In this work is presented the implementation of an autoregressive-predictive method for the estimation of missing data in meteorological data series, using just the information from the same serie. The Burg method was used for the calculation of the autoregressive coefficients, which reduces the error generated in the calculation of these coefficients. For the implementation of the method was used the multiplatform framework Qt through the programming language C++. With Qt we were able to obtain a friendly graphical interface that facilitates the use of the model. The validation of the model was done with data of the variables: air temperature, wind speed and direction, atmospheric pressure, relative humidity and precipitation of the Meteorological Station located at the IPRJ/UERJ. For precipitation no favorable results were obtained with the use of the model, nonetheless the results for the other variables are in agreement with the reported tolerance, particularly with orders 1 and 2 of the model and the probability of success in the estimates does not depend on the amount of data of the series. The estimated data retains the statistical characteristics of the original series.
Neste trabalho é apresentada a implementação de um método preditivo auto regressivo para a estimativa de dados faltantes em série de dados meteorológicos, usando somente a informação da mesma série. Foi usado o método de Burg para o cálculo dos coeficientes auto regressivos, o qual diminui o erro gerado no cálculo desses coeficientes. Para a implementação do método foi usado o framework multiplataforma Qt através da linguagem de programação C++. Com o Qt conseguiu se obter uma interface gráfica amigável que facilita o uso do modelo. A validação do modelo foi feita com os dados das variáveis: temperatura do ar, velocidade e direção do vento, pressão atmosférica, umidade relativa e precipitação da Estação Meteorológica localizada no IPRJ/UERJ. Para a precipitação, não foram obtidos resultados favoráveis com o uso do modelo, mas o resultado obtido para as outras variáveis estão de acordo com a tolerância reportada, particularmente com as ordens 1 e 2 do modelo e a probabilidade de acerto nas estimativas não depende da quantidade de dados da série. Os dados estimados conservam as características estatísticas da série original.
