Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/33325
Type: Artigo de periódico
Title: Análise do erro de previsão de vazões mensais com diferentes horizontes de previsão
Title Alternative: Analysis of forecast error of monthly streamflow with different forecast horizons
Author: Andrade, Marinho G.
Reis, Ricardo Luis dos
Soares, Secundino
Silva Filho, Donato da
Abstract: This paper addresses the problem of forecasting for monthly mean streamflow series, in which we call the forecast horizon (h), the interval of time between the last observation used in fitting the model prediction and the future value being predicted. The analysis of the forecast error is made on the basis of the forecast horizon. These series have a periodic behavior on average, ariance and autocorrelation function. Therefore, we consider the widely used approach to modeling these series that initially consists of removing the periodicity in mean and variance of the streamflow series and then calculating a standardized series for which stochastic models are adjusted. In this study we consider the series to the standard periodic autoregressive models PAR (p m). Orders p m of the adjusted models for each month are determined from the analysis of periodic partial autocorrelation function (PePACF), using the Bayesian Information Criterion (BIC) applied to PAR models, proposed in (MecLeod, 1994) and analysis of PePACF proposed in (Stedinger, 2001). The forecast errors are calculated on the basis of parameters adjusted and evaluated for forecasting horizons h, ranging from 1 to 12 months on the original scale of the flow series. These errors are compared with estimates of the variances of the flows for the month being predicted. As a result we have an evaluation of the predictive performance in months of the adjusted models for each month.
Este trabalho aborda o problema de previsão para séries de vazões médias mensais, no qual denomina-se de horizonte de previsão (h), o intervalo de tempo que separa a última observação usada no ajuste do modelo de previsão e o valor futuro a ser previsto. A análise do erro de previsão é feita em função deste horizonte de previsão. Estas séries possuem um comportamento periódico na média, na variância e na função de autocorrelação. Portanto, considera-se a abordagem amplamente usada para a modelagem destas séries que consiste inicialmente em remover a periodicidade na média e na variância das séries de vazões e em seguida calcular uma série padronizada para a qual são ajustados modelos estocásticos. Neste estudo considera-se para a série padronizada os modelos autorregressivos periódicos PAR (p m). As ordens p m dos modelos ajustados para cada mês são determinadas usando os seguintes critérios: a análise clássica da função de autocorrelação parcial periódica (FACPPe); usando-se o Bayesian Information Criterion (BIC) proposto em (MecLeod, 1994); e com a análise da FACPPe proposta em (Stedinger, 2001). Os erros de previsão são calculados, na escala original da série de vazão, em função dos parâmetros dos modelos ajustados e avaliados para horizontes de previsão h variando de 1 a 12 meses. Estes erros são comparados com as estimativas das variâncias das vazões para o mês que está sendo previsto. Como resultado tem-se uma avaliação da capacidade de previsão, em meses, dos modelos ajustados para cada mês.
Subject: Modelo PAR
previsão de vazão
erro de previsão
sistemas hidrelétricos
PAR model
streamflow forecasting
forecast error
hydroelectric systems
Editor: Sociedade Brasileira de Automática
Rights: aberto
Identifier DOI: 10.1590/S0103-17592012000300004
Address: http://dx.doi.org/10.1590/S0103-17592012000300004
http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592012000300004
Date Issue: 1-Jun-2012
Appears in Collections:Artigos e Materiais de Revistas Científicas - Unicamp

Files in This Item:
File Description SizeFormat 
S0103-17592012000300004.pdf151.15 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.