Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/13950
Title: Análise e previsão de temperatura máxima mensal da cidade do Rio de Janeiro (RJ) para o ano de 2016
Other Titles: Analysis and forecast for monthly maximum temperature of Rio de Janeiro city for the year 2016
Authors: Barbosa, Eduardo Campana
Silva, Carlos Henrique Osório
Nascimento, Moysés
Lima, João Eustáquio de
Keywords: Holt-Winters
SARIMA
Sazonalidade
Temperatura
Seasonality
Temperature
Issue Date: 1-Aug-2017
Publisher: Universidade Federal de Lavras
Citation: EDUARDO, C. B.; SILVA, C. H. O.; NASCIMENTO, M.; LIMA, J. E. Análise e previsão de temperatura máxima mensal da cidade do Rio de Janeiro (RJ) para o ano de 2016. Revista Brasileira de Biometria, Lavras, v. 35, n. 1, p. 174-193, mar. 2017.
Abstract: Neste trabalho comparou-se o ajuste dos modelos aditivo de Holt-Winters e SARIMA à série de temperatura máxima mensal da cidade do Rio de Janeiro (RJ), com dados de Janeiro de 2003 a Dezembro de 2015. O modelo aditivo de Holt-Winters foi escolhido devido a característica sazonal da série e o modelo SARIMA (1,0,1)×(1,1,1)12 via Critérios de Informação de Akaike e de Schwarz. A escolha do modelo final ocorreu pelos indicadores de Erro Quadrático Médio e Erro Percentual Médio Absoluto, calculados pelo ajuste aos dados históricos. Adicionalmente, o teste de Diebold e Mariano e as características de ruído branco dos resíduos foram avaliados. O modelo SARIMA (1,0,1)×(1,1,1)12 foi o modelo que melhor se ajustou aos dados e, por isso, foi adotado para previsão de temperatura máxima mensal para o ano de 2016.
ABSTRACT: In this paper we have compared the fit of additive models of Holt-Winters and SARIMA in time series of monthly maximum temperature in the city of Rio de Janeiro (RJ) using data from January 2003 to December 2015. The Holt-Winters additive model was chosen because the seasonal behavior of the time series. The SARIMA (1,0,1)×(1,1,1)12 was chosen because provided the best Akaike Information and Schwarz Criteria. The final model was chosen by using mean square error and mean absolute percentual error. These measures were calculated using the fitted model to the historical data. Additionally, a Diebold-Mariano test for predictive accuracy was applied and white noise characteristics of the residues were evaluated. The SARIMA (1,0,1)×(1,1,1)12 was the best model fitted and so it was adopted for maximum monthly temperature forecast for the year 2016.
URI: http://repositorio.ufla.br/jspui/handle/1/13950
Appears in Collections:Revista Brasileira de Biometria



This item is licensed under a Creative Commons License Creative Commons