Algoritmos de machine learning aplicados em edifícios inteligentes com elevada penetração de veículos elétricos

• Autor(a) principal: Rosa, Thiago Cesar
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/22654
• topic: Algoritmos; Inteligência Artificial; K-Nearest Neighbor; Machine Learning; Ocupação de estacionamento; Técnicas de previsão; Algorithm; Artifical Inteligence; Forecasting; Parking ocuppancy; Prediction techniques

A presente dissertação discute o desenvolvimento de um método de previsão de ocupação para dois parques de estacionamentos residenciais no contexto de um edifício inteligente, a fim de se conhecer, antecipadamente, qual a taxa de ocupação desses parques de estacionamentos. Para concretizar tal objetivo, utilizaram-se dados históricos realísticos coletados por observação empírica e extrapolado para um ano. O modelo de previsão desenvolvido utiliza técnicas de machine learning com diversos algoritmos testados, entre eles, Decision Tree, Extra Tree, Logistic Regression, Random Forest, Naive Bayes, K-Nearest Neighbors e Support Vector Machine. No modelo proposto foi identificado qual destes algoritmos obteve melhor desempenho. Vários tipos de modelos foram testados com o objetivo de melhorar os resultados obtidos, bem como compreender o impacto de cada um dos tratamentos dos dados utilizados. A solução final teve seu desempenho validado, com métricas de avaliação com bons resultados, exatidão e precisão superiores a 80%, e se mostrou eficaz considerando os dados analisados e ainda o horizonte temporal da previsão.