165 MODELOS PARA PP~VISÃO E AJUSTE DA QUANTIDADE DE
Transcripción
165 MODELOS PARA PP~VISÃO E AJUSTE DA QUANTIDADE DE
165 MODELOS PARA PP~VISÃO E AJUSTE DA QUANTIDADE DE PP~CIPITAÇÃO MENSAL EM CUBATÃO E SANTOS - METODOLOGIA BOX & JENKINS Antonio de Castro Bruni 1 Elisabeti Kira 2 RESUMO Para séries de dados de precipitação mensal de três postos pluviométricos, dois em Cubatao e um em Santos, foram ajustados modelos para a previsao de valores futuros destas séries utilizando-se a metodologia proposta por Box & Jenkiris. Para a classe de modelos especificada: Sazonais, Autorregressivos, Integrados e de Médias Móveis - (SARI~A}, foram identificados os modelos SARIMA (I,O,O)x(O,1,1)12 e SARIMA (O,O,l)x(O,l,l) 12. Para cada um' dos modelos ajustados foram feitas as verificações da validade dos mesmos quanto ao comportamento dos erros de previsão e estes s~ mostraram na forma de ruIdo brànco. O fato de os modelos ídentificados oara os três locais serem os mesmos reflete os fenômenos de macr0 escala q~e atuam na região j~ .a influência dos de micro escala é observada nas difererites estimativas para os parâmetros de um mesmo modelo para locais diferentes. O Erro Quadr~tico ~édio, EQM, dos modelos SARIMA (l,O,O)x(O,l,l) 12 para os três locais analisados se apresentaram' ligeiramente inferiores aos do SARI~A (O,O,l)x(O,I,l) 12 o que indica urna melhor qualidade de previsão utilizando-se este modelo. 1. INTRODUÇÃO O objetivo do presente trabalho é ajustar um modelo estatIstico aos dados de precipitação mensal, para três locais na Região de Cubatão, para que possamos efetuar previsões futuras. A quantidade ménsal de precipitação, em mm, é urna serie temporal discreta, ~nivariada e unidimensional, (1), a qual foi analisada segundo 'a metodologia de Box & Jenkins com o auxIlio do "Econometric Software Package - ESP" l) Cia. de Tecnologia de Saneame~to Ambiental - CETESB 2) Cia. de Tecnologia de Saneamento Ambiental - CETESB 166 Para os três locais amostrados, a saber: - Usina Henry Borden - (USINA -HB) ; - Posto Pluviométrico Caixa - 10 - (CAIXA); - Posto Pluviométrico Sab06 - (SAB06); (Veja a localização dos mesmos na figura 1) possuimos uma série de dados de 684 meses para USINA - HBi 516 meses para CAIXA e 516 meses para SAB06 (Estes Postos Pluviométricos sao da Eletropaulo) 2. METODOLOGIA ESTAT1sTICA De posse dos valores acima mencionados da série temporal, ST, iniciamos o processo de ajuste do modelo construindo o gráfico da série com o objetivo de identificarmos a existência de alguma tendência no comportamento desta. As séries observadas para os três loc~is não apresen~aram uma tendência deterministica e apresentaram uma s~zonalidade deterministica. 2.L. A Metodologia de Box & Jenkins A metodologia é baseada em um ciclo iterativo, no qual a escolha do modelo é baseada nos pr6prios dados. Os estágios do ciclo ~terativo são: a) ESPECIFICAÇÃO: uma classe geral de modelos é considerada para análise; b) IDENTIFICAÇÃO: é feita a identificação de um ou mais modelos com base na análise das auto-correlações e auto-correlações parciaisJ (1). c) ESTIMAÇÃO: os parâmetros dos modelos identificados sao estimados: d) VERIFICAÇÃO: fazemos a verificação da validade dós modelos ajustados através da análise dos seus residuos. A classe de modelos considerada foi a mais genérica possivel, isto é, trabalhamos com a classe de modelos SARIMA (Sazonais, Autoregressivos, Integrados e de Médias M6veis) i esta nomenclatura é amplamente conhecida e pode ser encontrada, por exemplo, em (1). _ ; _ '" ........ IJ ........ -~í > \ , I P"'J...· - SAO /. \ "'''0,. PAULO ~tJ O f\~~NACKEN~IE ~ &. ""'lr "( <_ 1 ISTA ( J ,,_ ,. _ / ~plSON RETlAÔ,'-'\\ ,O / U!~ ~ .......,"'" ,~ ,ELEVo DE TRAICÃO ,'Ó""'" ' ............. / "-; 1~_,l1 ',,1..3'* J' S' COJlA " , .... -""'" r O cP , . I L ÇUNBICA / J~ALn:> fi""' M "'" O . ./ . l:TAgUAOUECETU8A~ ~~~'" f""""!' .,GR~~8.,-.~. UAPE~RICA \~~;~:~:", : . .; : l \ ~OR~~' JoORt.~OO""o·. .,.~ . --,. ••"". " ' ,'.~!. 0 ",o"' h'" J."""AO"·~ ~;"'0 .. o . J.~", R""".,?),, o'" " , , , c:oK,_I"' J OJJ.'A~'HO· Cf' ~' ••" . .."" ~- I / , I ViCA .... I • , ,. BAIlOEGU I DA ...... Sf"-O .. o ••• -" _ , 1 .1 I ' i I m. ' • I • __ • .........J - . .o . ",j. . n 'li _'AO J MO~ , I ,<T" ,,_~ ' ,- - .g.IXA !O H. eORDEN EVANG<'g'A O. 5O",A o~ I r' "- \ ,.... r! " I ,,",,,, J. , ,. DOS PONTOS / 'I • "" . " '. PLUVIOMETRICOS ,. ·1 ----.. ............... USINA .'....AO "ANO' . J "-- .'- , ~;' / '--o . , AiLANilCO 01 : LOCALlZAÇAO "-... 'I " ' O ' T E NO,", OCEANO FIGURA . "I FAZ. "'AJÁ 0"')- . -"'\ -....::...../ c.uz • ' ' v • "-' M' DAS MOR"" • ."'o<C~v;;-.o.. pt~~ ~ \~.:~~""''b l Ü -...... ~.U!jlNA '/' .---./". - .-.., IH " OJ· 'I 8 '\ . ' c6NTo..... , ,"';"I'QuÊ ..... ' ,-C~:A:.~;' ..or' I"~""M" \ . 0' 0 ~.d ....~. ' ; ! ' ,':."ACA. ) 1\ 1f.EP~· ,.MSONA' O • ( _ /'........ • ' ,I "PJ-oe•• 'l \' .,' o , \..- \ I ' ,' ' ' / .u<., ' - ' 8 I ,, " .,," ' . / ' .' I _" Ir . I NfP''''' .""... - -',' : . '" •. \ , ALV<S ''''d O O • { ...J b • / \ , r.:.t: ,I ... , '" lCA" ..... ... i - " " " "" ' \ ; 0" f O.", sÃO O \ /' - - DA NOOCA, " ,. DE SALESOPOUS • • ( I • ............ - ' \ . . \.,~ 168 2.2. Resultados obtidos para cada local analisado Para as três séries de dados foi preciso efetua~ uma diferença sazonal de período 12 meses para obtermos' estacionariedade da série resultante, (2) Foram identificados os modelos SARlMA (1,0,0) x (0,1,lh2 e SARlMA (0,0,1) x (0,1,lh2 para as séries de dados e seus parâmetros foram então estimados. Quadro I - Estimativas obtidas para os parâmetros dos modelos identificados e Erros Quadráticos Médios. Modelos/Parâmetros * Local SAI3-IMA (1,0,0) EQM ** x (0,1,1)12 <Pl = 0.124954 ® Usina Henry-Borden = 30.908,93 0.956994 SARlMA (0,0,1) x (0,1,1)12 ~ I = 0.132884 30.925,12 = 0.958068 ®I . Caixa lO SAR.IMA (1,0,0) x (0,1,lh2 = 0.209646 34.665,04 = 0.937769 ®: SARlMA (0,0,1) x (0,1,1)12 e I = 0.202218 35.252,71 0.936125 ~ = SARlMA (l,O~O) <P1 @1 Saboó x = 0.136586 = 0.958522 SARlMA (O,O,i) x e1 = @I = * (0,1,1) 12 21.467,45 (0,1,1) 12 0.127245 21.607,84 0.957260 Os modelos podem ser escritos na forma: SARlMA (l, SARlMA ( °,O) °,°,1) x (0,1,1) 1 2 Zt = <PI Zt - 1 + Zt-12 - <PI Zt - 13 + + ato - x (0,1, 1) 1 2 Zt ®1 at-l~ = Zt-12 + a t - + e 1 @1 ~t-=13 e 1a t - l - ®1 a t - 12 + .• LEGENDA . • fiGURA ". • , SERIE PREVISTA PELO MODELO , SERIE OBSERVADA 02: MODELO 5ARIMA (1,0,0) x (0,1,1)12 LOCAL lJSINA-HB m '-O LEGENDA , SERIE PREVISTA SERIE OBSERVADA , • • • FIGURA 03: MODELO PELO MODELO 5ARIMA (1,0,0) x ( 0,1,1) 12 LOCAL: CAIXA 10 -....J o LEGENDA • • • SERIE PREVISTA PELO MODELO SERIE OBSERVADA , FIGURA 04: MODELO SARIMA (1,O,O)x(O, 1,1)12 LOCAL: SABOO '-J 172 ** Calculado com base em previsões para 60 valores de cada série. Para os modelos obtidos foram feitas as verificações e os resultados observados expomos a seguir. Foram efetuados testes de auto~orrelação residual para os resíduos dos modelos e todos nao apresentaram significância estatística, isto é, nenhum apresentou autocorrelação entre os resíduos , (Teste de Box & Pierce) . Foi testada a significância estatística de cada um dos parâmetros do modelo e estes se apresentaram todos significativamente diferentes de zero. Para verificarmos a qualidade das previsões que os modelos irão nos fornecer, deixamos à priori as últimas 60 observações mensais para fins de comparação com os valores previstos pelos modelos, os resultados apresentamos sob forma grâfica nas figuras 2, 3 e 4, uma medida estatística associada à qualidade dos modelos é o Erro Quadrático Médio, EQM, cujos valores se encontram expostos no Quadro I. 3. CONCLUSÕES Conforme pode ser observado nas figvras 2, 3 é 4 os modelos aj4stados procuram refletir o comportamentoestocástico dos valores de cada série temporal, ou seja, as previsões efetuadas pelos modelos procuram refletir o que em média vem acontecendo no decorrer do tempo. Utilizando o critério de menor Erro Quadrático Médio para a escolha do "melhor modelo", pois, no caso, para os três locais foram ajustados dois modelos e estes foram aceitos na parte de verificação, escolhemos os modelos do tipo SARlMA (1,0,0) x (0,1,1) 12. Çomo para os t:r-ês locais o "melhor modelo" é um SARlMA"(l,O,O) X (0,1,1)12' podemos concluir que existe um comportamento sistemático na quantidade de precipitação para os três locais, por outro lado~ as estimativas obtidas para os parâmetros destes modelos para os três locais foramdiferente~, o que indica a influência de fatores de micro escala alterando o comportamento das.quantidades de precipitação. AGRADECIMENTOS Agradecemos à Eletropaulo que jentilmente nos forneceu os dados dos três postos Pluviométricos, à equipe de meteorologia da CETESB e a todos que colaboram na elaboração deste trabalho. 173 REFERENCIAS BIBLIOGRÁFICAS (1-) Morettin, P.A e Toloi, C.M.C "Modelos para Previsão de Séríes Temporais" - 139 Colóquio Brasileiro de Matemática, Poços de Caldas - MG. (1981), 2 Vol. (2) Makridakis, S. & Wheelwright, S.C. (1978) - Forecasting Methods· and Applications, New York, John Wiley & Sons. (3) Mood, M.A, Graybill, F.A., Boes,D.C. - Introduction to . the Theory of Statistics - Third Edition - 1974. 178 PRONOSTICO DE PRECIPITACION ~~ CAPITAL FEDERAL (REPUBLICA ARG~NTIKA) Ingeborg Kalaka àe Maresco Yolanàa Quinteros de Meozies Alic:a Cejas Gabriela Aodrietti 1 1 1 1 ESUMEN Este trabajo es una primera aproximación a un pronóstico probabilístico de preciFitacióo eo Capital Federal y alrededores. Eo él se analiza el comportamieoto como predictores de una serie de variables. Las de mayor significancia mostraron ser la diferencia de temperatura entre Neuquéo y Ezeiza en 500 mb y el viento en 850 mb. Se estudia también el factor de persistencia. lo INTRODUCCION Poder decir coo uo alto grado de certeza si ocurrirá o no precipitaci60 ha sido siempre un serio problema en nuestras oficinas de procóstico. Ec la mayoria de los casos este pronóstico tiene un alto grado de subjetividad y refleja asi la experiencia y la tendencia del profesional que lo formula. Nuetro cometido es apoyar estos procedimientos subjetivos coo técnicas objetivas que permitan l1acer un prooóstico probabilistico de precipitaci6n. El predictando es la probabilidad de ocurrencia en la estac~ meteorológica Observatorio Central Buenos Aires en las 24 horas posteriores a la observaci6n de 1200 ~1G. El predictando se expresó en forma binaria (0,1) O para la no ocurreocia y 1 para la ocurrencia. De acuerdo con Lund (3) una variable binaria de este tipo permite obtener valores de probabilidad cuando se trata por los métoàos com unes de regresión. Como un primer paso se ha hecbo un estudio climatológico de la 1) Servi cio Meteoro16gico Nacional Argentina S1ill Fuerza Aérea 179 precipitaci6n cuyos resultados aqui se consigna0 para posteriormente tratar los datos con el método de screening aplicado por Klein y otros (2) par3 el célculo de P P o (probab il idad de pre cip i taci 6n) • 2. r~:ETODOLOGIA Se estudió la distribución de frecu8nc~D de l~ preciJitación lrr) eon respecto a distintas V'a~iables conside::.~adas cooo posibles predietores. Estas fueron: a) variables de superficie intensidad (fi) y direccióo (dd) del vL;nto, te:-lperatura del punto de roc1o(Td), tendencia de 1:] presi6n L1p/~t, presi6n (p), variaci6n de pr3sión 6 p 2:1 24 flor2S. b) variables de altu~a temperaturalTJen 500 mb; te~per8tura de punto je roeio(T~ en 850 mb; variaci6n de ter::per::1tu:-s ele ;Junto ue rocío Ó Td en 24 horas eo 850 mb; di~erencia T - ~d eo 850 mb; intensidad y dirección deI viento ec 850, 500 y 250 mb; diferencia de las temperaturas de 3zeiza y K3uquén y de las temperaturas de Ezeiza y C6rdoba todss alias er; 500 mb. c) otras variables variaci6n de 9resión eo 24 hor38 eo Villa ]eynolds (6an Luis); variaci6n de temperatura en 24 horas eo Cerro Catedral (Neuqu6n) y en Cristo ~edentor (Mendo3a). Las diferencias de temperatu:-a eDt~e 3zeiz8 y Neuquén y entre :Szeiza y C6rdoba trátan de dar una idea de la barlJclinicidad existente. Las indicadas como otras variables se tom2~on pars comprobar lo expuesto 80 el trabajo de Schwerdtfeger (4) sobre su importancia como predictores de p~ecipitaci6n. La muestra de superfície consistió eo los datos de la observaci6n de 1200 TEG del Observatorio Central Buenos Aires desde 1968 hasta 1980 inclusive y la de altu:-8 eo los datos de la estación 3zeiza ta8bién para e1 mismo lapso~ L a 1 a t i t u d '{,lo n g i t u d ri , e 1 e va c i 6n H, d i s t 8. r1 C i a R :l direcci6n con respecto a la Capital 7ederal de las distintas estaciones cuya in~ormaci6n se utiliz6 son las siguien~as: