1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Estatística e Experimentação Agropecuária - Mestrado (Dissertações)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/1117
Registro completo de metadados
Campo DCValorIdioma
dc.creatorVillamagna, Maíra Rodrigues-
dc.date.accessioned2013-09-23T15:16:48Z-
dc.date.available2013-09-23T15:16:48Z-
dc.date.copyright2013-
dc.date.issued2013-
dc.date.submitted2013-02-27-
dc.identifier.citationVILLAMAGNA, M. R. Seleção de modelos de séries temporais e redes neurais artificiais na previsão de consumo e demanda de energia elétrica. 2013. 113 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2013.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/1117-
dc.descriptionDissertação apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do Titulo de Mestre.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)pt_BR
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectSérie temporalpt_BR
dc.subjectRede neural artificialpt_BR
dc.subjectBox-Jenkinspt_BR
dc.subjectPrevisãopt_BR
dc.subjectEnergia elétricapt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectTendênciapt_BR
dc.subjectSazonalidadept_BR
dc.subjectTime seriespt_BR
dc.subjectArtificial neural networkpt_BR
dc.subjectForecastingpt_BR
dc.titleSeleção de modelos de séries temporais e redes neurais artificiais na previsão de consumo e demanda de energia elétricapt_BR
dc.typedissertaçãopt_BR
dc.contributor.advisor-coRibeiro, Fabiano Lemes-
dc.publisher.programDEX - Programa de Pós-graduaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationEstatística e Experimentação Agropecuáriapt_BR
dc.contributor.advisor1Sáfadi, Thelma-
dc.contributor.referee1Silva, Joaquim Paulo da-
dc.contributor.referee1Lacerda, Wilian Soares-
dc.description.resumoThis study analyzed the series of consumption and electricity demand for University Federal of Lavras (UFLA), covering the period from January 1995 to December 2011, with the objective of predicting future values by the methods of Box and Jenkins and Artificial Neural Networks (ANN). Comparisons were made between the methodologies suggested to check the performance of the same, in order to generate more accurate figures for next year. The Box-Jenkins methodology presented efficient to represent the series under study, capturing the effects of seasonality and trend occurred. The results show that the artificial neural network had a better forecasting performance of the demand and consumption of electricity.pt_BR
dc.description.resumoNeste trabalho foram analisadas as séries mensais de consumo e demanda de energia elétrica da Universidade Federal de Lavras (UFLA), no período de janeiro de 1995 a dezembro de 2011, com o objetivo de prever os valores futuros através dos métodos de Box e Jenkins e Redes Neurais Artificiais (RNA). Foram realizadas comparações entre as metodologias sugeridas, por meio do erro quadrático médio de previsão (EQMP) e erro percentual absoluto médio de previsão (MAPE), para verificar o desempenho das mesmas. A metodologia Box e Jenkins apresentou-se eficiente para representar a série em estudo, captando os efeitos de tendência e sazonalidade ocorridos. Os resultados mostram que as Redes Neurais Artificiais obtiveram melhores valores nos índices de desempenho testados e se apresentam como um método satisfatório para a previsão um passo à frente do consumo e da demanda de energia elétrica.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Aparece nas coleções:Estatística e Experimentação Agropecuária - Mestrado (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO_Seleção de modelos de séries temporais e redes neurais artificiais na previsão de consumo e demanda de energia elétrica.pdf1,64 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.