Modelagem e previsão de variáveis climáticas  usando modelos SARIMA, VAR e LSTM

Nunes, Izabella Cristina

Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/47874

Full metadata record

DC Field	Value	Language
dc.creator	Nunes, Izabella Cristina	-
dc.date.accessioned	2025-12-17T16:33:02Z	-
dc.date.available	2025-12-17T16:33:02Z	-
dc.date.issued	2025-09-24	-
dc.identifier.citation	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.	pt_BR
dc.identifier.uri	https://repositorio.ufu.br/handle/123456789/47874	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal de Uberlândia	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Métricas de Validação	pt_BR
dc.subject	Previsão	pt_BR
dc.subject	Redes Neurais	pt_BR
dc.subject	Seleção automática de Modelos	pt_BR
dc.subject	Variáveis Climáticas	pt_BR
dc.title	Modelagem e previsão de variáveis climáticas usando modelos SARIMA, VAR e LSTM	pt_BR
dc.title.alternative	Modeling and forecasting of climatic variables using SARIMA, VAR and LSTM models	pt_BR
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.contributor.advisor1	Silva, José Waldemar da	-
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/3076056770753848	pt_BR
dc.contributor.referee1	Tavares, Marcelo	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/4142478901587907	pt_BR
dc.contributor.referee2	Biase, Nádia Giaretta	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/5113310672600001	pt_BR
dc.description.degreename	Trabalho de Conclusão de Curso (Graduação)	pt_BR
dc.description.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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.course	Estatística	pt_BR
dc.sizeorduration	49	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA	pt_BR
dc.orcid.putcode	200112366	-
Appears in Collections:	TCC - Estatística

Files in This Item:

File	Description	Size	Format
ModelagemPrevisãoVariáveis.pdf	TCC	6.07 MB	Adobe PDF	View/Open

Show simple item record