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 | https://orcid.org/0000-0002-2568-5734 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1208427854093144 | - |
Autor(es): dc.contributor | Guedes, Alex Lemes | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-4120-8436 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6156629768083874 | - |
Autor(es): dc.contributor | Santos, José Airton Azevedo dos | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-2568-5734 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1208427854093144 | - |
Autor(es): dc.contributor | Pasa, Leandro Antonio | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-0214-250X | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/4095187669845473 | - |
Autor(es): dc.contributor | Silvina, Luani Back | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-3636-8451 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/9370168756909943 | - |
Autor(es): dc.contributor | Tonin, Paulo César | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-5815-5177 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6557298196355263 | - |
Autor(es): dc.creator | Antoniolli, Eduarda Araújo | - |
Data de aceite: dc.date.accessioned | 2022-08-04T20:17:14Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T20:17:14Z | - |
Data de envio: dc.date.issued | 2022-06-22 | - |
Data de envio: dc.date.issued | 2022-06-22 | - |
Data de envio: dc.date.issued | 2021-10-28 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/28877 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/706085 | - |
Descrição: dc.description | This research aimed to forecast the electricity consumption of a poultry facility unit. For this, time series models were developed using learning algorithms, such as linear regression, neural networks and support vector machines, using WEKA software. The input was the unit’s consumption history, from November 2016 to December 2020. The hyperparameters of the models were chosen from the evaluation of the MAPE and MAE of the test set. For validation, a forecast of one semester ahead was performed, that is, for the period from January 2021 to June 2021. The data were compared with the actual consumption observed in the unit. The model with the best performance was the SVM, with a MAPE of 3.38%. The linear regression models and neural networks, despite presenting an error above the MAPE established for this work, of 5%, are also considered capable of estimating the future consumption of electricity for the unit in question. | - |
Descrição: dc.description | Esta pesquisa teve como objetivo realizar a previsão do consumo de energia elétrica de um frigorífico. Para isso, foram desenvolvidos modelos, de series temporais, usando algoritmos de aprendizagem, como regressão linear, redes neurais e máquinas de vetores de suporte, através do software WEKA. A entrada foi o histórico de consumo da unidade, do período de novembro de 2016 a dezembro de 2020. Os hiper parâmetros dos modelos foram escolhidos a partir da avaliação do MAPE e do MAE do conjunto de teste. Para a validação, realizou-se a previsão de um semestre a frente, ou seja, para o período de janeiro de 2021 a junho de 2021. As estimativas foram comparadas com o consumo real observado na unidade. O modelo com melhor desempenho foi o SVM, com um MAPE de 3,38%. Os modelos de regressão linear e redes ˜ neurais, apesar de apresentarem um erro acima do MAPE estabelecido para este trabalho, de 5%, também ao considerados aptos para estimar o consumo futuro de energia elétrica para a unidade em questão. | - |
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 | Programa de Pós-Graduação em Tecnologias Computacionais para o Agronegócio | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-sa/4.0/ | - |
Palavras-chave: dc.subject | Agroindústria | - |
Palavras-chave: dc.subject | Algorítmos computacionais | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Agricultural industries | - |
Palavras-chave: dc.subject | Computer algorithms | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA | - |
Palavras-chave: dc.subject | Engenharia/Tecnologia/Gestão | - |
Título: dc.title | Previsão do consumo de energia elétrica em um frigorífico: um estudo de caso utilizando regressão linear, redes neurais e máquinas de vetores de suporte | - |
Título: dc.title | Electrical energy consumption forecast in a poultry processing facility: a case study using linear regression, neural networks and support vector machine | - |
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: