Modelação de séries temporais: médias mensais de variáveis climatológicas de Benguela no período de 1983 a 2017

Abstract

O principal objetivo deste trabalho foi fazer previsões de médias mensais de variáveis climatológicas na província de Benguela a partir de informações recolhidas pelo Instituto Nacional de Meteorologia (INAMET) no período de 1983 a 2017. Para concretizar este objetivo, seguiu-se a metodologia Box & Jenkins, para encontrar o modelo adequado com base nos dados do INAMET, tendo em conta as três fases que são as seguintes: 1. a identificação do modelo auto-regressivo e de médias móveis, com ou sem sazonalidade, tipicamente denotada por ARIMA (p, d, q) (P, D, Q)s; 2. a estimação dos parâmetros auto-regressivos (p, P) e de médias móveis (q, Q); a identificação da ordem de diferenciação (integração) (d, D) e da periodicidade inerente aos dados (s); 3. e avaliação do diagnóstico para fazer previsões. O critério AIC, Akaike`s Information Criterion, usado na escolha do modelo adequado, isto é, o menor AIC, indicou o melhor modelo e na dúvida entre dois modelos, optou-se pela seleção do modelo com o menor numero possível de parâmetros. Com os modelos escolhidos, foi possível fazer previsões nas 7 variáveis climatológicas disponibilizadas pelo INAMET, nomeadamente, Temperatura Média, Temperatura Máxima, Temperatura Mínima, Precipitação, Pressão, Humidade e Velocidade do Vento. Estas previsões dizem respeito quer a períodos posteriores ao último mês de estudo, quer a períodos entre 1983 e 2017 para os quais o INAMET não tem registos dos valores para as variáveis de interesse. O trabalho desenvolvido nesta dissertação também inclui o estudo de correlações dentro de cada série temporal, assim como o estudo de correlações cruzadas entre duas séries temporais.

The target of this work was to make weather forecasts of monthly averages of climatological variables in the province of Benguela, based on data collected by the National Institute of Meteorology (INAMET) from 1983 to 2017. In order to achieve this objective, Box & Jenkins methodology was used to find the appropriate model based on the INAMET data, following three phases which are: 1. the identification of the autoregressive model and moving averages, with or without seasonality, typically denoted by ARIMA(p, d, q) (P, D, Q)s; 2. the estimation of the autoregressive parameters (p, P) and moving averages (q, Q), the identification of the order of differentiation (integration) (d, D)) and the periodicity inherent in the data (s); 3. and evaluation of the diagnosis to forecast. The AIC criterion, (Akaike`s Information Criterion), used in the choice of the appropriate model, ie the smaller AIC, show the best model and in the doubt between two models. we chose to select the model with the smallest possible number of parameters. With the model obtained, it was possible to forecasts the 7 climatological variables provided by INAMET, namely, Average Temperature, Maximum Temperature, Minimum Temperature, Precipitation, Pressure, Humidity and Wind Speed. These forecasts relate either to periods after the last month of study or to periods between 1983 and 2017 for which INAMET does not have records of the values for the variables of interest. The work developed in this dissertation also includes the study of correlations within each time series, as well as the study of cross correlations between two time series.