Modelos de séries temporais para a previsão da temperatura média mensal de Lavras, MG

  • Renata Aparecida Cintra Estudante de Pós-Graduação Departamento de Estatística Universidade Federal de Lavras
  • Marcel Irving Pereira Melo Estudante de Pós-Graduação Departamento de Estatística Universidade Federal de Lavras
  • Júlio Sílvio De Sousa Bueno Filho Professor Titular Departamento de Estatística Universidade Federal de Lavras
Palavras-chave: modelo SARIMA, modelo de suavização exponencial sazonal de Holt-Winters, previsão

Resumo

Uma série temporal é caracterizada como qualquer conjunto de observações tomadas sequencialmente no tempo, cuja natureza principal é a presença de dependência nessas observações. A natureza dessa dependência é considerada um problema prático de interesse e, comumente, o objetivo de estudo da série temporal, é classificado em 4 tipos: investigar o mecanismo gerador da série, realizar previsões para valores futuros, descrever o comportamento da série e procurar periodicidade relevantes nos dados. Frequentemente, existe o interesse em modelar dados climatológicos, como por exemplo, os produtos produzidos no ramo agropecuário são influenciados pela temperatura do ar, uma vez que esta variável pode causar efeitos fisiológicos positivos ou negativos em plantas e/ou animais. Uma forma de análise para tais dados climatológicos pode ser realizada via modelos de séries temporais, visto que tais variáveis apresentam sazonalidade, correlação serial no tempo e tendem a não ser estacionárias, reunindo características ideais para o uso dessa ferramenta estatística. Portanto, este trabalho tem por objetivo estudar o comportamento futuro da série mensal da temperatura média compensada da cidade de Lavras, bem como, detectar padrões de periodicidade no comportamento da série. A seleção do modelo foi baseada naquele que apresentou menor erro quadrático médio de previsão e erro absoluto percentual médio. Destacam-se os modelos SARIMA(4,0,0)(0,1,1)$_{12}$ e suavização exponencial sazonal de Holt-Winters que apresentaram o menor erro quadrático médio de previsão e erro absoluto percentual médio, respectivamente. Conclui-se que ambos modelos, foram capazes de captar a periodicidade sazonal anual presente nas oservações, como também, fornecem boas previsões para a série de temperatura média mensal de Lavras, sugerindo que esses modelos são adequados para a realização deste tipo de análise.

Referências

BARDIN, L.; PEDRO JÚNIOR, M. J.; MORAES, J. F. L. Estimativas das temperaturas

máximas e mı́nimas do ar para a região do Circuito das Frutas, SP. Revista Brasileira de Engenharia Agrı́cola e Ambiental, v.14, n.6, p.618-624, 2010.

BOX, G. E. P.; JENKINS, G. M. Time series analysis: forecasting and control. San Francisco: Holden-Day, 1970.

BOX, G. E. P. et al. Time series analysis: forecasting and control. John Wiley & Sons, 2015.

CARGNELUTTI FILHO, A.; MALUF, J. R. T.; MATZENAUER,R. Coordenadas geográficas na estimativa das temperaturas máxima e média decendiais do ar no Estado do Rio Grande do Sul.Ciência Rural. Santa Maria. v.38, n.9, p.2448-2456, 2008.

CHECHI, L.; BAYER, F. M. Modelos univariados de séries temporais para a previsão das temperaturas médias mensais de Erechim, RS. Revista Brasileira de Engenharia Agrı́cola e Ambiental-Agriambi, v.16, n.12, 2012.

LJUNG, G. M.; BOX, G. E. P. On a measure of lack of fit in time series models. Biometrika, v.65, n.2, p.297-303, 1978.

MEDEIROS, S. de S. et al. Estimativa e espacialização das temperaturas do ar mı́nimas, médias e máximas na Região Nordeste do Brasil. Revista Brasileira de Engenharia Agrı́cola e Ambiental, v.9, n.2, p.247-255, 2005.

MORETTIN, P. A.; TOLOI, C. Análise de séries temporais. 2 a edição ver. ampl. - São Paulo: Blucher, 2006.

NICOLAU, J. Modelação de séries temporais financeiras. Coimbra: Edições Almedina, SA, 2012.

R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2019. ISBN 3-900051-07-0, URL http://www.R-project.org/.

SILVA, M. I.; GUIMARÃES, E. C.; TAVARES, M. Previsão da temperatura média mensal de Uberlândia, MG, com modelos de séries temporais. Revista Brasileira de Engenharia Agrı́cola e Ambiental, v.12, n.5, p.480-485, 2008.

TRAPLETTI, A.; HORNIK, K. tseries: Time Series Analysis and Computational Finance. R package version 0.10-46, 2018. URL https://CRAN.R-project.org/package=tseries

WICKHAM, H. tidyverse: Easily Install and Load the ’Tidyverse’. R package version 1.2.1., 2017. URL https://CRAN.R-project.org/package=tidyverse

Publicado
29-07-2019