Modelos univariados de séries temporais para previsão das temperaturas médias mensais de Erechim, RS Univariate time series methods for forecasting the monthly mean air temperature in Erechim, RS

• Main Authors: Leonardo Chechi, Fábio M. Bayer
• Format: Article
• Language: English
• Published: Universidade Federal de Campina Grande 2012-12-01
• Series: Revista Brasileira de Engenharia Agrícola e Ambiental - Agriambi
• Subjects: ARIMA; alisamento exponencial; modelos de previsão; sazonalidade; exponential smoothing; forecasting model; seasonality
• Online Access: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662012001200009
• ISSN: 1415-4366; 1807-1929

Este trabalho apresenta uma análise de séries temporais dos dados de temperatura mínima e temperatura máxima mensal da cidade de Erechim, RS; apresenta-se uma comparação de duas classes de modelos tradicionais de previsão, nomeadamente: modelos da classe ARIMA e modelos de alisamento exponencial. Na classe de modelos ARIMA foram selecionados, utilizando-se critérios de informação, modelos do tipo SARIMA, que consideram a característica sazonal da temperatura do ar; já para os modelos de alisamento exponencial utilizaram-se os modelos Holt-Winters aditivo, em que as constantes de alisamento são determinadas de forma a minimizar o erro quadrático médio entre valores previstos e observados; esta análise permitiu a identificação de componentes como sazonalidade e períodos atípicos. Os modelos de previsão foram comparados para diferentes horizontes de previsão, sendo que os modelos da classe ARIMA se mostraram mais acurados. Os modelos ajustados se mostraram adequados para traçar previsões das variáveis de temperatura do ar, mostrando-se importantes ferramentas para a climatologia agrícola.<br>This paper presents a time series analysis of the minimum and maximum air temperature of Erechim, RS. A comparison between two traditional classes of the forecasting models, namely: ARIMA models and exponential smoothing models is also presented. In the class of ARIMA models using criteria information, SARIMA type models that consider the seasonal characteristics of air temperature were selected, whereas for exponential smoothing models Holt-Winters additive algorithm were used. Smoothing constants are determined to minimize the mean square error between observed and predicted values. This analysis allowed the identification of components such as seasonality and atypical periods. The model predictions were compared for different forecast horizons. The ARIMA class models proved to be more accurate while the adjusted models were adequate for adjusting forecasts of variables of air temperature, being important tools for agricultural climatology.