Modelos autorregressivos periódicos para previsão e geração de séries de vazões médias mensais

Autor(es)

Ricardo Luis dos Reis

• Tipo de documento: Tese de Doutorado
• Imprenta: São Carlos.
• Instituição: Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB)
• Data de defesa: 2013-03-08

Membros da banca

Marinho Gomes de Andrade Filho; Rosangela Ballini; Ricardo Sandes Ehlers; Luis Aparecido Milan; Thelma Sáfadi

• Orientador: Marinho Gomes de Andrade Filho

Resumo

Este trabalho aborda o problema de modelagem de séries de vazões médias mensais visando previsão e geração de séries sintéticas. Destaca-se que a importância da previsão de valores futuros das séries mensais de vazões assim como a geração de séries sintéticas são fundamentais para o planejamento da operação de sistemas hidroelétricos brasileiros. Estas séries possuem um comportamento periódico na média, na variância e na função de autocorrelação e, portanto, considera-se para a série padronizada os modelos autorregressivos periódicos PAR(pm). Em relação a previsão clássica, a análise do erro de previsão e feita em função do horizonte de previsão. Neste estudo, os erros de previsão são calculados, na escala original da série de vazão, em função dos parâmetros dos modelos ajustados e avaliados para horizontes de previsão h variando de 1 a 12 meses. Estes erros são comparados com as estimativas das variâncias das vazões para o mês que está sendo previsto. Em relação à previsão bayesiana, adota-se os modelos Normal, Log-Normal e t-Student nos processos de estimação e, após, é realizado um estudo da perfomance destes modelos usando o erro quadrático médio, erro absoluto médio e erro percentual absoluto médio. Em relação à geração de séries sintéticas de vazões, um modelo multivariado Log-Normal com três parâmetros e um modelo Log-Normal generalizado foram desenvolvidos. As séries geradas são comparadas com as séries históricas reais utilizando o critério de Kullback-Leibler. Como resultado, tem-se uma avaliação da capacidade de previsão, em meses, dos modelos ajustados para cada mês e a escolha do modelo Log-Normal nos procedimentos de análise bayesiana. Além disso, o modelo utilizado para a geração de séries sintéticas de vazões mensais forneceu evidências que o apontam como uma alternativa ao modelo amplamente adotado no setor elétrico brasileiro para geração de séries de vazões (AU)

• Processo FAPESP: 09/09424-2 - Modelo Transformado Generalizado Periódico Auto-Regressivo TGPAR(pm)
• Beneficiário: Ricardo Luis dos Reis
• Modalidade de apoio: Bolsas no Brasil - Doutorado