摘要：O presente estudo busca modelar e analisar o comportamento natural de uma série temporal de nível estático de água subterrânea e precipitação com o intuito de fazer previsões dos níveis para um horizonte de 6 meses. Para tanto, aplicou-se um modelo estocástico da classe ARMA (autorregressivo e de médias móveis) em dados semanais de nível estático de água subterrânea e precipitação. O ambiente geológico do poço estudado é caracterizado por formações sedimentares da borda da Bacia do Paraná, localizado no município de Alegrete no Estado do Rio Grande do Sul. O poço de monitoramento é dotado de registrador automático de nível onde o espaço temporal considerado foi de pouco mais de 2 anos de medições sem falhas. Testaram-se modelos autorregressivos e de médias móveis até a terceira ordem de 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 erros permitiu observar o bom desempenho da modelagem a partir do gráfico de resíduos normalizados, atestando a qualidade preditiva do modelo escolhido. A avaliação dos coeficientes do modelo permitiu estabelecer uma relação em milímetros aproximada 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 level
and precipitation in order to make forecast the levels for 6 months horizon. For this purpose, a stochastic model of
ARMA class (autoregressive and moving average) was applied in 7-day interval data of groundwater static level and
rainfall. 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 data
logger and the time series under consideration was over 2 years long without failed measurements. Autoregressive
and moving average models were tested until the third order of autocorrelation. The best model was selected based on
AIC (Akaike Information Criterion) and BIC (Bayesian Information Criterion) values, where the chosen model was
the ARMA (2, 0) which obtained the best fit. The error analysis allowed to observe the good performance of the model
based on the graph of standardized residuals, attesting the predictive quality of chosen model. The evaluation of model
coefficients allowed the establishment of an approximate relationship in millimeters of 0.31: 1 for the variables static
level and rainfall respectively.
