Publicação: Modelagem e previsão de variáveis climáticas usando modelos SARIMA, VAR e LSTM
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Este trabalho tem como objetivo a análise e previsão de dados climáticos, mais especificamente as variáveis
de precipitação, velocidade do vento, temperatura e umidade, para a cidade de Uberlândia- MG, utilizando
modelos de séries temporais. Serão empregados três modelos de previsão: o modelo SARIMA (Seasonal Au
toregressive Integrated Moving Average), o modelo VAR (Vector Autoregressive) e a rede neural LSTM (Long
Short-Term Memory). A escolha dessas variáveis climáticas se dá pela sua importância para diversos setores,
como agricultura, meteorologia e gestão de recursos naturais, onde a previsão precisa desses dados é crucial. O
estudo visa comparar a eficácia dos modelos, tradicionalmente utilizados na literatura (SARIMA e VAR) e uma
metodologia nova (LSTM), na previsão dessas variáveis, além de avaliar a aplicabilidade de cada técnica em di
ferentes cenários. Para isso, serão utilizados dados históricos climáticos obtidos a partir da estação climatológica
do Instituto Nacional de Meteorologia (INMET), localizada no campus Santa Mônica da Universidade Federal
de Uberlândia (UFU), no período de Janeiro de 2014 á Dezembro de 2024, que serão tratados e analisados
conforme as características de cada modelo. As métricas de validação utilizadas para comparar a performance
dos modelos serão a RMSE (Raiz do Erro Quadrático Médio), a MSE (Erro Quadrático Médio) e o MAE (Erro
Médio Absoluto), que permitem indicar a qualidade das previsões. A análise revelou que o SARIMA apresentou
melhor desempenho para precipitação, temperatura e umidade, as LSTMs se destacaram na previsão do vento
devido à sua flexibilidade frente a séries mais irregulares, enquanto o VAR apresentou erros mais elevados. Esses
resultados reforçam a importância de avaliar comparativamente diferentes técnicas, considerando a natureza das
séries temporais e os fenômenos climáticos analisados.
Abstract
Palavras-chave
Métricas de Validação, Previsão, Redes Neurais, Seleção automática de Modelos, Variáveis Climáticas
Citação
NUNES, Izabella Cristina. Modelagem e previsão de variáveis climáticas usando modelos SARIMA, VAR e LSTM. 49 f. 2025. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2025.