Análise fatorial em series temporais com long-memory, outliers e sazonalidade : aplicação em poluição do ar na região da Grande Vitória-ES

Página do item simplificado
dc.contributor.advisor1Reisen, Valdério Anselmo
dc.contributor.authorSgrancio, Adriano Marcio
dc.contributor.referee1Zielgmann, Flávio Augusto
dc.contributor.referee2Reis Junior, Neyval Costa
dc.contributor.referee3Albuquerque, Taciana Toledo de Almeida
dc.contributor.referee4Bovas, Abraham
dc.contributor.referee5Thavanesswaran, Aerambamoorthy
dc.date.accessioned2016-01-05T10:06:44Z
dc.date.available2016-06-24T06:00:08Z
dc.date.issued2015-07-20
dc.date.submitted2015-07-20
dc.description.abstractStudies about air pollution typically involve measurements and analysis of pollutants, such as PM10 (particulate matter), SO2 (sulfur dioxide) and others. These data typically have important features like serial correlation, long dependency, seasonality and occurence of atypical observations, and many others, which may be analyzed by means of multivariate time series. In this context, a robust estimator of fractional robust autocovariance matrix of long dependence and seasonal frequency for SARFIMA model is proposed. The model is compared to SARMA model and is applied to SO2 concentrations. In addition of the mentioned features the data present high dimensionality in relation to sample size and number of variables. This fact complicates the analisys of the data using vector time series models. In the literature, the approach to mitigate this problem for high dimensional time series is to reduce the dimensionality using the factor analysis and principal component analysis. However, the long dependence characteristics and atypical observations, very common in air pollution series, is not considered by the standard factor analysis method. In this context, the standard factor model is extended to consider time series data presenting long dependence and outliers. The proposed method is applied to PM10 series of air quality monitoring network of the Greater Vitoria Region - ES.eng
dc.description.resumoOs estudos de poluição atmosférica geralmente envolvem medições e análises de dados de concentrações de poluentes, como é o caso do MP10 (material particulado), de SO2 (Dióxido de enxofre) e de outros poluentes. Estes dados normalmente possuem características importantes como autocorrelação, longa dependência, sazonalidade e observações atípicas, que necessitam de ferramentas de análise de séries temporais multivariadas para avaliar o seu comportamento na atmosfera. Neste contexto, propomos um estimador fracionário robusto da matriz de autocovariância robusta de longa dependência e frequência sazonal, para o modelo SARFIMA. O interesse prático em poluição do ar ´e avaliar o comportamento das séries de concentrações de SO2 e fazer as previsões, mais acuradas, deste poluente. As previsões, do modelo SARFIMA estimado, são comparadas às previsões do modelo SARMA, através do erro quadrático médio. Existe outra dificuldade na investigação dos poluentes atmosféricos, por modelos de séries temporais: os dados de SO2, de MP10 e de outros poluentes possuem alta dimensionalidade. Este fato dificulta o tratamento dos dados através de modelos vetoriais autorregressivos, pelo excessivo número de parâmetros estimados. Na literatura, a abordagem do problema para séries temporais de grandes dimensões ´e feita através da redução da dimensionalidade dos dados, utilizando, principalmente, o modelo fatorial e o método de componentes principais. Porém, as características de longa dependência e de observações atípicas das séries de poluição atmosférica, normalmente, não são envolvidas na teoria de análise fatorial. Neste contexto, propomos aqui uma contribuição teórica para o modelo fatorial de séries temporais de grandes dimensões, envolvendo longa dependência e robustez na estimação dos fatores. O modelo sugerido ´e aplicado em séries de MP10 da rede de monitoramento da qualidade do ar da Grande Vitória - ES.
dc.description.sponsorshipCAPES
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/1654
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseDoutorado em Engenharia Ambiental
dc.publisher.departmentCentro Tecnológico
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Engenharia Ambiental
dc.rightsopen access
dc.subjectfactor analysiseng
dc.subjectair pollutioneng
dc.subjecttime series analysiseng
dc.subjectlong memoryeng
dc.subjectMP10por
dc.subjectSO2por
dc.subjectOutlierspor
dc.subjectRobustezpor
dc.subjectAnálise fatorialpor
dc.subjectAr – Poluiçãopor
dc.subjectAnálise de séries temporaispor
dc.subjectValores estranhos (Estatística)por
dc.subjectEstatística robustapor
dc.subjectDióxido de enxofrepor
dc.subjectMaterial particuladopor
dc.subjectPoluição do arpor
dc.subjectLonga dependênciapor
dc.subjectMaterial particuladopor
dc.subjectDióxido de enxofrepor
dc.subject.cnpqEngenharia sanitária
dc.subject.udc628
dc.titleAnálise fatorial em series temporais com long-memory, outliers e sazonalidade : aplicação em poluição do ar na região da Grande Vitória-ES
dc.typedoctoralThesis
frapo.hasFundingAgencyCAPES
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
ANALISE FATORIAL EM SERIES TEMPORAIS.pdf
Tamanho:
2.09 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Doutorado em Engenharia Ambiental