Name: Análise de séries temporais de alterações climáticas (en Portugués)
SKU: 66286482
Price: 1002.86 MXN
Availability: InStock
Author: N, Mani; S, Rithika; P. K., Sivakumaran
ISBN: 9786209012082

portada Análise de séries temporais de alterações climáticas (en Portugués)

Análise de séries temporais de alterações climáticas (en Portugués)

Formato

Libro Físico

Editorial

Edicoes Nosso Conhecimento

Autor

N, Mani; S, Rithika; P. K., Sivakumaran

Idioma

Portugués

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.4 cm

ISBN13

9786209012082

Análise de séries temporais de alterações climáticas (en Portugués)

N, Mani; S, Rithika; P. K., Sivakumaran (Autor) · Edicoes Nosso Conhecimento · Tapa Blanda

Libro Nuevo Importado

Envío: 15 a 20 días háb.

$ 2,228.57$ 1,002.86

-55%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 100 unidades

$ 1,002.86

¡Envío Gratis! Llega entre el 25 Sep y el 05 Oct a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Análise de séries temporais de alterações climáticas (en Portugués)"

Este livro explora a importância de uma previsão exacta da precipitação para a gestão dos recursos hídricos, a agricultura e a preparação para catástrofes. Apresenta uma análise comparativa de dois modelos de previsão - Regressão Vetorial de Apoio (SVR) e Média Móvel Integrada Auto Regressiva Sazonal (SARIMA) - utilizando dados históricos de precipitação de 2008 a 2021 para prever tendências de 2022 a 2026. Através de técnicas estatísticas e de visualização, como a análise de tendências, médias móveis, gráficos de caixa, mapas de calor, pontuações Z e gráficos de densidade, o estudo identifica padrões e anomalias nos dados de precipitação. Embora ambos os modelos apresentem uma boa capacidade de previsão, o SVR demonstra um desempenho superior, especialmente na captação de padrões complexos e não lineares. O livro destaca as vantagens da integração de métodos de aprendizagem automática com ferramentas estatísticas tradicionais para melhorar a previsão da precipitação e apoiar decisões baseadas em dados na agricultura, planeamento ambiental e resiliência climática.