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

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMenezes, Moisés Lima de-
Autor(es): dc.contributorCarvalho, Marcia Marques de-
Autor(es): dc.contributorCassiano, Keila Mara-
Autor(es): dc.creatorGamboni, Lorena Tereza Bezerra-
Data de aceite: dc.date.accessioned2024-07-11T17:50:17Z-
Data de disponibilização: dc.date.available2024-07-11T17:50:17Z-
Data de envio: dc.date.issued2020-07-13-
Data de envio: dc.date.issued2020-07-13-
Data de envio: dc.date.issued2017-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/14296-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/758531-
Descrição: dc.descriptionA 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-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectEnergia natural afluente-
Palavras-chave: dc.subjectSingular spectrum analysis-
Palavras-chave: dc.subjectSéries temporais-
Palavras-chave: dc.subjectFiltragem-
Palavras-chave: dc.subjectHolt-Winters-
Palavras-chave: dc.subjectBox & Jenkins-
Palavras-chave: dc.subjectModelagem-
Palavras-chave: dc.subjectSérie temporal-
Palavras-chave: dc.subjectEnergia hidrelétrica-
Palavras-chave: dc.subjectPrevisão-
Título: dc.titlePrevisão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.