Predição de Chuvas e Eventos Extremos (Séries Temporais)

Este projeto utiliza técnicas avançadas de Ciência de Dados para analisar o histórico pluviométrico do Estado de São Paulo e prever volumes de precipitação, auxiliando na antecipação de eventos críticos como secas ou enchentes. O trabalho inclui todo o ciclo de desenvolvimento de um modelo preditivo usando a metodologia CRISP-DM: ingestão e limpeza de dados (DAEE 1985-2021), análise exploratória, engenharia de features temporais, treinamento de múltiplas arquiteturas, otimização de hiperparâmetros e análise de interpretabilidade estatística. O estudo compara o desempenho de modelos lineares clássicos contra abordagens que consideram a sazonalidade, definindo a estratégia mais segura para o planejamento hidrológico regional.

O modelo SARIMA provou ser superior em todas as métricas de avaliação, alcançando um RMSE de 59.63, o que representa uma redução drástica de erro em comparação aos modelos AR e MA simples. O diferencial desta abordagem foi a capacidade de capturar a sazonalidade característica do clima tropical, prevendo com precisão os picos de chuva de janeiro onde modelos conservadores falharam. Essa assertividade transforma dados históricos em uma ferramenta de prevenção, permitindo uma gestão de recursos hídricos baseada em evidências estatísticas e reduzindo os riscos de desastres naturais.

Principais Destaques

• Modelagem Preditiva Multicritério: Comparação rigorosa entre 5 modelos de séries temporais (AR, MA, ARMA, ARIMA e SARIMA) para identificação da melhor performance.
• Testes de Estacionariedade: Aplicação do teste KPSS (Kwiatkowski-Phillips-Schmidt-Shin) para validar a estrutura da série e garantir o tratamento adequado de tendências.
• Otimização via AIC: Utilização do Critério de Informação de Akaike (AIC) para selecionar o modelo com o melhor equilíbrio entre complexidade e poder preditivo.
• Captura de Sazonalidade: Implementação de componentes sazonais que permitiram modelar com precisão a volatilidade e os picos pluviométricos anuais.
• Análise de Erro e Validação: Avaliação comparativa detalhada (RMSE e MAE), demonstrando a superioridade do SARIMA na mitigação de subestimação de eventos extremos.