Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/31041
ORCID: | http://orcid.org/0000-0002-0364-9388 |
Document type: | Trabalho de Conclusão de Curso |
Access type: | Acesso Aberto |
Title: | Análise de séries temporais aplicada ao programa de coleta seletiva no município de Uberlândia (MG) |
Alternate title (s): | Time series analysis applied to the selective collection program in the city of Uberlândia (MG) |
Author: | Andrade, Cássio Antonio |
First Advisor: | Biase, Nádia Giaretta |
First member of the Committee: | Guimarães, Ednaldo Carvalho |
Second member of the Committee: | Silva, Maria Imaculada de Sousa |
Summary: | O presente estudo faz uso de técnicas de análise de séries temporais em um conjunto de dados referente à coleta seletiva no município de Uberlândia (MG) durante os anos de 2011 a 2019. A série temporal explorada é a quantidade mensal de material reciclável coletado na cidade pelo serviço de coleta seletiva, disponibilizada no site da Prefeitura Municipal de Uberlândia. As técnicas de Box e Jenkins e de suavização exponencial foram utilizadas para construção de modelos que capturam as informações contidas na série, a fim de avaliar o comportamento da variável analisada ao longo do tempo, bem como efetuar previsões dos valores futuros. Tal previsão pode contribuir na formulação das políticas públicas responsáveis por uma melhor gestão dos resíduos. Ao aplicar o modelo de Box e Jenkins, foi adotado um modelo de previsão do tipo SARIMA, que considera tanto a tendência como a sazonalidade na série, sendo selecionado aquele com menor Critério de Informação de Akaike (AIC). A fim de comparar as duas técnicas de previsão, os critérios adotados foram raiz do erro quadrático médio (RMSE), erro absoluto médio (MAE) e média absoluta percentual do erro (MAPE), sendo que o modelo de Suavização Exponencial obteve menores erros, ou melhor performance, em relação ao modelo SARIMA. |
Abstract: | The present study makes use of time series analysis techniques in a data set referring to the selective collection in the city of Uberlândia (MG) during the years 2011 to 2019. The time series explored is a monthly amount of recyclable material collected in the city by the selective collection service, available on the Uberlândia City Hall website. The Box e Jenkins and exponential smoothing techniques were used to build models that capture the information contained in series, in order to evaluate the behavior of the variable analyzed over time, as well as predict future values. Forecasting can contribute to the policymaking process responsible for better waste management. When applying the Box e Jenkins model, a SARIMA forecasting model was adopted, which considers both the trend and seasonality of the series, with the one with the lowest Akaike Information Criterion (AIC) being selected. For the purpose of comparing two forecasting techniques, the root mean square error (RMSE), mean absolute error (MAE) and mean absolute percentage error (MAPE) were adopted. The Exponential Smoothing model had fewer errors, or better performance, than SARIMA model. |
Keywords: | Tendência Trend Sazonalidade Seasonality Modelo SARIMA SARIMA model Suavização exponencial Exponential smoothing |
Area (s) of CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADAS |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Uberlândia |
Quote: | ANDRADE, Cássio Antonio. Análise De Séries Temporais Aplicada Ao Programa De Coleta Seletiva No Município De Uberlândia (MG). 2021. 50 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2020. |
URI: | https://repositorio.ufu.br/handle/123456789/31041 |
Date of defense: | 16-Dec-2020 |
Appears in Collections: | TCC - Estatística |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
AnáliseDeSériesTemporais.pdf | TCC | 1.07 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License