Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis

Detalhes bibliográficos
Autor(a) principal: Gamboni, Lorena Tereza Bezerra
Data de Publicação: 2017
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: https://app.uff.br/riuff/handle/1/14296
Resumo: A energia natural afluente (ENA) é uma das mais utilizadas no Brasil, tendo seu fornecimento sendo feito para cerca de 90% do território nacional. Porém, devido as condições climáticas e a falta de chuva nos tempos atuais a necessidade do uso de uma ferramenta de previsão torna-se imprescindível. A melhor ferramenta para fazer a previsão de ENA é a análise de séries temporais, podendo ser utilizado também a filtragem Singular Spectrum Analysis (SSA) que é um método em estatística que pode, dentre outras coisas, filtrar uma série temporal removendo o seu ruído para uma modelagem com previsão mais acurada. Este projeto teve como objetivo fazer a modelagem da série temporal de ENA do subsistema Sudeste usando os modelos de Holt-Winters e Box & Jenkins. Além disso, fazer uma filtragem SSA nessa mesma série retirando os ruídos e utilizar os modelos de Holt-Winters e Box & Jenkins para fazer a modelagem dessa série filtrada. Após as modelagens, foram usada s as est atísticas de aderência Desvio Médio Absoluto (MAD), Erro Percentual Médio Absoluto (MAPE), Raiz Quadrada do Erro Quadrático Médio (RMSE), Critério de Informação Bayesiana (BIC) e Coeficiente de Determinação (R2) para verificar a capacidade preditiva de cada modelo. Com as análises realizadas foi verificado que o modelo de Box & Jenkins obteve os melhores resultados quanto as estatísticas de aderência tanto na série original quanto na série filtrada e que a filtragem SSA de fato apresenta uma melhora quanto a capacidade preditiva
id UFF-2_8bac4a56736d43899285db7212f23b0e
oai_identifier_str oai:app.uff.br:1/14296
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysisEnergia natural afluenteSingular spectrum analysisSéries temporaisFiltragemHolt-WintersBox & JenkinsModelagemSérie temporalEnergia hidrelétricaPrevisãoA energia natural afluente (ENA) é uma das mais utilizadas no Brasil, tendo seu fornecimento sendo feito para cerca de 90% do território nacional. Porém, devido as condições climáticas e a falta de chuva nos tempos atuais a necessidade do uso de uma ferramenta de previsão torna-se imprescindível. A melhor ferramenta para fazer a previsão de ENA é a análise de séries temporais, podendo ser utilizado também a filtragem Singular Spectrum Analysis (SSA) que é um método em estatística que pode, dentre outras coisas, filtrar uma série temporal removendo o seu ruído para uma modelagem com previsão mais acurada. Este projeto teve como objetivo fazer a modelagem da série temporal de ENA do subsistema Sudeste usando os modelos de Holt-Winters e Box & Jenkins. Além disso, fazer uma filtragem SSA nessa mesma série retirando os ruídos e utilizar os modelos de Holt-Winters e Box & Jenkins para fazer a modelagem dessa série filtrada. Após as modelagens, foram usada s as est atísticas de aderência Desvio Médio Absoluto (MAD), Erro Percentual Médio Absoluto (MAPE), Raiz Quadrada do Erro Quadrático Médio (RMSE), Critério de Informação Bayesiana (BIC) e Coeficiente de Determinação (R2) para verificar a capacidade preditiva de cada modelo. Com as análises realizadas foi verificado que o modelo de Box & Jenkins obteve os melhores resultados quanto as estatísticas de aderência tanto na série original quanto na série filtrada e que a filtragem SSA de fato apresenta uma melhora quanto a capacidade preditivaMenezes, Moisés Lima deCarvalho, Marcia Marques deCassiano, Keila MaraGamboni, Lorena Tereza Bezerra2020-07-13T14:05:06Z2020-07-13T14:05:06Z2017info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfGAMBONI, Lorena Tereza Bezerra. Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis. 2017. 56 f. Trabalho de Conclusão de Curso (Graduação de Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2017.https://app.uff.br/riuff/handle/1/14296http://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2021-09-23T19:50:03Zoai:app.uff.br:1/14296Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T10:56:42.525856Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis
title Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis
spellingShingle Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis
Gamboni, Lorena Tereza Bezerra
Energia natural afluente
Singular spectrum analysis
Séries temporais
Filtragem
Holt-Winters
Box & Jenkins
Modelagem
Série temporal
Energia hidrelétrica
Previsão
title_short Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis
title_full Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis
title_fullStr Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis
title_full_unstemmed Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis
title_sort Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis
author Gamboni, Lorena Tereza Bezerra
author_facet Gamboni, Lorena Tereza Bezerra
author_role author
dc.contributor.none.fl_str_mv Menezes, Moisés Lima de
Carvalho, Marcia Marques de
Cassiano, Keila Mara
dc.contributor.author.fl_str_mv Gamboni, Lorena Tereza Bezerra
dc.subject.por.fl_str_mv Energia natural afluente
Singular spectrum analysis
Séries temporais
Filtragem
Holt-Winters
Box & Jenkins
Modelagem
Série temporal
Energia hidrelétrica
Previsão
topic Energia natural afluente
Singular spectrum analysis
Séries temporais
Filtragem
Holt-Winters
Box & Jenkins
Modelagem
Série temporal
Energia hidrelétrica
Previsão
description A energia natural afluente (ENA) é uma das mais utilizadas no Brasil, tendo seu fornecimento sendo feito para cerca de 90% do território nacional. Porém, devido as condições climáticas e a falta de chuva nos tempos atuais a necessidade do uso de uma ferramenta de previsão torna-se imprescindível. A melhor ferramenta para fazer a previsão de ENA é a análise de séries temporais, podendo ser utilizado também a filtragem Singular Spectrum Analysis (SSA) que é um método em estatística que pode, dentre outras coisas, filtrar uma série temporal removendo o seu ruído para uma modelagem com previsão mais acurada. Este projeto teve como objetivo fazer a modelagem da série temporal de ENA do subsistema Sudeste usando os modelos de Holt-Winters e Box & Jenkins. Além disso, fazer uma filtragem SSA nessa mesma série retirando os ruídos e utilizar os modelos de Holt-Winters e Box & Jenkins para fazer a modelagem dessa série filtrada. Após as modelagens, foram usada s as est atísticas de aderência Desvio Médio Absoluto (MAD), Erro Percentual Médio Absoluto (MAPE), Raiz Quadrada do Erro Quadrático Médio (RMSE), Critério de Informação Bayesiana (BIC) e Coeficiente de Determinação (R2) para verificar a capacidade preditiva de cada modelo. Com as análises realizadas foi verificado que o modelo de Box & Jenkins obteve os melhores resultados quanto as estatísticas de aderência tanto na série original quanto na série filtrada e que a filtragem SSA de fato apresenta uma melhora quanto a capacidade preditiva
publishDate 2017
dc.date.none.fl_str_mv 2017
2020-07-13T14:05:06Z
2020-07-13T14:05:06Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv GAMBONI, Lorena Tereza Bezerra. Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis. 2017. 56 f. Trabalho de Conclusão de Curso (Graduação de Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2017.
https://app.uff.br/riuff/handle/1/14296
identifier_str_mv GAMBONI, Lorena Tereza Bezerra. Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis. 2017. 56 f. Trabalho de Conclusão de Curso (Graduação de Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2017.
url https://app.uff.br/riuff/handle/1/14296
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1811823615999475712

Registros relacionados