MG, Brasil.
Box, G. E. P., Jenkins, G. M., Reinsel, G., & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (4a ed.). San Francisco: Wiley.
Cintra, R. A., Melo, M. I. P., & Bueno Filho, J. S. S. (2019). Modelos de séries temporais para a previsão da temperatura média mensal de Lavras, MG. Sigmae, 8(2), 596-605.
Ferreira, R. A., Miranda, V. F. L., Santos, P. M., & Sáfadi, T. (2020). Um estudo sobre a evolução de óbitos por câncer de mama no Brasil usando modelos de séries temporais. Research, Society and Development, 9(12), 1-20.
Hannan, E. J., & Quinn, B. G. (1979). The determination of the order of autoregression. Journal of the Royal Statistical Society: Series B (Methodological), 41(2), 190-195.
Instituto Nacional de Meteorologia. (2020). Recuperado em 15 de outubro de 2020, de https://portal.inmet.gov.br/dadoshistoricos#.
Ljung, G. M., & Box, G. E. P. (1978). On a measure of lack of _t in time series models. Biometrika, 65(2), 97-303.
Mello, Y. R., & Oliveira, T. M. N. (2016). Análise estatística e geoestatística da precipitação média para o município de Joinville/SC. Revista Brasileira de Meteorologia, 31(2), 229-239.
Miranda, T. P. (2016). Previsão da precipitação mensal do município de Ouro Branco - MG, por meio de modelos de séries temporais. Dissertação de mestrado, Universidade Federal de São João Del Rei, São João Del Rei, MG, Brasil.
Moraes, B. C., Costa, J. M. N., Costa, A. C. L., & Costa, M. H. (2005). Variação espacial e temporal da precipitação no estado do Pará. Acta Amazônica, 35(2), 207-214.
Morettin, P. A., & Toloi, C. M. C. (2006). Análise de Séries Temporais (2a ed.). São Paulo: E. Blucher.
Paiva, D. A., Herval, A. C. F., & Sáfadi, T. (2019). Metodologia de Séries Temporais como ferramenta de análise na produção de frangos no Brasil. Sigmae, 8(2), 227-237.
Passos, M. L. V., Raposo, A. B., & Mendes, T. J. (2017). Precipitação pluviométrica mensal e anual provável para o município de São Mateus /ES. Agropecuária Científica no Semiárido, 13(2), 162-168.
Pereira, A. R., Costa, A. S., Oliveira, V. G., Borges, P. F., & Filho, A. I. (2015). Análise do comportamento das médias anuais da precipitação pluvial e temperatura da cidade de Areia, Paraíba. Gaia Scientia, 9(1), 67-73.
R Development Core Team. (2021). R: a language and environment for statistical computing. Vienna: R Foundation for statistical computing. http://www.Rproject.org.
Santos, F. A., & Aquino, C. M. S. (2017). Análise da precipitação pluviométrica no município de Castelo do Piauí, Nordeste do Brasil. Geousp, 21(2), 619-633.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Pedro Henrique Alves Bittencourt Santos; Otávio Augusto dos Santos Delfino; Ricardo Vitor Ribeiro dos Santos; Mateus do Nascimento
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
