Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/3919
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorReisen, Valdério Anselmo-
dc.date.accessioned2016-08-29T15:09:50Z-
dc.date.available2016-07-11-
dc.date.available2016-08-29T15:09:50Z-
dc.identifier.urihttp://repositorio.ufes.br/handle/10/3919-
dc.publisherUniversidade Federal do Espírito Santopor
dc.subjectModelos espaço-temporaispor
dc.subjectModelos STARMApor
dc.titleModelo ARFIMA espaço-temporal em estudos de poluição do arpor
dc.typedoctoralThesiseng
dc.subject.udc628-
dc.subject.br-rjbnMemória de longo prazopor
dc.subject.br-rjbnAr - Poluiçãopor
dc.subject.br-rjbnBootstrap (Estatística)por
dc.subject.br-rjbnPrevisãopor
dcterms.abstractNos estudos de poluição atmosférica é comum observar dados medidos em diferentes posições no espaço e no tempo, como é o caso da medição de concentrações de poluentes em uma coleção de estações de monitoramento. A dinâmica desse tipo de observações pode ser representada por meio de modelos estatísticos que consideram a dependência entre as observações em cada localização ou região e as observações nas regiões vizinhas, assim como a dependência entre as observações medidas sequencialmente. Nesse contexto, a classe de Modelos Espaço-Temporais Autorregressivos e de Médias Móveis (STARMA) é de grande utilidade, pois permite explicar a incerteza em sistemas que apresentam uma complexa variabilidade nas escalas temporal e espacial. O processo com representação STARMA é uma extensão dos modelos ARMA para séries temporais univariadas, sendo que além de modelar uma série simples através do tempo, considera-se também sua evolução em uma grade espacial. A aplicação dos modelos STARMA em estudos de poluição atmosférica é ainda pouco explorada. Nessa direção, propomos nesta Tese uma classe de modelos espaço-temporais que considera as características de longa dependência comumente observadas em séries temporais de concentrações de poluentes atmosféricos. Este modelo é aplicado a séries reais provenientes de observações diárias de concentração média de PM10 e SO2 na Região da Grande Vitória, ES, Brasil. Os resultados evidenciaram que a dinâmica de dispersão dos poluentes estudados pode ser bem descrita usando modelos STARMA e STARFIMA, propostos nesta Tese. Essas classes de modelos permitiram estimar a influência dos poluentes sobre os níveis de poluição nas regiões vizinhas. O processo STARFIMA mostrou-se apropriado nas séries sob estudo, pois essas apresentaram características de longa memória no tempo. A consideração dessa propriedade no modelo conduziu a uma melhora significativa do ajuste e das previsões, no tempo e no espaço.por
dcterms.abstractIn air pollution studies is frequent to observe data measured on time over several spatial locations. This is the case of measures of air pollutant concentrations obtained from monitoring networks. The dynamics of these kind of observations can be represented by statistical models, which consider the dependence between observations at each location or region and their neighbor locations, as well as the dependence between the observations sequentially measured. In this context, the class of the Space-Time Autoregressive Moving Average (STARMA) models is very useful since it explains the underlying uncertainty in systems with a complex variability on time and space scales. The process with STARMA representation is an extension of the univariate ARMA time series. In this case, besides the modeling of the single series on time, their evolution over a spatial grid is also considered. The application of the STARMA models in air pollution studies is not much explored. This thesis proposes a class of space-time models which consider the long memory dependence usually observed in time series of air pollutant concentrations. This model is applied to real series of daily average concentrations of PM10 and SO2 at Greater Vit´oria Region, ES, Brazil. The results obtained showed that the dispersion dynamics of the studied pollutants can be well described using the STARMA and STARFIMA models, here proposed. These class of models allowed to estimate the influence of the pollutants on the pollution levels over the neighbor regions. The STARFIMA process showed to be appropriate for the series under study since they have long memory characteristics. Taking into account the long memory properties lead to a significant improvement of the forecasts, both on time and space.eng
dcterms.creatorMonroy, Nátaly Adriana Jiménez-
dcterms.formatText-
dcterms.issued2013-08-28-
dcterms.languagepor-
dc.publisher.countryBRpor
dc.publisher.programPrograma de Pós-Graduação em Engenharia Ambientalpor
dc.publisher.initialsUFESpor
dc.subject.cnpqEngenharia Sanitáriapor
dc.publisher.courseDoutorado em Engenharia Ambientalpor
dc.contributor.refereeSantos, Jane Meri-
dc.contributor.refereeVasconcellos, Klaus Leite Pinto-
dc.contributor.refereeAndrade Filho, Marinho Gomes de-
dc.contributor.refereeAlbuquerque, Taciana Toledo de Almeida-
dc.contributor.advisor-coSubba Rao, Tata-
Aparece nas coleções:PPGEA - Teses de doutorado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_7242_Tese Nataly Adriana Jimenez Monroy.pdf1.61 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.