PREENCHIMENTO DE FALHAS EM DADOS DE CORRELAÇÃO DE ANOMALIA DO GEOPOTENCIAL (500 hPa)

Moura, Rildo Gonçalves de; Aravéquia, José Antônio; Lopo, Alexandre Boleira

doi:10.5902/2179460x13176

Cited by 1 publication

(3 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Segundo Heidt (2019), que testou alguns métodos de imputação múltipla, os métodos Predictive Mean Matching (PMM; Rubin, 1986;Heitjan & Little, 1991) e Classification and Regression Trees (CART; Segal, 1988;Burgette & Reiter, 2010) obtiveram os melhores resultados, apresentando bom desempenho em todos os percentis de falhas de dados, com valores próximos aos valores originais, enquanto os demais métodos, On-the-fly imputation (OTF; Heidt, 2019) e Randon Forest (RF; Breiman, 2001), foram inferiores. Moura et al (2014) aplicaram o preenchimento de falhas por imputação múltipla utilizando o método PMM em dados de anomalia de altura geopotencial e encontraram ótimos resultados quando comparados os valores preditos e observados. Lopo (2014) aplicou esse método (PMM) para preencher dados faltantes de séries de radiação ultravioleta (UV) e verificou que a variância é homogênea entre os grupos de dados imputados e não imputados, logo, o método foi satisfatório.…”

Section: Validação Da Imputação Múltipla Via Predictive Mean Matchingunclassified

“…Para a análise da chuva da região foram utilizados dados diários de 5 estações meteorológicas convencionais. Suas informações são apresentadas (Moura et al, 2014).…”

Section: Aquisição E Processamento Dos Dados De Chuvaunclassified

“…Para este estudo foi aplicado o método de imputação múltipla Predictive Mean Matching (PMM) para os dados faltantes. Esse método é baseado na metodologia de Moura et al (2014), que destacam que para realizar o preenchimento dos dados faltantes uma nova série de dados sintéticos é gerada. Além do mais, os autores ressaltam que a imputação pode ser aplicada desde que sejam respeitados os critérios de proporção dos dados faltantes (5% e 15%, para uma amostra e população, respectivamente).…”

Section: Aquisição E Processamento Dos Dados De Chuvaunclassified

See 2 more Smart Citations

Validation of Multiple Imputation by Predictive Mean Matching for Pluviometric Data in Middle San Francisco Basin

Alves

Gomes²

2020

Anuário IGEO UFRJ

View full text Add to dashboard Cite

ResumoUm dos principais problemas atualmente para analisar longas séries de dados no Brasil é a falta de um banco de dados diários consistentes de estações meteorológicas. Diante disso, o objetivo deste trabalho é avaliar a acurácia do método de imputação múltipla Predictive Mean Matching (PMM) no preenchimento de dados faltantes de séries diárias de precipitação para a Bacia Hidrográfica do Médio São Francisco (BMSF). Para isso foram adquiridos dados diários de chuva cedidos pelo Instituto Nacional de Meteorologia (INMET) das estações de Bom Jesus da Lapa (BA), Carinhanha (BA), João Pinheiro (MG), Remanso (BA) e Unaí (MG), para o período de 2001 a 2017. Em seguida, dois cenários foram criados com 5% e 15% de falhas para avaliar a precisão do método PMM no preenchimento de dados faltantes. As séries originais, sem falhas, e as preenchidas pelo método adotado apresentaram uma correlação alta (r > 0,80), que consiste numa boa relação entre elas. O coeficiente de determinação (R 2 ) foi de 0,7 (0,6) para 5% (15%) de falhas. Além disso, o Erro Médio Absoluto e o Erro Quadrático Médio foram baixos para todas as estações. Também foi aplicado o teste de Wilcoxon, o qual verificou a boa acurácia na aplicação do método PMM para preencher os dados faltantes de chuva. AbstractOne of the main problems currently in analyzing long data sets in Brazil is the lack of a consistent database of daily weather stations. Therefore, the objective of this work is to evaluate the accuracy of the Predictive Mean Marching (PMM) multiple imputation method in filling missing data from daily rainfall series. For this purpose, daily rainfall data from the National Institute of Meteorology (INMET) from Bom Jesus da Lapa (BA), Carinhanha (BA), João Pinheiro (MG), Remanso (BA) and Unaí (MG) stations were acquired from the period 2001 to 2017. Then two scenarios were created with 5% and 15% failures so that it was possible to evaluate the accuracy of the PMM method for filling in missing data. The original series, without fail, and the ones completed by the adopted method presented a high correlation (r> 0.80), which consists of a good relationship between them, and coefficient of determination (R 2 ) was 0.7 (0.6) for 5% (15%) failures. In addition, Absolute Mean Error and Mean Square Error were low for all seasons. The Wilcoxon test was also applied, which verified the good accuracy in the application of the PMM method to fill in the missing rainfall data.

show abstract

Section: Validação Da Imputação Múltipla Via Predictive Mean Matchingunclassified

“…Para a análise da chuva da região foram utilizados dados diários de 5 estações meteorológicas convencionais. Suas informações são apresentadas (Moura et al, 2014).…”

Section: Aquisição E Processamento Dos Dados De Chuvaunclassified

See 1 more Smart Citation

Validation of Multiple Imputation by Predictive Mean Matching for Pluviometric Data in Middle San Francisco Basin

Alves

Gomes²

2020

Anuário IGEO UFRJ

View full text Add to dashboard Cite

show abstract

PREENCHIMENTO DE FALHAS EM DADOS DE CORRELAÇÃO DE ANOMALIA DO GEOPOTENCIAL (500 hPa)

Cited by 1 publication

References 5 publications

Validation of Multiple Imputation by Predictive Mean Matching for Pluviometric Data in Middle San Francisco Basin

Validation of Multiple Imputation by Predictive Mean Matching for Pluviometric Data in Middle San Francisco Basin

Contact Info

Product

Resources

About