Documente Academic
Documente Profesional
Documente Cultură
ICMC
São Carlos
2019
Sumário
Introdução..................................................................................
Objetivo......................................................................................
Desenvolvimento........................................................................
Conclusão.................................................................................
INTRODUÇÃO
Uma série de Fourier é um tipo específico de séries matemáticas infinitas envolvendo
funções trigonométricas. A série recebe o nome de um matemático e físico francês chamado Jean
Baptiste Joseph, Barão de Fourier, que viveu durante os séculos XVIII e XIX. As séries de Fourier
são usadas em matemática aplicada, e de forma mais assídua em física e eletrônica, para
expressar funções periódicas como por exemplo as formas de onda do sinal de comunicação.
Seja { a, a1, a2, a3, ..., an, ...} e { b1,b2, b3, ..., bn, ...} conjuntos infinitos de constantes
s . Essas constantes são chamadas coeficiente de Fourier. Seja x uma variável. A série geral de
Fourier é dada por:
Algumas formas de onda são simples, como a onda senoidal pura, mas isso em teoria.
No mundo real, a maioria das formas de onda contém energia em frequências harmônicas
(múltiplos de números inteiros da freqüência mais baixa ou fundamental). A proporção de energia
nas frequências harmônicas, em comparação com a energia no fundamental, depende da forma
de onda. As séries de Fourier definem matematicamente essas formas de onda como funções de
deslocamento (geralmente amplitude, frequência ou fase) em relação ao tempo.
Desse modo, a medida que o número de termos calculados em uma série de Fourier
aumenta, a série aproxima-se cada vez mais da função exata que define uma forma de onda de
sinal complexa.Utilizando essa ferramenta, foi elaborado um trabalho sobre a “APLICAÇÃO DA
ANÁLISE HARMÔNICA POR SÉRIES DE FOURIER PARA A PREVISÃO DE PRODUTIVIDADE DA CULTURA DO
CAFÉ NO ESTADO DE MINAS GERAIS” - LUIZ G. DE CARVALHO2 , GILBERTO C. SEDIYAMA3 , PAULO R.
CECON4 , HELENA M. R. ALVES5
1 Extraído da tese de doutorado do primeiro autor. Projeto financiado pelo CNPq, Proc. N. 474244/2001-6 (NV), mod. APQ. 2 D.S., Prof. Adjunto, DEG,
5 Ph.D., Pesquisadora, EMBRAPA, helena@ufla.br Recebido pelo Conselho Editorial em: 4-6-2003 Aprovado pelo Conselho Editorial em: 24-10-2005
OBJETIVO
Para o estudo de séries temporais que apresentam variações periódicas sazonais, pode-se
recorrer à análise harmônica por séries de Fourier para o desenvolvimento de modelos. Como a
cultura do café apresenta o efeito da bienalidade, inerente a sua fisiologia, pode ser considerada
como uma cultura de produção periódica, sendo possível aplicar a análise harmônica para a
previsão de produtividade.
O uso de séries temporais em variações periódicas sazonais podem ser usadas na
produção do café pelo efeito da bienalidade, caracterizando um fenômeno periódico, na qual, em
conjunto com análise estatística multivariada de componentes é feito o estudo dos dados.
DESENVOLVIMENTO
Os dados obtidos para análise foram fornecidos pelo IBGE (Instituto Brasileiro de
Geografia e Estatística) e registrados na “Produção Agrícola Municipal de Culturas Temporárias
e Permanentes (PAM) e estão representados na tabela abaixo :
Coord. Municípios
Geográficas Alfenas Guaxupé Lavras Monte Belo S. S. Paraíso Varginha Viçosa
Latitude 21o 18’ 21o 17’ 21o 14’ 21o 21’ 20o 54’ 21o 31’ 20o 45’
Longitude 45o 56’ 46o 40’ 45o 00’ 46 14’
o
47o 04’ 45o 30’ 42o 51’
Altitude (m) 818,83 920,00 918,84 826,00 967,33 900,00 689,73
Ano
Agrícol
TABELA 1. Coordenadas geográficas e séries anuais de produtividades de café em coco (kg ha-1) de
municípios de Minas Gerais utilizadas na avaliação do modelo pela análise harmônica por séries de Fourier.
Cada série de dados da produtividade cafeeira da Tabela 1 foi submetida à análise
harmônica por séries de Fourier de senos e cossenos, conforme a expressão seguinte, cuja
descrição detalhada dessa metodologia é apresentada por ASSIS et al. (1996).
7
n1
em que,
Y0 = 1/M ∑𝑀
𝑖=1 Yi (2) an = 2/M ∑𝑀
𝑖=1 Yi costi (3) bn = 2/M ∑𝑀
𝑖=1 Yi senti (4)
Σ A n cos(nt i
7
Ŷ est Y0 n) (5)
n1
sendo,
Além das outras variáveis (descritas adiante) utilizadas para a avaliação do modelo,
acrescentou- se a produtividade média (PM) de cada série de dados por município, a
qual foi submetida à análise de Fourier. Uma vez obtido o modelo, a PM passou a ser
a produtividade do ano anterior (Ya) como variável de entrada, ao prever a
produtividade do ano seguinte.
Produtividade média (PM) de cada série de dados por município, foi submetida à análise
de Fourier. Uma vez obtido o modelo, a PM passou a ser a produtividade do ano anterior
(Ya) como variável de entrada, ao prever a produtividade do ano seguinte.
O processamento desses dados, assim como dos componentes do balanço hídrico, foi
separado conforme as fases fenológicas do cafeeiro, sendo assim definidas : Fase 1 -
julho a setembro; Fase 2 - outubro a dezembro; Fase 3 - janeiro a março, e Fase 4 -
abril a junho.
Foram, ainda, calculadas as médias por períodos de exposições diárias à radiação solar
durante o ano para os municípios que compõem o modelo originando as variáveis ERS1,
ERS2, ERS3 e ERS4.Os índices 1; 2; 3 e 4 representam as fases fenológicas anteriormente
descritas.
Assim, por exemplo, para a primeira variável Tx1, inicialmente calculou-se a média
trimestral da temperatura máxima de julho a setembro de cada ano, durante os 15; da
média desses 15 valores, gerou-se a variável Tx1. Devido a grande quantidade de
informações para o cruzamento de dados as variáveis foram reduzidas como escore para
facilitar a comparação entre os valores observados e estimados.
Os coeficientes obtidos pelo ajuste das séries de Fourier aos dados de produtividade (Y0, an e bn),
foram separados e submetidos, como variáveis dependentes, à análise de regressão linear
múltipla, em função dos escores dos componentes principais retidos.
X i -X (8)
Xip
s(X)
em que,
Xip - i-ésima variável padronizada para o ano de previsão; Xi - i-
ésima variável para o ano de previsão, e
X e s(X) - média e desvio-padrão, respectivamente, das observações de cada variável Xi que originou o
modelo.
em que,
Yest - produtividade estimada, sacas ha-1, e
Yobs - produtividade observada, sacas ha-1.
Os resultados das análises de regressão dos coeficientes de Fourier, em função dos componentes
principais, estão apresentados na Tabela 3. Verifica-se que as melhores regressões foram para
Y0, a3 e a4, cujos valores dos coeficientes de determinação (R2) estão compreendidos entre 0,79
e 0,84 e os respectivos níveis críticos de probabilidades dos testes F da regressão com P <=
0,1513. Ademais, a função criada pela análise harmônica de Fourier desse problema, foi dada
por :
Em que, Z1, Z2 e Z3 são os componentes principais (funções lineares) das variáveis de entrada,
conforme Tabela 2. O período (T) equivale a 15, devido ao fato de ser esse modelo gerado de séries
compostas por 15 anos de dados de produtividades, enquanto ti, ao valor de ordem do dado. Como
esse modelo é de estimativa, ti será sempre igual a 1.
Abaixo as tabelas criadas com os respectivos escores, coeficientes de Fourier e as correlações para
criar o gráfico final para refinar a analise e verificar a eficiência do resultado:
De fato é fácil observar as discrepâncias nos dados da tabela, em que, os valores negativos representam
os valores inferiores aos observados e os positivos maiores que os observados dado os níveis de
significância. Ademais, os valores obtidos nas tabelas acima correspondem aos valores que foram
utilizados para obtenção da tabela final(Tabela 4), a qual, contém os resultados da produtividade.
CONCLUSÃO
De fato, as séries harmônicas, sequências e as matérias aprendias em aula são de grande valia
para evolução intelectual, social e tecnológica do mundo atual.Na aplicação apresentada nesse
trabalho, observamos o uso da aproximação de fourier em uma série harmônica para prever a
produtividade de café que demonstra um uso interessante, porém, existe grande influência
natural, climática e da bienalidade que caracterizam grande variabilidade nos resultados,
entretanto, o uso dessa ferramenta por ser otimizada e amplificada para maior performance
futura.