Spatio-temporal models by wavelets (2023)
- Authors:
- Autor USP: CHEN, YANGYANG - IME
- Unidade: IME
- Sigla do Departamento: MAE
- DOI: 10.11606/T.45.2023.tde-25052023-222701
- Subjects: FILTROS DE KALMAN; PROCESSOS ESTACIONÁRIOS; PROCESSOS ESTOCÁSTICOS
- Keywords: Espaço-temporal; Função de covariância espacial; Kalman filter; Locally stationary processes; Non stationary processes; Ondaletas; Processos localmente estacionários; Processos não estacionários; Spatial covariance function; Spatio-temporal; Time-varying; Variante no tempo; Wavelets
- Agências de fomento:
- Language: Inglês
- Abstract: O modelo autoregressivo e média móvel espaço-temporal é um dos modelos frequentemente utilizados em diversos estudos de séries temporais multivariadas. Nesta análise, a suposição de estacionariedade é importante, mas nem sempre é garantida na prática e uma forma de proceder é considerar o processo localmente estacionário. Nesta tese propomos um modelo espaço-temporal variando no tempo, baseado na suposição de estacionariedade local. Os parâmetros variando no tempo são expandidos como uma combinação linear de ondaletas e alguns procedimentos de estimação são usados para estimar os coeficientes. Simulações são realizadas para estudar o desempenho do algoritmo e os efeitos dos diferentes tipos de matrizes de pesos espaciais. Em seguida, é ilustrada uma aplicação aos registros históricos diários de precipitação dos estados do meio-oeste dos EUA. Para o caso não estacionário, propomos um procedimento para estimar a função de covariância espacial não estacionária e estudamos o problema de deformação no espaço e tempo. O procedimento é baseado em uma abordagem de função monótona e as funções são expandidas usando bases de ondaletas. A deformação proposta garante uma transformação injetiva. Ou seja, duas localizações distintas no plano geográfico não são mapeadas no mesmo ponto no plano deformado. Por fim, simulações e uma aplicação aos registros históricos diários de temperatura máxima são ilustradas
- Imprenta:
- Data da defesa: 26.04.2023
- Status:
- Artigo possui versão em acesso aberto em repositório (Green Open Access)
- Versão do Documento:
- Versão submetida (Pré-print)
- Acessar versão aberta:
-
ABNT
CHEN, Yangyang. Spatio-temporal models by wavelets. 2023. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://teses.usp.br/teses/disponiveis/45/45133/tde-25052023-222701/. Acesso em: 09 abr. 2026. -
APA
Chen, Y. (2023). Spatio-temporal models by wavelets (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/45/45133/tde-25052023-222701/ -
NLM
Chen Y. Spatio-temporal models by wavelets [Internet]. 2023 ;[citado 2026 abr. 09 ] Available from: https://teses.usp.br/teses/disponiveis/45/45133/tde-25052023-222701/ -
Vancouver
Chen Y. Spatio-temporal models by wavelets [Internet]. 2023 ;[citado 2026 abr. 09 ] Available from: https://teses.usp.br/teses/disponiveis/45/45133/tde-25052023-222701/ - Relatório de análise estatística sobre o projeto "o estatuto teórico do sujeito nulo do português brasileiro - resultados experimentais"
- Time-varying spatio-temporal models by wavelets
- Relatório de análise estatística sobre o projeto "manutenção da língua portuguesa no Japão - investigação sobre contexto educacional e cultural de crianças brasileiras do 3º ano do Ensino Fundamental"
- Wavelet estimation of nonstationary spatial covariance function
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
