A geoestatistical spatio-temporal modelling with locations varying over time

Detalhes bibliográficos
Autor(a) principal: Sehaber, Vanessa Ferreira, 1987-
Data de Publicação: 2018
Tipo de documento: Tese
Idioma: eng
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/70607
Resumo: Orientador: Dr. Paulo Justianiano Ribeiro Jr
id UFPR_a9d5200ece1f47328856367bb327d75f
oai_identifier_str oai:acervodigital.ufpr.br:1884/70607
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Sehaber, Vanessa Ferreira, 1987-Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaRibeiro Junior, Paulo Justiniano, 1967-2021-12-13T15:21:12Z2021-12-13T15:21:12Z2018https://hdl.handle.net/1884/70607Orientador: Dr. Paulo Justianiano Ribeiro JrTese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa : Curitiba, 29/03/2018Inclui referências: p.59-65Resumo: Foi investigado um modelo espaço-temporal geoestatístico condicional gaussiano (CGSTM) com o objetivo de ajustar medidas observadas em posições não fixas ao longo do tempo (discreto), considerando apenas as localizações observadas. O modelo especifica o estado do processo no tempo atual, condicionado ao estado do processo no passado recente. Em particular, a média do processo usa uma função de ponderação a qual rege a evolução do modelo espaço-temporal e trata da interação entre o espaço e o tempo. O CGSTM fornece recursos atraentes, tais como: possui a estrutura de um modelo linear dinâmico, modela a variável resposta observada em posições não fixas ao longo do tempo e fornece mapas de previsão com k-passos 'a frente. A inferência e a estimação foram feitas pelo método da máxima verossimilhança, baseando-se no algoritmo do filtro de Kalman. Foi obtida uma distribuição conjunta espaço-temporal equivalente a uma dada especificação do CGSTM, cujas matrizes de covariância e de precisão são apresentadas por meio de uma expressão fechada. Realizamos alguns estudos de simulação considerando localizações de dados reais e simulados, que apresentam as localizações dos dados variando ao longo do tempo. Em outro momento, um estudo de simulação foi executado usando vários cenários para valores de parâmetros e número de observações no tempo e no espaço, observando a consistência e o viés dos estimadores do modelo. Por final, o modelo foi ajustado ao conjunto de dados de precipitação média mensal, com 678 registros temporais em 32 estações localizadas no oeste do Paraná, Brasil. As localizações das estações pluviométricas sofreram mudanças geográficas de 1961 a 2017. Nesta modelagem, usamos variáveis explicativas e fornecemos mapas de previsão. A especificação intuitiva e parsimoniosa do modelo aliada a possibilidade de incorporação de localizações não-fixas na análise espaço-temporal, fazem o CGSTM uma atrativa e uma possível referência simples de modelo para a análise espaço-temporal de dados. Palavras-chaves: Localizações Não Fixas, Modelo espaço-temporal Geoestatístico Condicional, Filtro de Kalman.Abstract: We investigated a Gaussian conditional geostatistical spatio-temporal model (CGSTM) aiming to fit data observed at non-fixed locations over discrete times, based only on the observed locations. The model specifies the process state at the current time conditioning on the process state in the recent past. Particularly, the process mean uses a weighting function governing the spatio-temporal model evolution and handling the interaction between space and time. The CGSTM provides attractive features, such as it belongs to the dynamic linear model framework, models non-fixed locations over time and easily provides forecasting maps k-steps ahead. Likelihood estimation and inference are based on a Kalman filter-based algorithm. Equivalent closed form of a covariance and precision matrices of the spatio-temporal joint-distribution was obtained.We performed some simulation studies considering simulated and real data locations, which present data locations varying over time. Also, a simulation study was ran using various scenarios for parameter values and number of observations in time and space, observing consistency and unbiasedness of model estimators. Finally, the model was fitted to the average monthly rainfall dataset, with 678 temporal registers at 32 stations located in western Paraná, Brazil. The rainfall station locations suffered geographical changes from 1961 to 2017. In this modelling, we used explanatory variables and provided forecasting maps. The intuitive and parsimonious model specification and the possibility of incorporating non-fixed locations in the spatio-temporal analysis, combined with the easy computation, make the CGSTM an attractive and a possible simple reference model for analysis of spatio-temporal data. Key-words: Non-Fixed Locations, Conditional Geostatistical Spatio-Temporal Model, Kalman Filter.1 arquivo ( 108 p.) : PDF.application/pdfGeologia - Métodos estatísticosAnálise NuméricaEspaço e tempoA geoestatistical spatio-temporal modelling with locations varying over timeinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisengreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - T - VANESSA FERREIRA SEHABER.pdfapplication/pdf3819989https://acervodigital.ufpr.br/bitstream/1884/70607/1/R%20-%20T%20-%20VANESSA%20FERREIRA%20SEHABER.pdf02ea7588bf892addd1a7f3b1735e4318MD51open access1884/706072021-12-13 12:21:12.165open accessoai:acervodigital.ufpr.br:1884/70607Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082021-12-13T15:21:12Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv A geoestatistical spatio-temporal modelling with locations varying over time
title A geoestatistical spatio-temporal modelling with locations varying over time
spellingShingle A geoestatistical spatio-temporal modelling with locations varying over time
Sehaber, Vanessa Ferreira, 1987-
Geologia - Métodos estatísticos
Análise Numérica
Espaço e tempo
title_short A geoestatistical spatio-temporal modelling with locations varying over time
title_full A geoestatistical spatio-temporal modelling with locations varying over time
title_fullStr A geoestatistical spatio-temporal modelling with locations varying over time
title_full_unstemmed A geoestatistical spatio-temporal modelling with locations varying over time
title_sort A geoestatistical spatio-temporal modelling with locations varying over time
author Sehaber, Vanessa Ferreira, 1987-
author_facet Sehaber, Vanessa Ferreira, 1987-
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
dc.contributor.author.fl_str_mv Sehaber, Vanessa Ferreira, 1987-
dc.contributor.advisor1.fl_str_mv Ribeiro Junior, Paulo Justiniano, 1967-
contributor_str_mv Ribeiro Junior, Paulo Justiniano, 1967-
dc.subject.por.fl_str_mv Geologia - Métodos estatísticos
Análise Numérica
Espaço e tempo
topic Geologia - Métodos estatísticos
Análise Numérica
Espaço e tempo
description Orientador: Dr. Paulo Justianiano Ribeiro Jr
publishDate 2018
dc.date.issued.fl_str_mv 2018
dc.date.accessioned.fl_str_mv 2021-12-13T15:21:12Z
dc.date.available.fl_str_mv 2021-12-13T15:21:12Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/70607
url https://hdl.handle.net/1884/70607
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 arquivo ( 108 p.) : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/70607/1/R%20-%20T%20-%20VANESSA%20FERREIRA%20SEHABER.pdf
bitstream.checksum.fl_str_mv 02ea7588bf892addd1a7f3b1735e4318
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847525430177824768

Registros relacionados