O uso da geoestatística espaço-temporal e aprendizagem de máquina na predição da temperatura máxima do ar

Abstract

Dados espaço-temporais são caracterizados pela descrição da variabilidade no tempo e no espaço. Atualmente, os estudos desses tipos de dados têm proporcionado grandes avanços em áreas como ciências ambientais, geofísicas, biologia, epidemiologia e outras. Os procedimentos comuns de estatística, frequentemente, não são suficientes para descrever os processos espaço-temporais, pois não conseguem captar a variabilidade nas dimensões espaço e tempo conjuntamente. Para estes processos existem três tipos de abordagem: análise puramente espacial, que considera cada tempo separadamente, ou seja, desconsidera a dependência temporal e analisa os dados do processo utilizando técnicas usuais de estatística espacial para cada tempo; análise puramente temporal, onde cada localização desconsidera-se a dependência espacial e analisa os dados do processo utilizando técnicas usuais de séries temporais; e análise espacial e temporal, que é capaz de analisar conjuntamente tanto as dependências espaciais quanto as temporais existentes no conjunto de dados. Ainda não existe um consenso sobre quais são as técnicas mais adequadas de modelagem que atendem às necessidades de aplicações que envolvam simultaneamente tempo e espaço. O desenvolvimento destas técnicas e a construção de representações computacionais apropriadas é um dos grandes desafios da geoinformação. Desta forma, este trabalho tem como objetivo fazer uma exposição teórica de algumas metodologias disponíveis na geoestatística espaço-temporal e/ou aprendizagem de máquina, bem como utilizar um conjunto de dados reais para fazer predição via estrutura de funções de covariâncias espaço-temporais e via modelos de regressão baseados em aprendizagem de máquina, em especial, os algoritmos de random Forest e support vector machine.

Spatial-temporal data are characterized by the description of variability in time and space. Currently, studies of these types of data has provided great advances in areas such as environmental sciences, geophysics, biology, epidemiology and others. Common statistical procedures are often not sufficient to describe spatio-temporal processes because they fail to capture the variability in space and time dimensions together. For these processes there are three types of approaches: purely spatial analysis, which considers each time separately, ie, disregards the temporal dependence and analyzes the process data using usual techniques of spatial statistics for each time; purely temporal analysis, where each location is disregarded the spatial dependence and analyzes the data of the process using usual techniques of time series; and spatial and temporal analysis, which is able to analyze both spatial and temporal dependencies in the dataset together. There is still no consensus on which are the most appropriate modeling techniques that meet the needs of applications that involve both time and space. The development of these techniques and the construction of appropriate computational representations is one of the great challenges of geoinformation. In this way, this work has as objective to make a theoretical exposition of the available methodologies in the space-time geostatistics and machine learning, as well as to use a real data set to make prediction via space-time covariance function structures and via regression models based on machine learning, especially the algorithms of random forest and support vector machine.