Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Menezes, Moisés Lima de | - |
Autor(es): dc.contributor | Carvalho, Marcia Marques de | - |
Autor(es): dc.contributor | Cassiano, Keila Mara | - |
Autor(es): dc.creator | Gamboni, Lorena Tereza Bezerra | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:50:17Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:50:17Z | - |
Data de envio: dc.date.issued | 2020-07-13 | - |
Data de envio: dc.date.issued | 2020-07-13 | - |
Data de envio: dc.date.issued | 2017 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/14296 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/758531 | - |
Descrição: dc.description | A 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.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Energia natural afluente | - |
Palavras-chave: dc.subject | Singular spectrum analysis | - |
Palavras-chave: dc.subject | Séries temporais | - |
Palavras-chave: dc.subject | Filtragem | - |
Palavras-chave: dc.subject | Holt-Winters | - |
Palavras-chave: dc.subject | Box & Jenkins | - |
Palavras-chave: dc.subject | Modelagem | - |
Palavras-chave: dc.subject | Série temporal | - |
Palavras-chave: dc.subject | Energia hidrelétrica | - |
Palavras-chave: dc.subject | Previsão | - |
Título: dc.title | Previsão de energia natural afluente do subsistema sudeste sob a abordagem singular spectrum analysis | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: