摘要：O presente estudo busca modelar e analisar o comportamento natural de uma série temporal de nível estáticode água subterrânea e precipitação com o intuito de fazer previsões dos níveis para um horizonte de 6 meses. Paratanto, aplicou-se um modelo estocástico da classe ARMA (autorregressivo e de médias móveis) em dados semanais denível estático de água subterrânea e precipitação. O ambiente geológico do poço estudado é caracterizado por formaçõessedimentares da borda da Bacia do Paraná, localizado no município de Alegrete no Estado do Rio Grande do Sul. Opoço de monitoramento é dotado de registrador automático de nível onde o espaço temporal considerado foi de poucomais de 2 anos de medições sem falhas. Testaram-se modelos autorregressivos e de médias móveis até a terceira ordemde autocorrelação. Selecionou-se o melhor modelo com base nos valores de AIC (Akaike Information Criterion) e BIC(Bayesian Information Criterion), onde escolheu-se o ARMA (2, 0) o qual obteve o melhor ajuste. A análise de errospermitiu observar o bom desempenho da modelagem a partir do gráfico de resíduos normalizados, atestando a qualidadepreditiva do modelo escolhido. A avaliação dos coeficientes do modelo permitiu estabelecer uma relação em milímetrosaproximada de 0,31:1 para as variáveis nível estático e precipitação respectivamente.
其他摘要：This study aims to model and analyze the natural behavior of static level of a time series of groundwater leveland precipitation in order to make forecast the levels for 6 months horizon. For this purpose, a stochastic model ofARMA class (autoregressive and moving average) was applied in 7-day interval data of groundwater static level andrainfall. The geological environment of the well is characterized by sedimentary formations of the Paraná Basin border,located in Alegrete municipality of the Rio Grande do Sul State. The monitoring well is equipped with automatic datalogger and the time series under consideration was over 2 years long without failed measurements. Autoregressiveand moving average models were tested until the third order of autocorrelation. The best model was selected based onAIC (Akaike Information Criterion) and BIC (Bayesian Information Criterion) values, where the chosen model wasthe ARMA (2, 0) which obtained the best fit. The error analysis allowed to observe the good performance of the modelbased on the graph of standardized residuals, attesting the predictive quality of chosen model. The evaluation of modelcoefficients allowed the establishment of an approximate relationship in millimeters of 0.31: 1 for the variables staticlevel and rainfall respectively.
