Análise de séries temporais de alterações climáticas

Este livro explora a import ncia de uma previs o exacta da precipita o para a gest o dos recursos h dricos, a agricultura e a prepara o para cat strofes. Apresenta uma an lise comparativa de dois modelos de previs o - Regress o Vetorial de Apoio (SVR) e M dia M vel Integrada Auto Regressiva Sazonal (SARIMA) - utilizando dados hist ricos de precipita o de 2008 a 2021 para prever tend ncias de 2022 a 2026. Atrav s de t cnicas estat sticas e de visualiza o, como a an lise de tend ncias, m dias m veis, gr ficos de caixa, mapas de calor, pontua es Z e gr ficos de densidade, o estudo identifica padr es e anomalias nos dados de precipita o. Embora ambos os modelos apresentem uma boa capacidade de previs o, o SVR demonstra um desempenho superior, especialmente na capta o de padr es complexos e n o lineares. O livro destaca as vantagens da integra o de m todos de aprendizagem autom tica com ferramentas estat sticas tradicionais para melhorar a previs o da precipita o e apoiar decis es baseadas em dados na agricultura, planeamento ambiental e resili ncia clim tica.