UMA APLICAÇÃO DE LIMIAR DE ONDA NA SÉRIE DE TEMPO DE CONCENTRAÇÃO DE MATERIAL DE PARTÍCULADO
DOI:
https://doi.org/10.53612/recisatec.v1i2.7Palavras-chave:
ondaletas, estatística, material particulado, poluição do arResumo
A eliminação de ruído é extremamente importante na análise de dados para visualizar padrões, estimar características estruturais presentes nos dados e evitar classificações erradas. Na área ambiental, é de interesse identificar dias com elevados níveis de poluentes suspensos no ar que podem impactar na saúde da população. Entretanto, os dados coletados dos níveis de poluentes em uma certa região, assim como ocorre em qualquer procedimento de coleta de dados, apresentam presença de ruído aleatório, o que pode levar a erros de classificação do real contexto de poluição da região considerada. Nesse sentido, métodos estatísticos de eliminação de ruído são bem-vindos para reduzir o ruído nos dados de níveis de poluição do ar. O presente trabalho propõe o uso do estimador de coeficientes de ondaletas por limiar suave com política de escolha de limiar universal para redução de ruído em séries temporais envolvendo materiais particulados (PM) suspensos no ar e identificação de dias com altos níveis de concentração desses poluentes. A técnica é aplicada em séries temporais de PM10 e PM2.5 coletadas pela Companhia Ambiental de São Paulo (CETESB) na estação de Santos no período de 2018-2020.
Downloads
Referências
Angelini C, Vidakovic B (2004) Gama-minimax wavelet shrinkage: a robust incorporation of information about energy of a signal in denoising applications. Stat Sin 14:103–125.
CETESB, (2021a) https://cetesb.sp.gov.br/ar/poluentes/. Acesso em 23/08/2021.
CETESB, (2021b) https://cetesb.sp.gov.br/ar/padroes-de-qualidade-do-ar/ . Acesso em 23/08/2021.
Daubechies, I., (1992) Ten Lectures on Wavelets. SIAM, Philadelphia. DOI: https://doi.org/10.1137/1.9781611970104
Donoho DL (1993a) Nonlinear wavelet methods of recovery for signals, densities, and spectra from indirect and noisy data. in Proceedings of Symposia in Applied Mathematics, volume 47, American Mathematical Society, Providence: RI. DOI: https://doi.org/10.1090/psapm/047/1268002
Donoho DL (1993b) Unconditional bases are optimal bases for data compression and statistical estimation. Appl Comput Harmonic Anal 1:100–115. DOI: https://doi.org/10.1006/acha.1993.1008
Donoho DL (1995a) De-noising by soft-thresholding. IEEE Trans Inf Theory 41:613–627. DOI: https://doi.org/10.1109/18.382009
Donoho DL (1995b) Nonlinear solution of linear inverse problems by wavelet-vaguelette decomposition. Appl Comput Harmonic Anal 2:101–26. DOI: https://doi.org/10.1006/acha.1995.1008
Donoho DL, Johnstone IM (1994a) Ideal denoising in an orthonormal basis chosen from a library of bases. Compt Rend Acad Sci Paris A 319:1317–1322.
Donoho DL, Johnstone IM (1994b) Ideal spatial adaptation by wavelet shrinkage. Biometrika 81:425–455. DOI: https://doi.org/10.1093/biomet/81.3.425
Donoho DL, Johnstone IM (1995) Adapting to unknown smoothness via wavelet shrinkage. J Am Stat Assoc 90:1200–1224. DOI: https://doi.org/10.1080/01621459.1995.10476626
Mallat, S. G. (1998) A Wavelet Tour of Signal Processing. Academic Press, San Diego. DOI: https://doi.org/10.1016/B978-012466606-1/50008-8
Nason, G.P. (2008) Wavelet Methods in Statistics with R. Springer. DOI: https://doi.org/10.1007/978-0-387-75961-6
Reményi N, Vidakovic B (2015) Wavelet shrinkage with double weibull prior. Commun Stat Simul Comput 44(1):88–104. DOI: https://doi.org/10.1080/03610918.2013.765470
Sousa, A.R.S., (2020) Bayesian wavelet shrinkage with logistic prior. Communications in Statistics: Simulation and Computation.
Sousa, A.R.S, Garcia, N.L. and Vidakovic, B., (2020) Bayesian wavelet shrinkage with beta prior. Computational Statistics. DOI: https://doi.org/10.1007/s00180-020-01048-1
Sousa, A.R.S. (2021) Encolhimento bayesiano de coeficientes de ondaletas sob priori de Champernowne com aplicações. RECIMA21.
Vidakovic, B., (1999) Statistical Modeling by Wavelets. Wiley, New York. DOI: https://doi.org/10.1002/9780470317020
Downloads
Publicado
Como Citar
Edição
Secção
Categorias
Licença
Direitos de Autor (c) 2021 RECISATEC - SCIENTIFIC JOURNAL HEALTH AND TECHNOLOGY
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 4.0.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista RECISATEC, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a RECISATEC apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.
