Previsão da umidade relaiva do ar diária de Porto Alegre

Abstract

A umidade relativa interfere em vários aspectos na vida do ser humano, e devido as muitas consequências que um baixo ou um alto percentual podem acarretar, o controle de seu nível é de suma importância. Desta forma, realizar previsões acuradas da umidade relativa do ar com vistas a subsidiar as decisões necessárias nos mais variados segmentos, torna-se fundamental. Posto isto, este artigo tem como objetivo comparar vários modelos e métodos de previsão, buscando encontrar o mais acurado para prever adequadamente a umidade relativa do ar diária de Porto Alegre. Para tanto foram obtidos cinco modelos (suavização exponecial, SARIMA e ARFIMA), além das combinações dois a dois de cada um dos cinco modelos para três métodos de combinação: variâcia mínima, média e regressão. Por meio das medidas de acurácia RSME, MAPE e coeficiente U de Theil verificamos que a combinação de previsões por regressão entre o Modelo 2 (Modelo de Suavização Exponencial Multiplicativo) e Modelo 3 (Modelo ARFIMA (2,d,0)) obteve as menores medidas de acurácia em todos os caso, sendo utilizada para realizar as previsões desejadas.

Relative humidity interferes with many aspects of human life, and due to the many consequences that a low or high enough percentage of it can bring, the control of its level is of the utmost importance. Thus, making accurate forecasts of the relative humidity of the air, with the objective of subsidizing the necessary decisions in various segments of society, becomes fundamental. Given this context, this article aims to compare various models and methods of forecasting, seeking the most accurate one in order to forecast the daily relative humidity of the air of Porto Alegre, Rio Grande do Sul state, Brazil. To this intent five models were obtained (exponential smoothing, SARIMA, and ARFIMA), in addition to two-by-two combinations of each of the five models among three combination methods: minimum variance, mean, and regression. Through the RSME and MAPE accuracy measures we verified that the combination of forecasts by regression among Model 2 (Multiplicative Exponential Smoothing Model), with Model 3 (ARFIMA Model (2,d,0)) obtaining the least accuracy measures in all cases, being then used to create the desired forecasts.