Modelagem para estimativa de dados faltantes em série de dados meteorológicos

• Ano de defesa: 2018
• Autor(a) principal: Guzmán, Nely Grillo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Instituto Politécnico; BR; UERJ; Programa de Pós-Graduação em Modelagem Computacional
• Palavras-chave em Português: Estimation of missing data; Auto regressive predictive method; Burg method; Estimativa de dados faltantes; Método preditivo auto regressivo; Método de Burg; Meteorologia - Metodos de simulação; Controle meteorológico - Metodos de simulação; Previsão numerica do tempo (Meteorologia); CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::METEOROLOGIA
• Link de acesso: http://www.bdtd.uerj.br/handle/1/13847

Neste trabalho é apresentada a implementação de um método preditivo auto regressivo para a estimativa de dados faltantes em série de dados meteorológicos, usando somente a informação da mesma série. Foi usado o método de Burg para o cálculo dos coeficientes auto regressivos, o qual diminui o erro gerado no cálculo desses coeficientes. Para a implementação do método foi usado o framework multiplataforma Qt através da linguagem de programação C++. Com o Qt conseguiu se obter uma interface gráfica amigável que facilita o uso do modelo. A validação do modelo foi feita com os dados das variáveis: temperatura do ar, velocidade e direção do vento, pressão atmosférica, umidade relativa e precipitação da Estação Meteorológica localizada no IPRJ/UERJ. Para a precipitação, não foram obtidos resultados favoráveis com o uso do modelo, mas o resultado obtido para as outras variáveis estão de acordo com a tolerância reportada, particularmente com as ordens 1 e 2 do modelo e a probabilidade de acerto nas estimativas não depende da quantidade de dados da série. Os dados estimados conservam as características estatísticas da série original.