Desempenho de modelos de previsão de demanda diária e horária de abastecimento urbano de água : estudo de caso
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UEL |
Texto Completo: | https://repositorio.uel.br/handle/123456789/15231 |
Resumo: | Resumo: O panorama do abastecimento de água mundial é movido pela constante busca à eficiência operacional dos sistemas de abastecimento de água, originada pelo aumento populacional, escassez de recursos hídricos, elevação de perdas de água e aumento do consumo de energia elétrica nos sistemas de bombeamento Este trabalho teve por objetivo pesquisar três grupos de modelos quantitativos de previsão de demanda de abastecimento de água: modelos de séries temporais, modelos causais e de inteligência artificial por redes neurais artificiais Sob este desígnio, as demandas diárias e horárias foram estudadas em dois períodos: fase de ajuste (estudo do passado histórico) e fase de previsão (predição do futuro) A partir do diagnóstico realizado pela comparação dos modelos de ajuste e previsão, conclui-se que, entre os modelos estudados, inexiste um modelo ótimo de ajuste e previsão, embora alguns modelos tenham-se evidenciado em relação a outros As decisões conduzidas pelo conhecimento da demanda proporcionam maior capacidade de decisão aos gestores responsáveis pelo abastecimento público de água, habilitando-os com maior capacidade de planejamento da distribuição, exame crítico do potencial de economia de energia elétrica e detecção de perdas no sistema distribuidor, os quais são essenciais ao equilíbrio e à sustentabilidade ambiental urbana Todos os modelos possuem proficuidades e a sua aplicação depende da disponibilidade de dados confiáveis, do nível de precisão e detalhamento requerido e possuem o objetivo de automatizar os resultados Todavia, não supre a competência de um analista de assumir deliberações, pois procedimentos automáticos não substituem o conhecimento especial de um analista sobre os dados estudados |
id |
UEL_a89dac0b88b942ffba971a160cfd0679 |
---|---|
oai_identifier_str |
oai:repositorio.uel.br:123456789/15231 |
network_acronym_str |
UEL |
network_name_str |
Repositório Institucional da UEL |
repository_id_str |
|
spelling |
Desempenho de modelos de previsão de demanda diária e horária de abastecimento urbano de água : estudo de casoAbastecimento de água nas cidadesPrevisãoRedes neurais (Computação)ÁguaConsumoWater consumptionNeural networks (Computer science)Time - series anlysisResumo: O panorama do abastecimento de água mundial é movido pela constante busca à eficiência operacional dos sistemas de abastecimento de água, originada pelo aumento populacional, escassez de recursos hídricos, elevação de perdas de água e aumento do consumo de energia elétrica nos sistemas de bombeamento Este trabalho teve por objetivo pesquisar três grupos de modelos quantitativos de previsão de demanda de abastecimento de água: modelos de séries temporais, modelos causais e de inteligência artificial por redes neurais artificiais Sob este desígnio, as demandas diárias e horárias foram estudadas em dois períodos: fase de ajuste (estudo do passado histórico) e fase de previsão (predição do futuro) A partir do diagnóstico realizado pela comparação dos modelos de ajuste e previsão, conclui-se que, entre os modelos estudados, inexiste um modelo ótimo de ajuste e previsão, embora alguns modelos tenham-se evidenciado em relação a outros As decisões conduzidas pelo conhecimento da demanda proporcionam maior capacidade de decisão aos gestores responsáveis pelo abastecimento público de água, habilitando-os com maior capacidade de planejamento da distribuição, exame crítico do potencial de economia de energia elétrica e detecção de perdas no sistema distribuidor, os quais são essenciais ao equilíbrio e à sustentabilidade ambiental urbana Todos os modelos possuem proficuidades e a sua aplicação depende da disponibilidade de dados confiáveis, do nível de precisão e detalhamento requerido e possuem o objetivo de automatizar os resultados Todavia, não supre a competência de um analista de assumir deliberações, pois procedimentos automáticos não substituem o conhecimento especial de um analista sobre os dados estudadosDissertação (Mestrado em Engenharia de Edificações e Saneamento) - Universidade Estadual de Londrina, Centro de Tecnologia e Urbanismo, Programa de Pós-Graduação em Engenharia de Edificações e SaneamentoAbstract: The worldwide water supply panorama is shaped by the constant search for operational efficiency of water supply systems, driven by the demand of population growth, water shortages, increased water loss, and increased energy consumption of pumping systems This research studies three sets of quantitative methods for forecasting demand in water supply: time series models, causal models, and artificial intelligence by artificial neural networks Under this plan, the daily and hourly demands were studied in two periods: the adjustment phase (study of the historical past), and the prediction phase (predicting the future) Based on the diagnosis made by comparing the model predictions, it is concluded that among the models studied, there is no optimal fit and prediction model, although some models were shown to perform better than others Knowledge of the demand provides a better basis for decision-making among the managers responsible for the public water supply, giving them greater capacity in the distribution planning, critical examination of the potential for energy saving, and detection of losses in the distribution system, all of which are essential for the balance and sustainability of the urban environment All three models have their usefulness, but their application depends on the availability of reliable data and the level of precision and detail required, with the goal of automating the results However, they do not do away with the expertise of an analyst in decision-making, as automatic procedures cannot replace the analyst’s specialist knowledge of the data studiedLopes, Deize Dias [Orientador]Melem, Vanderli MarinoReis, Luisa Fernanda RibeiroTino, Júlio Kazuhiro2024-05-01T14:46:16Z2024-05-01T14:46:16Z2011.0014.04.2011info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://repositorio.uel.br/handle/123456789/15231porMestradoEngenharia de Edificações e SaneamentoCentro de Tecnologia e UrbanismoPrograma de Pós-Graduação em Engenharia de Edificações e SaneamentoLondrinareponame:Repositório Institucional da UELinstname:Universidade Estadual de Londrina (UEL)instacron:UELinfo:eu-repo/semantics/openAccess2024-07-12T04:19:42Zoai:repositorio.uel.br:123456789/15231Biblioteca Digital de Teses e Dissertaçõeshttp://www.bibliotecadigital.uel.br/PUBhttp://www.bibliotecadigital.uel.br/OAI/oai2.phpbcuel@uel.br||opendoar:2024-07-12T04:19:42Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)false |
dc.title.none.fl_str_mv |
Desempenho de modelos de previsão de demanda diária e horária de abastecimento urbano de água : estudo de caso |
title |
Desempenho de modelos de previsão de demanda diária e horária de abastecimento urbano de água : estudo de caso |
spellingShingle |
Desempenho de modelos de previsão de demanda diária e horária de abastecimento urbano de água : estudo de caso Tino, Júlio Kazuhiro Abastecimento de água nas cidades Previsão Redes neurais (Computação) Água Consumo Water consumption Neural networks (Computer science) Time - series anlysis |
title_short |
Desempenho de modelos de previsão de demanda diária e horária de abastecimento urbano de água : estudo de caso |
title_full |
Desempenho de modelos de previsão de demanda diária e horária de abastecimento urbano de água : estudo de caso |
title_fullStr |
Desempenho de modelos de previsão de demanda diária e horária de abastecimento urbano de água : estudo de caso |
title_full_unstemmed |
Desempenho de modelos de previsão de demanda diária e horária de abastecimento urbano de água : estudo de caso |
title_sort |
Desempenho de modelos de previsão de demanda diária e horária de abastecimento urbano de água : estudo de caso |
author |
Tino, Júlio Kazuhiro |
author_facet |
Tino, Júlio Kazuhiro |
author_role |
author |
dc.contributor.none.fl_str_mv |
Lopes, Deize Dias [Orientador] Melem, Vanderli Marino Reis, Luisa Fernanda Ribeiro |
dc.contributor.author.fl_str_mv |
Tino, Júlio Kazuhiro |
dc.subject.por.fl_str_mv |
Abastecimento de água nas cidades Previsão Redes neurais (Computação) Água Consumo Water consumption Neural networks (Computer science) Time - series anlysis |
topic |
Abastecimento de água nas cidades Previsão Redes neurais (Computação) Água Consumo Water consumption Neural networks (Computer science) Time - series anlysis |
description |
Resumo: O panorama do abastecimento de água mundial é movido pela constante busca à eficiência operacional dos sistemas de abastecimento de água, originada pelo aumento populacional, escassez de recursos hídricos, elevação de perdas de água e aumento do consumo de energia elétrica nos sistemas de bombeamento Este trabalho teve por objetivo pesquisar três grupos de modelos quantitativos de previsão de demanda de abastecimento de água: modelos de séries temporais, modelos causais e de inteligência artificial por redes neurais artificiais Sob este desígnio, as demandas diárias e horárias foram estudadas em dois períodos: fase de ajuste (estudo do passado histórico) e fase de previsão (predição do futuro) A partir do diagnóstico realizado pela comparação dos modelos de ajuste e previsão, conclui-se que, entre os modelos estudados, inexiste um modelo ótimo de ajuste e previsão, embora alguns modelos tenham-se evidenciado em relação a outros As decisões conduzidas pelo conhecimento da demanda proporcionam maior capacidade de decisão aos gestores responsáveis pelo abastecimento público de água, habilitando-os com maior capacidade de planejamento da distribuição, exame crítico do potencial de economia de energia elétrica e detecção de perdas no sistema distribuidor, os quais são essenciais ao equilíbrio e à sustentabilidade ambiental urbana Todos os modelos possuem proficuidades e a sua aplicação depende da disponibilidade de dados confiáveis, do nível de precisão e detalhamento requerido e possuem o objetivo de automatizar os resultados Todavia, não supre a competência de um analista de assumir deliberações, pois procedimentos automáticos não substituem o conhecimento especial de um analista sobre os dados estudados |
publishDate |
2024 |
dc.date.none.fl_str_mv |
14.04.2011 2011.00 2024-05-01T14:46:16Z 2024-05-01T14:46:16Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.uel.br/handle/123456789/15231 |
url |
https://repositorio.uel.br/handle/123456789/15231 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
Mestrado Engenharia de Edificações e Saneamento Centro de Tecnologia e Urbanismo Programa de Pós-Graduação em Engenharia de Edificações e Saneamento |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
Londrina |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UEL instname:Universidade Estadual de Londrina (UEL) instacron:UEL |
instname_str |
Universidade Estadual de Londrina (UEL) |
instacron_str |
UEL |
institution |
UEL |
reponame_str |
Repositório Institucional da UEL |
collection |
Repositório Institucional da UEL |
repository.name.fl_str_mv |
Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL) |
repository.mail.fl_str_mv |
bcuel@uel.br|| |
_version_ |
1809823247900868608 |