Previsão de vazão utilizando modelos de inteligência artificial
Autor(a) principal: | |
---|---|
Data de Publicação: | 2009 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/4984 |
Resumo: | Este trabalho apresenta a previsão de vazão na bacia do rio São Francisco, utilizando-se de quatro modelos baseado nas principais ferramentas de inteligência artificiais: RNA (Redes Neurais Artificiais) e lógica fuzzy. No primeiro modelo foram escolhidas as RNAs para prever a vazão mensal com horizonte de um ano. No segundo modelo, utilizou-se a RNA e o sistema ANFIS (Adaptive Neuro-Fuzzy Inference System) para realizar a previsão mensal em horizonte de um e dois meses à frente. No terceiro modelo, foi estudado um sistema híbrido, no qual a RNA realiza uma previsão de vazão com horizonte anual e o sistema ANFIS desagrega em meses. Por fim, foi estudado outro sistema híbrido semelhante ao anterior, no qual se utilizou o método dos fragmentos para a desagregação mensal da vazão. O processo de escolha dos modelos das redes neurais e sistema ANFIS, passaram por uma análise de estrutura da entrada a partir da base de dados. Os dados de vazão utilizados foram do Operador Nacional do Sistema Elétrico (ONS) no período de 1931 a 2004, para realizar o ajuste dos modelos. Para avaliar o desempenho dos modelos foram utilizados os resultados das previsões obtidas no período 2005 a 2008. Através destes modelos, este trabalho visa contribuir de forma direta com o setor elétrico brasileiro que tem cerca de 90% de sua energia proveniente de usinas hidroelétricas |
id |
UFPE_43e51fe3183cb1cdad07f2175a6b625a |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/4984 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
TAVARES, Isabela AlbuquerqueAQUINO, Ronaldo Ribeiro Barbosa de2014-06-12T17:35:17Z2014-06-12T17:35:17Z2009-01-31Albuquerque Tavares, Isabela; Ribeiro Barbosa de Aquino, Ronaldo. Previsão de vazão utilizando modelos de inteligência artificial. 2009. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Pernambuco, Recife, 2009.https://repositorio.ufpe.br/handle/123456789/4984Este trabalho apresenta a previsão de vazão na bacia do rio São Francisco, utilizando-se de quatro modelos baseado nas principais ferramentas de inteligência artificiais: RNA (Redes Neurais Artificiais) e lógica fuzzy. No primeiro modelo foram escolhidas as RNAs para prever a vazão mensal com horizonte de um ano. No segundo modelo, utilizou-se a RNA e o sistema ANFIS (Adaptive Neuro-Fuzzy Inference System) para realizar a previsão mensal em horizonte de um e dois meses à frente. No terceiro modelo, foi estudado um sistema híbrido, no qual a RNA realiza uma previsão de vazão com horizonte anual e o sistema ANFIS desagrega em meses. Por fim, foi estudado outro sistema híbrido semelhante ao anterior, no qual se utilizou o método dos fragmentos para a desagregação mensal da vazão. O processo de escolha dos modelos das redes neurais e sistema ANFIS, passaram por uma análise de estrutura da entrada a partir da base de dados. Os dados de vazão utilizados foram do Operador Nacional do Sistema Elétrico (ONS) no período de 1931 a 2004, para realizar o ajuste dos modelos. Para avaliar o desempenho dos modelos foram utilizados os resultados das previsões obtidas no período 2005 a 2008. Através destes modelos, este trabalho visa contribuir de forma direta com o setor elétrico brasileiro que tem cerca de 90% de sua energia proveniente de usinas hidroelétricasCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de PernambucoAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessLógica FuzzyRedes Neurais ArtificiaisInteligência ArtificialPrevisão de vazãoSistema HidroelétricoPrevisão de vazão utilizando modelos de inteligência artificialinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILarquivo2460_1.pdf.jpgarquivo2460_1.pdf.jpgGenerated Thumbnailimage/jpeg1164https://repositorio.ufpe.br/bitstream/123456789/4984/4/arquivo2460_1.pdf.jpgee0ed081024a63c45c0df51013ac8c24MD54ORIGINALarquivo2460_1.pdfapplication/pdf1017299https://repositorio.ufpe.br/bitstream/123456789/4984/1/arquivo2460_1.pdfe37f2cfc8bc9f28e658a21d44a4e8b06MD51LICENSElicense.txttext/plain1748https://repositorio.ufpe.br/bitstream/123456789/4984/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTarquivo2460_1.pdf.txtarquivo2460_1.pdf.txtExtracted texttext/plain162077https://repositorio.ufpe.br/bitstream/123456789/4984/3/arquivo2460_1.pdf.txt28ff1de3fe5606202a2c0b997812ceb8MD53123456789/49842019-10-25 05:35:25.528oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T08:35:25Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Previsão de vazão utilizando modelos de inteligência artificial |
title |
Previsão de vazão utilizando modelos de inteligência artificial |
spellingShingle |
Previsão de vazão utilizando modelos de inteligência artificial TAVARES, Isabela Albuquerque Lógica Fuzzy Redes Neurais Artificiais Inteligência Artificial Previsão de vazão Sistema Hidroelétrico |
title_short |
Previsão de vazão utilizando modelos de inteligência artificial |
title_full |
Previsão de vazão utilizando modelos de inteligência artificial |
title_fullStr |
Previsão de vazão utilizando modelos de inteligência artificial |
title_full_unstemmed |
Previsão de vazão utilizando modelos de inteligência artificial |
title_sort |
Previsão de vazão utilizando modelos de inteligência artificial |
author |
TAVARES, Isabela Albuquerque |
author_facet |
TAVARES, Isabela Albuquerque |
author_role |
author |
dc.contributor.author.fl_str_mv |
TAVARES, Isabela Albuquerque |
dc.contributor.advisor1.fl_str_mv |
AQUINO, Ronaldo Ribeiro Barbosa de |
contributor_str_mv |
AQUINO, Ronaldo Ribeiro Barbosa de |
dc.subject.por.fl_str_mv |
Lógica Fuzzy Redes Neurais Artificiais Inteligência Artificial Previsão de vazão Sistema Hidroelétrico |
topic |
Lógica Fuzzy Redes Neurais Artificiais Inteligência Artificial Previsão de vazão Sistema Hidroelétrico |
description |
Este trabalho apresenta a previsão de vazão na bacia do rio São Francisco, utilizando-se de quatro modelos baseado nas principais ferramentas de inteligência artificiais: RNA (Redes Neurais Artificiais) e lógica fuzzy. No primeiro modelo foram escolhidas as RNAs para prever a vazão mensal com horizonte de um ano. No segundo modelo, utilizou-se a RNA e o sistema ANFIS (Adaptive Neuro-Fuzzy Inference System) para realizar a previsão mensal em horizonte de um e dois meses à frente. No terceiro modelo, foi estudado um sistema híbrido, no qual a RNA realiza uma previsão de vazão com horizonte anual e o sistema ANFIS desagrega em meses. Por fim, foi estudado outro sistema híbrido semelhante ao anterior, no qual se utilizou o método dos fragmentos para a desagregação mensal da vazão. O processo de escolha dos modelos das redes neurais e sistema ANFIS, passaram por uma análise de estrutura da entrada a partir da base de dados. Os dados de vazão utilizados foram do Operador Nacional do Sistema Elétrico (ONS) no período de 1931 a 2004, para realizar o ajuste dos modelos. Para avaliar o desempenho dos modelos foram utilizados os resultados das previsões obtidas no período 2005 a 2008. Através destes modelos, este trabalho visa contribuir de forma direta com o setor elétrico brasileiro que tem cerca de 90% de sua energia proveniente de usinas hidroelétricas |
publishDate |
2009 |
dc.date.issued.fl_str_mv |
2009-01-31 |
dc.date.accessioned.fl_str_mv |
2014-06-12T17:35:17Z |
dc.date.available.fl_str_mv |
2014-06-12T17:35:17Z |
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.citation.fl_str_mv |
Albuquerque Tavares, Isabela; Ribeiro Barbosa de Aquino, Ronaldo. Previsão de vazão utilizando modelos de inteligência artificial. 2009. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Pernambuco, Recife, 2009. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/4984 |
identifier_str_mv |
Albuquerque Tavares, Isabela; Ribeiro Barbosa de Aquino, Ronaldo. Previsão de vazão utilizando modelos de inteligência artificial. 2009. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Pernambuco, Recife, 2009. |
url |
https://repositorio.ufpe.br/handle/123456789/4984 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/4984/4/arquivo2460_1.pdf.jpg https://repositorio.ufpe.br/bitstream/123456789/4984/1/arquivo2460_1.pdf https://repositorio.ufpe.br/bitstream/123456789/4984/2/license.txt https://repositorio.ufpe.br/bitstream/123456789/4984/3/arquivo2460_1.pdf.txt |
bitstream.checksum.fl_str_mv |
ee0ed081024a63c45c0df51013ac8c24 e37f2cfc8bc9f28e658a21d44a4e8b06 8a4605be74aa9ea9d79846c1fba20a33 28ff1de3fe5606202a2c0b997812ceb8 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1802310751442960384 |