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
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
CHEN, Yangyang. Spatio-temporal models by wavelets. 2023. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-25052023-222701/. Acesso em: 02 jan. 2026. -
APA
Chen, Y. (2023). Spatio-temporal models by wavelets (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45133/tde-25052023-222701/ -
NLM
Chen Y. Spatio-temporal models by wavelets [Internet]. 2023 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-25052023-222701/ -
Vancouver
Chen Y. Spatio-temporal models by wavelets [Internet]. 2023 ;[citado 2026 jan. 02 ] Available from: https://www.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 o DOI: 10.11606/T.45.2023.tde-25052023-222701 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
