[pt] O modelo autorregressivo periódico da família Box & Jenkins, PAR(p), é
empregado na modelagem e geração das séries de vazões hidrológicas e/ou de
energias naturais afluentes utilizadas no modelo de otimização do despacho
hidrotérmico no Brasil. Recentemente, alguns aspectos da modelagem têm sido
alvo de estudos e diversas pesquisas vêm sendo realizados. Inicialmente, este
trabalho visou o estudo da fase de identificação das ordens p dos modelos,
fundamental para a correta definição da estrutura de modelagem e para a geração
de cenários sintéticos. Atualmente, a identificação é feita com base na avaliação
da significância dos coeficientes da função de autocorrelação parcial (FACP),
baseados na aproximação assintótica de Quenouille. A proposta deste estudo foi a
aplicação da técnica de computação intensiva Bootstrap para estimar a real
significância dos referidos coeficientes. O segundo objetivo deste trabalho foi o
emprego da mesma técnica com vistas à geração de cenários. A metodologia
adotada atualmente ajusta uma distribuição Lognormal com três parâmetros para a
geração de ruídos aleatórios, o que parece causar uma não-linearidade indesejável
ao modelo original. Neste trabalho, os próprios resíduos gerados pelo modelo
PAR(p), quando aplicado às séries históricas, foram utilizados na geração dos
cenários. Os resultados mostraram que o Bootstrap levou à identificação de
ordens inferiores na maioria dos casos e que os cenários conservaram
satisfatoriamente as propriedades estatísticas das séries originais. Finalmente, os
resultados obtidos foram bastante satisfatórios, corroborando alguns pontos
levantados em estudos anteriores sobre a abordagem tradicional. / [en] The periodic autoregressive model, a particular structure of the Box &
Jenkins family, denoted by PAR(p), is employed to model the series of
hydrological streamflow used for estimating the operational costs of the Brazilian
hydro-thermal optimal dispatch. Recently, some aspects of this approach began to
be studied and several researches on this topic are being developed. This work
focused on the identification phase of the order "p" of the PAR(p), essential to the
correct definition of the model structure, as well as to generate synthetic scenarios
to be used in the optimization procedure. Nowadays, the identification is based on
evaluating the significance of the estimated partial autocorrelation coefficients
function (PACF), based on the asymptotic result of Quenouille. The purpose of
this study was on the application of a computer-intensive technique, called
Bootstrap, to estimate the real statistical significance of such the estimated. The
second goal of this study was use the Bootstrap technique in order to generate
synthetic scenarios. The current methodology uses an approach for noise
generation through a three parameters Lognormal distribution. Such approach
seems to cause an undesirable non-linearity in the model. In this work, the PAR
(p) resulted noises were used during the scenarios generation. The results showed
that the Bootstrap led to the identification of lower orders models, in comparison
with the traditional approach, in almost all cases. In addition, the scenarios
retained the statistical characteristics of the original series. The obtained results
were quite satisfactory, corroborating some points raised in previous studies about
the traditional approach.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:15500 |
| Date | 20 April 2010 |
| Creators | FERNANDO LUIZ CYRINO OLIVEIRA |
| Contributors | REINALDO CASTRO SOUZA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.1153 seconds