Previsão de séries temporais de pressão em redes de distribuição de água aplicando modelos generalizados autorregressivos de médias móveis (GARMA)
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/18/18138/tde-08012024-111307/ |
Resumo: | A eficiência na gestão do sistema de distribuição de água é essencial para fornecer água potável de forma contínua e adequada. Companhias de saneamento estão investindo em automação da coleta de dados em campo por meio de sensores, como vazão e pressão, mas ainda não exploram totalmente as informações disponíveis nos dados históricos. Este estudo visa aplicar análise de séries temporais e o modelo GARMA para modelar séries de pressão em redes de abastecimento de água real. Foram descritos o comportamento das séries temporais de pressão e ajustados modelos ARIMA, SARIMA e GARMA a dados de pressão classificados como de comportamento normal. Comparando o desempenho dos modelos em diferentes sensores, períodos e horizontes de previsão, pode-se concluir que o modelo GARMA (2,0 ) com densidade de probabilidade gama e séries de Fourier é adequado para essas séries temporais. A aplicação da função de densidade de probabilidade gama permitiu lidar com a heterocedasticidade inerente ao mecanismo gerador dos dados e a transformação da série de pressão em "Energia Consumida" permitiu generalizar o modelo para a maioria dos sensores do setor estudado. Isso proporcionou previsões mais precisas em vários sensores do mesmo setor hidráulico. Além disso, essa abordagem mostrou-se útil para identificar anomalias e estabelecer um arcabouço técnico para futuras pesquisas na área de controle operacional. Assim, conclui-se que a análise de séries temporais aplicada a séries de pressão em redes de abastecimento é uma abordagem robusta que pode melhorar a modelagem das séries históricas obtidas pelas companhias de saneamento, transformando uma massa de dados em informações úteis, fornecendo previsões precisas e insights valiosos para o processo de tomada de decisão. |
id |
USP_564e5873250d17072083cc047daf359b |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-08012024-111307 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Previsão de séries temporais de pressão em redes de distribuição de água aplicando modelos generalizados autorregressivos de médias móveis (GARMA)Forecasting of pressure time series in water distribution networks using generalized autoregressive moving average models (GARMA)Abastecimento de águaAutorregressive modelsModelos autorregressivosPressure signalsSinais de pressãoSmart WaterSmart waterWater supplyA eficiência na gestão do sistema de distribuição de água é essencial para fornecer água potável de forma contínua e adequada. Companhias de saneamento estão investindo em automação da coleta de dados em campo por meio de sensores, como vazão e pressão, mas ainda não exploram totalmente as informações disponíveis nos dados históricos. Este estudo visa aplicar análise de séries temporais e o modelo GARMA para modelar séries de pressão em redes de abastecimento de água real. Foram descritos o comportamento das séries temporais de pressão e ajustados modelos ARIMA, SARIMA e GARMA a dados de pressão classificados como de comportamento normal. Comparando o desempenho dos modelos em diferentes sensores, períodos e horizontes de previsão, pode-se concluir que o modelo GARMA (2,0 ) com densidade de probabilidade gama e séries de Fourier é adequado para essas séries temporais. A aplicação da função de densidade de probabilidade gama permitiu lidar com a heterocedasticidade inerente ao mecanismo gerador dos dados e a transformação da série de pressão em "Energia Consumida" permitiu generalizar o modelo para a maioria dos sensores do setor estudado. Isso proporcionou previsões mais precisas em vários sensores do mesmo setor hidráulico. Além disso, essa abordagem mostrou-se útil para identificar anomalias e estabelecer um arcabouço técnico para futuras pesquisas na área de controle operacional. Assim, conclui-se que a análise de séries temporais aplicada a séries de pressão em redes de abastecimento é uma abordagem robusta que pode melhorar a modelagem das séries históricas obtidas pelas companhias de saneamento, transformando uma massa de dados em informações úteis, fornecendo previsões precisas e insights valiosos para o processo de tomada de decisão.Efficiency in the management of water distribution systems is crucial to ensure a continuous and adequate provision of potable water. Sanitation companies are investing in field data collection automation through sensors, such as flow and pressure, yet they have not fully harnessed the available information in historical data. This study aims to apply time series analysis and the GARMA model to model pressure series in real water supply networks. The behavior of pressure time series was described, and ARIMA, SARIMA, and GARMA models were fitted to pressure data classified as normal behavior. By comparing the performance of the models across different sensors, time periods, and forecast horizons, it can be concluded that the GARMA (2,0 ) model with gamma probability density and Fourier series is suitable for these time series. The application of the gamma probability density function enabled the handling of the inherent heteroscedasticity in the data-generating mechanism. The transformation of the pressure series into \"Consumed Energy\" allowed for generalizing the model to most sensors in the studied sector, providing more accurate forecasts for multiple sensors in the same hydraulic sector. Furthermore, this approach has proven to be useful for anomaly detection and establishing a technical framework for future research in operational control. In conclusion, the analysis of time series applied to pressure series in water supply networks represents a robust approach that can enhance the modeling of historical series obtained by sanitation companies, transforming a wealth of data into valuable information, and offering precise forecasts and valuable insights for the decision-making process.Biblioteca Digitais de Teses e Dissertações da USPMedina, Maria Mercedes GamboaCampos, Fabrizio Silva2023-12-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/18/18138/tde-08012024-111307/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-01-11T12:23:02Zoai:teses.usp.br:tde-08012024-111307Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-01-11T12:23:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Previsão de séries temporais de pressão em redes de distribuição de água aplicando modelos generalizados autorregressivos de médias móveis (GARMA) Forecasting of pressure time series in water distribution networks using generalized autoregressive moving average models (GARMA) |
title |
Previsão de séries temporais de pressão em redes de distribuição de água aplicando modelos generalizados autorregressivos de médias móveis (GARMA) |
spellingShingle |
Previsão de séries temporais de pressão em redes de distribuição de água aplicando modelos generalizados autorregressivos de médias móveis (GARMA) Campos, Fabrizio Silva Abastecimento de água Autorregressive models Modelos autorregressivos Pressure signals Sinais de pressão Smart Water Smart water Water supply |
title_short |
Previsão de séries temporais de pressão em redes de distribuição de água aplicando modelos generalizados autorregressivos de médias móveis (GARMA) |
title_full |
Previsão de séries temporais de pressão em redes de distribuição de água aplicando modelos generalizados autorregressivos de médias móveis (GARMA) |
title_fullStr |
Previsão de séries temporais de pressão em redes de distribuição de água aplicando modelos generalizados autorregressivos de médias móveis (GARMA) |
title_full_unstemmed |
Previsão de séries temporais de pressão em redes de distribuição de água aplicando modelos generalizados autorregressivos de médias móveis (GARMA) |
title_sort |
Previsão de séries temporais de pressão em redes de distribuição de água aplicando modelos generalizados autorregressivos de médias móveis (GARMA) |
author |
Campos, Fabrizio Silva |
author_facet |
Campos, Fabrizio Silva |
author_role |
author |
dc.contributor.none.fl_str_mv |
Medina, Maria Mercedes Gamboa |
dc.contributor.author.fl_str_mv |
Campos, Fabrizio Silva |
dc.subject.por.fl_str_mv |
Abastecimento de água Autorregressive models Modelos autorregressivos Pressure signals Sinais de pressão Smart Water Smart water Water supply |
topic |
Abastecimento de água Autorregressive models Modelos autorregressivos Pressure signals Sinais de pressão Smart Water Smart water Water supply |
description |
A eficiência na gestão do sistema de distribuição de água é essencial para fornecer água potável de forma contínua e adequada. Companhias de saneamento estão investindo em automação da coleta de dados em campo por meio de sensores, como vazão e pressão, mas ainda não exploram totalmente as informações disponíveis nos dados históricos. Este estudo visa aplicar análise de séries temporais e o modelo GARMA para modelar séries de pressão em redes de abastecimento de água real. Foram descritos o comportamento das séries temporais de pressão e ajustados modelos ARIMA, SARIMA e GARMA a dados de pressão classificados como de comportamento normal. Comparando o desempenho dos modelos em diferentes sensores, períodos e horizontes de previsão, pode-se concluir que o modelo GARMA (2,0 ) com densidade de probabilidade gama e séries de Fourier é adequado para essas séries temporais. A aplicação da função de densidade de probabilidade gama permitiu lidar com a heterocedasticidade inerente ao mecanismo gerador dos dados e a transformação da série de pressão em "Energia Consumida" permitiu generalizar o modelo para a maioria dos sensores do setor estudado. Isso proporcionou previsões mais precisas em vários sensores do mesmo setor hidráulico. Além disso, essa abordagem mostrou-se útil para identificar anomalias e estabelecer um arcabouço técnico para futuras pesquisas na área de controle operacional. Assim, conclui-se que a análise de séries temporais aplicada a séries de pressão em redes de abastecimento é uma abordagem robusta que pode melhorar a modelagem das séries históricas obtidas pelas companhias de saneamento, transformando uma massa de dados em informações úteis, fornecendo previsões precisas e insights valiosos para o processo de tomada de decisão. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-12-01 |
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://www.teses.usp.br/teses/disponiveis/18/18138/tde-08012024-111307/ |
url |
https://www.teses.usp.br/teses/disponiveis/18/18138/tde-08012024-111307/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1815256791035936768 |