Análise da evolução da concentração atmosférica de CO2

utilizando média móvel integrada auto-regressiva

Resumen

Os métodos de previsão em séries temporais fundamentam-se na premissa de que há um padrão ou estrutura na série histórica que pode ser identificado e projetado para o futuro. Neste estudo, adotaram-se modelos de média móvel integrada auto-regressiva, ARIMA (Autoregressive Integrated Moving Average), na análise da série temporal da concentração global de CO2, conforme disponibilizada pelo Global Monitoring Laboratory. Os dados compreendendo o período de janeiro de 1979 a dezembro de 2019 foram designados como conjunto de treinamento, enquanto os dados a partir de 2020 foram reservados para o conjunto de teste. O conjunto de treinamento expõe o modelo a dados históricos, permitindo ajustes para capturar características relevantes da série temporal. Após um treinamento bem-sucedido, o modelo deve generalizar padrões para prever o comportamento futuro da série. Posteriormente, o conjunto de teste é utilizado para avaliar o desempenho do modelo. Além dos componentes autoregressivos, de média móvel e de diferenciação, o modelo ARIMA pode incorporar componentes sazonais para o caso de séries temporais que exibem padrões sazonais e tendências.