
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Santos, José Airton Azevedo dos | - |
| Autor(es): dc.contributor | Santos, José Airton Azevedo dos | - |
| Autor(es): dc.contributor | Fernandes, Carlos Aparecido | - |
| Autor(es): dc.contributor | Pasa, Leandro Antonio | - |
| Autor(es): dc.creator | Silva, Gustavo Bezerra da | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T11:55:12Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T11:55:12Z | - |
| Data de envio: dc.date.issued | 2023-08-03 | - |
| Data de envio: dc.date.issued | 2023-08-03 | - |
| Data de envio: dc.date.issued | 2022-11-15 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/31918 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1085699 | - |
| Descrição: dc.description | This work seeks to compare time series analysis techniques to predict the electricity consumption of an agroindustry, located in the southwest of the state of Goiás. The database presents a historical series of monthly energy consumption in the period between january/2016 and december/2021, totaling 72 observations. Forecast models, Linear Regression (LR), Gaussian Process Regression (GPR) and Multilayer Perception Neural Networks (MLP), provided by WEKA software, were used to predict energy consumption. Results, obtained from the three models, were compared using the Mean Absolute Percentage Error (MAPE). It was verified, for a horizon of four months, that the MLP model presented, in relation to the LR and GPR models, a better performance. | - |
| Descrição: dc.description | Este trabalho busca comparar técnicas de análise, de séries temporais, para previsão do consumo de energia elétrica de uma agroindústria, localizada no Sudoeste do estado de Goiás. A base de dados apresenta uma série histórica do consumo mensal de energia no período entre janeiro/2016 e dezembro/2021, totalizando 72 observações. Modelos de previsão, de Regressão Linear (LR), Regressão do Processo Gaussiano (GPR) e Redes Neurais Multilayer Perception (MLP), fornecidos pelo software WEKA, foram utilizados na previsão do consumo de energia. Resultados, obtidos dos três modelos, foram comparados por meio do Erro Médio Absoluto Percentual (MAPE). Verificouse, para um horizonte de quatro meses, que o modelo MLP apresentou, com relação aos modelos LR e GPR, um melhor desempenho. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Medianeira | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Engenharia Elétrica | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Palavras-chave: dc.subject | Energia elétrica - Consumo | - |
| Palavras-chave: dc.subject | Análise de séries temporais | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Inteligência artificial | - |
| Palavras-chave: dc.subject | Electric power consumption | - |
| Palavras-chave: dc.subject | Time-series analysis | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Artificial intelligence | - |
| Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
| Título: dc.title | Aplicação de técnicas de regressão linear, regressão do processo Gaussiano e de redes neurais artificiais para previsão do consumo de energia de uma agroindústria | - |
| Título: dc.title | Application of linear regression, Gaussian process regression and artificial neural network techniques to predict electricity consumption of na agroindustry | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: