Análisis de series temporales de raciación solar em la Ciudad de Recife/PE
DOI:
https://doi.org/10.33448/rsd-v9i9.6870Palabras clave:
Radiación solar; Cambio climático; Modelado ; Pronóstico.Resumen
Objetivo: analizar y describir el mejor ajuste para la serie temporal de radiación solar en la ciudad de Recife / PE, aplicando los modelos ARMA y ARMAX, además de predecir los niveles de radiación para los próximos seis años. Método: se utilizaron datos del Instituto Meteorológico Nacional (INMET), disponible desde enero de 2009 hasta diciembre de 2018. Los modelos se compararon utilizando los criterios de información de Akaike. Resultados: la serie de radiación solar presenta una alta variabilidad de los promedios mensuales, lo que indica la presencia de estacionalidad y una fuerte asimetría negativa. Los resultados de las estadísticas de error muestran la precisión del modelo ARMAX (2.1), con un error porcentual alrededor del 18.68%, comparando las series observadas y ajustadas, además, fue posible identificar que el pronóstico es capaz de capturar la existencia. Conclusión: el modelo ARMAX se adaptó para describir la radiación solar incluidas las variables exógenas, presentando un mejor pronóstico con buena precisión, siendo una herramienta capaz de ayudar a las políticas de salud pública en la combatir el cáncer de piel y la intervención.
Citas
Akaike, H. (1974). A new look at the statistical model identification. IEEE transactions on automatic control, 19(6), 716-723. https://doi.org/10.1109/TAC.1974.1100705.
Alsharif, M. H., Younes, M. K., & Kim, J. (2019). Time series ARIMA model for prediction of daily and monthly average global solar radiation: The case study of Seoul, South Korea. Symmetry, 11(2), 240. https://doi.org/10.3390/sym11020240.
Baierle, E., Martins, M. T. F., Rodrigues, M. B., & Blass, L. (2019). Estudo da curva de radiação solar no município de Bagé utilizando métodos numéricos. Anais do Salão Internacional de Ensino, Pesquisa e Extensão, 10(2).
Box, G. E., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: forecasting and control. John Wiley & Sons, p. 709.
da Silva, C. A. G. (2019). Análise da previsão do preço do etanol hidratado no estado de São Paulo: uma aplicação do modelo arima/Analysis of the forecasting of the hydrated ethanol price in the state of São Paulo: an application of the arima model Brazilian Journal of Development, 5(10), 17763-17778. https://doi.org/10.34117/bjdv5n10-045.
da Silva Tabosa, F. J., Costa, E. M., do Amaral Filho, J., Neto, N. T., Araújo, J. A., & dos Santos, C. P. B. (2019). Análise da demanda por energia elétrica no meio rural do Brasil. Planejamento e Políticas Públicas, (52).
de Souza, S. R., Maciel, M. D. N. M., de Assis Oliveira, F., & de Almeida Jesuíno, S. (2011). Dinâmica da paisagem na bacia hidrográfica do Rio Apeú, nordeste do Pará, Brasil. Revista Acadêmica Ciência Animal, 9(2), 141-150. https://dx.doi.org/10.73213/cienciaanimal.v9i2.11756.
de Souza, A., Ihaddadene, R., Haddadene, N., Oguntunde, P., Pavao, H. P. H., Fernandes, W., de Oliveira-Júnior, J. F., Soares, D. G., Pobocikova, I., Abreu, M. C., & dos Santos, C. M. (2019). Modeling of the Global Solar Radiation Series as a Function of Probability Distribution. Open Science Journal of Statistics and Application, 6(3), 35.
Gómez, J. M., Carlesso, F., Vieira, L. E., & Da Silva, L. (2018). A irradiância solar: conceitos básicos. Revista Brasileira de Ensino de Física, 40(3). https://doi.org/10.1590/1806-9126-rbef-2017-0342.
Gujarati, D. N.; Porter, D. C. (2011). Econometria Básica-5. Amgh Editora, p. 918.
Handoyo, S., Efendi, A., Jie, F., & Widodo, A. (2017). Implementation of particle swarm optimization (PSO) algorithm for estimating parameter of arma model via maximum likelihood method. Far East Journal of Mathematical Sciences, 102(7), 1337-1363. http://dx.doi.org/10.17654/MS102071337.
Hopkins, W. G. Correlation coefficient: a new view of statistics. Recuperado de www.sportsci. org/resource/stats/correl.html, 2000.
Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American statistical Association, Taylor & Francis Group, 47(260), 583-621. https://doi.org/10.2307/2280779.
Mo, J. Y., & Jeon, W. (2017). How does energy storage increase the efficiency of an electricity market with integrated wind and solar power generation? A case study of Korea. Sustainability, 9(10), 1797. https://doi.org/10.3390/su9101797.
Morettin, P. A., & Toloi, C. (2004). Análise de Series Temporais. São Paulo: Edgard Blucher LTDA, p. 535.
Peng, B. I., Xiao-Ming, S. H. I., & Qi-Yong, L. I. U. (2020). Climate change and population health research in China: Knowledge gaps and further directions. Advances in Climate Change Research.
Provenza, M. M., da Serra Costa, J. F., & de Carvalho Silva, L. (2018). Análise de dados e previsão de séries temporais do homicídio doloso no Estado do Rio de Janeiro entre 2001 e 2016. Produção em Foco, 8(2). https://doi.org/10.14521/P2237-5163.2018.0015.0001.
Rocha, C. A. (2017). Índice de qualidade ambiental de áreas utilizadas para a prática de atividades físicas e lazer na cidade de Fortaleza, CE.
Santos, D. A. D. S., Azevedo, P. V. D., Olinda, R. A. D., Santos, C. A. C. D., Souza, A. D., Sette, D. M., & Souza, P. M. D. (2017). A relação das variáveis climáticas na prevalência de infecção respiratória aguda em crianças menores de dois anos em Rondonópolis-MT, Brasil. Ciência & saúde coletiva, 22, 3711-3722. https://doi.org/10.1590/1413-812320172211.28322015.
Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3/4), 591-611, 1965. https://doi.org/10.2307/2333709.
Spokas, K., & Forcella, F. (2006). Estimating hourly incoming solar radiation from limited meteorological data. Weed science, 54(1), 182-189. https://doi.org/10.1614/WS-05-098R.1.
Sobral, M. F. F., Duarte, G. B., da Penha Sobral, A. I. G., Marinho, M. L. M., & de Souza Melo, A. (2020). Association between climate variables and global transmission oF SARS-CoV-2. Science of The Total Environment, 729, 138997.
Souza, A. D., Andrade, F. A., Oguntunde, P. E., Arsić, M., & Silva, D. A. (2018). Climate indicators and the impact on morbidity and mortality of acute respiratory infections. Advanced Studies in Medical Sciences, 6(1), 5-20.
Tawatsupa, B., Lim, L. L., Kjellstrom, T., Seubsman, S. A., Sleigh, A., & Thai Cohort Study Team. (2012). Association between occupational heat stress and kidney disease among 37 816 workers in the Thai Cohort Study (TCS). Journal of epidemiology, 22(3), 251-260. https://doi.org/10.2188/jea.JE20110082.
Willmott, C. J., & Matsuura, K. (2005). Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance. Climate research, 30(1), 79-82.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Jucarlos Rufino de Freitas
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.
