Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://bdtd.unifal-mg.edu.br:8443/handle/tede/1550
Tipo do documento: | Dissertação |
Título: | Modelagem de temperatura máxima não estacionária de Piracicaba (SP): uma abordagem bayesiana |
Autor: | LÁZARO AGUIRRE, Alberto Frank |
Primeiro orientador: | NOGUEIRA, Denismar Alves |
Primeiro coorientador: | BEIJO, Luiz Alberto |
Primeiro membro da banca: | MARQUES, Reinaldo Antônio Gomes |
Segundo membro da banca: | SALLES, Thiago Taglialegna |
Resumo: | A temperatura é um dos fenômenos que vêm sendo estudadas e debatidos por muitos pesquisadores sobre os aumentos (tendências) percebidos nas intensidades das temperaturas nas últimas décadas, e a ocorrência de temperaturas máximas, que é conhecido como evento extremo originado principalmente por o aquecimento global, e que estão relacionados à baixa probabilidade de ocorrência (eventos raros), e sendo de elevado impacto devido aos imensos prejuízos que eles podem causar. A teoria dos valores extremos desempenha um papel fundamental na modelagem de eventos raros que se tornaram tema de notória relevância nas últimas décadas. O presente estudo tem por objetivo modelar, via inferência Bayesiana, a temperatura máxima de Piracicaba-SP utilizando funções lineares e não lineares para incorporar a tendência no parâmetro de posição da distribuição generalizada de valores extremos (GEV). Foram utilizadas como prioris as distribuições normal e uniforme para elicitação da informação. A obtenção das marginais das distribuições a posteriori foi utilizada o método Monte Carlo via cadeias de Markov. Foram selecionadas as melhores distribuições analisando o fator de Bayes e critérios de decisão, Critério de Informações do Desvio (DIC) e o erro médio de predição (EMP). A distribuição GEV incorporando tendência não linear no parâmetro de posição mostrou ser eficiente na previsão de temperatura máxima mensal (TMM) de Piracicaba-SP e apresentando resultados mais precisos, razoáveis e com menores erros de previsão, verificou-se que nos meses janeiro a março e agosto e setembro, a melhor distribuição foi a GEV estacionária. Nos meses de abril a junho e outubro, a melhor distribuição foi a GEV não estacionária com tendência linear e com tendência não-linear para os meses julho, novembro e dezembro. Em quatro dos meses a priori informativa propiciou resultados mais precisos. As temperaturas máximas esperadas para diferentes tempos de retorno foram preditas. |
Abstract: | Temperature is one of the phenomena that have been studied and debated by many researchers about the increases (trends) perceived in the intensities of temperatures in the last decades, and the occurrence of maximum temperatures, which is known as an extreme event originated mainly by global warming, and that they are related to the low probability of occurrence (rare events), and being of high impact due to the immense losses that they can cause. The theory of extreme values plays a fundamental role in modeling rare events that have become a topic of notable relevance in recent decades. The present study aims to model, via Bayesian inference, the maximum temperature of Piracicaba-SP using linear and non-linear functions to incorporate the trend in the position parameter of the generalized distribution of extreme values (GEV). Normal and uniform distributions were used as prioris to elicit information. The obtaining of the marginals of the distributions a posteriori was used the Monte Carlo method via Markov chains. The best distributions were selected by analyzing the Bayes factor and decision criteria, Deviation Information Criterion (DIC) and the mean prediction error (EMP). The GEV distribution incorporating a non-linear trend in the position parameter proved to be efficient in forecasting the maximum monthly temperature (TMM) of Piracicaba-SP and presenting more accurate, reasonable results and with smaller forecasting errors, it was found that in the months January to March and August and September, the best distribution was stationary GEV. In the months of April to June and October, the best distribution was non-stationary GEV with a linear trend and with a non-linear trend for the months of July, November and December. In four of the informative a priori months it provided more accurate results. The maximum temperatures expected for different return times were predicted. |
Palavras-chave: | Teoria de valores extremos Tendência Nível de retorno Intervalo HPD Distribuição GEV |
Área(s) do CNPq: | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Federal de Alfenas |
Sigla da instituição: | UNIFAL-MG |
Departamento: | Instituto de Ciências Exatas |
Programa: | Programa de Pós-Graduação em Estatística Aplicada e Biometria |
Citação: | LÁZARO AGUIRRE, Alberto Frank. Modelagem de temperatura máxima não estacionária de Piracicaba (SP): uma abordagem bayesiana. 2019. 115 f. Dissertação (Mestrado em Estatística Aplicada e Biometria) - Universidade Federal de Alfenas, Alfenas, MG, 2019. |
Tipo de acesso: | Acesso Aberto |
Endereço da licença: | http://creativecommons.org/licenses/by-nc-nd/4.0/ |
URI: | https://bdtd.unifal-mg.edu.br:8443/handle/tede/1550 |
Data de defesa: | 28-Out-2019 |
Aparece nas coleções: | Mestrado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertação de Alberto Frank Lázaro Aguirre.pdf | 20,82 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Este item está licenciada sob uma Licença Creative Commons