Aperfeiçoamento de algoritmo genético para seleção de variáveis de entrada para rede neural para previsão de carga elétrica ativa de curto prazo

Detalhes bibliográficos
Ano de defesa: 2005
Autor(a) principal: Bet, Sabrina
Orientador(a): Wazlawick, Raul Sidnei
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Florianópolis, SC
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: http://repositorio.ufsc.br/handle/123456789/102678
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciência da Computação
id UFSC_829f6e31a9c6cb38709b080ba2dbe496
oai_identifier_str oai:repositorio.ufsc.br:123456789/102678
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaBet, SabrinaWazlawick, Raul Sidnei2013-07-16T01:36:59Z2013-07-16T01:36:59Z20052005221624http://repositorio.ufsc.br/handle/123456789/102678Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciência da ComputaçãoEste trabalho faz parte do Projeto PCarga, que tem como objetivo o desenvolvimento de um sistema previsor de carga elétrica ativa de curto prazo. O modelo, proposto por Oliveira (2004), visa a previsão de meia hora a frente em uma janela de uma semana, com a utilização de uma estrutura inteligente e adaptativa que se ajusta às características específicas de cada microrregião de consumo de energia elétrica e necessita de um baixo nível de intervenção humana. O modelo possui um modelador evolutivo que opera através de algoritmos genéticos e é responsável pela otimização do vetor das variáveis de entrada relevantes para a rede neural do sistema previsor. A pesquisa aqui apresentada envolve a otimização deste algoritmo genético na tentativa de reduzir o seu tempo de convergência. Para tanto, foi realizado um trabalho envolvendo duas hipóteses. A primeira hipótese consiste em criar uma função de mutação simultânea em grupos específicos de variáveis, visando fazer com que o algoritmo tenha uma convergência mais rápida quando comparado ao método de mutação individual. Esta hipótese foi confirmada através de uma série de experimentos. A segunda hipótese trabalha com a idéia de redução do tamanho do cromossomo do algoritmo genético, através da eliminação de variáveis de deslocamento redundantes (valores absolutos e derivados). Neste caso, os experimentos realizados comprovaram a hipótese contrária, o que significa que a combinação de valores absolutos e derivados, ao invés da utilização de apenas um tipo destes valores, é fundamental para a boa qualidade das previsões da rede neural.xii, 53 f.| il., grafs., tabs.porFlorianópolis, SCInformaticaCiência da computaçãoInteligencia artificialAlgoritmos genéticosRedes neurais (Computação)Aperfeiçoamento de algoritmo genético para seleção de variáveis de entrada para rede neural para previsão de carga elétrica ativa de curto prazoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINAL221624.pdfapplication/pdf573400https://repositorio.ufsc.br/bitstream/123456789/102678/1/221624.pdfc561ffacb979f7ccbb5aea423ab15879MD51TEXT221624.pdf.txt221624.pdf.txtExtracted texttext/plain109447https://repositorio.ufsc.br/bitstream/123456789/102678/2/221624.pdf.txtb8ba17454a828e6bf39eb24b33bc1bf8MD52123456789/1026782014-01-19 00:14:12.661oai:repositorio.ufsc.br:123456789/102678Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732014-01-19T02:14:12Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.en.fl_str_mv Aperfeiçoamento de algoritmo genético para seleção de variáveis de entrada para rede neural para previsão de carga elétrica ativa de curto prazo
title Aperfeiçoamento de algoritmo genético para seleção de variáveis de entrada para rede neural para previsão de carga elétrica ativa de curto prazo
spellingShingle Aperfeiçoamento de algoritmo genético para seleção de variáveis de entrada para rede neural para previsão de carga elétrica ativa de curto prazo
Bet, Sabrina
Informatica
Ciência da computação
Inteligencia artificial
Algoritmos genéticos
Redes neurais (Computação)
title_short Aperfeiçoamento de algoritmo genético para seleção de variáveis de entrada para rede neural para previsão de carga elétrica ativa de curto prazo
title_full Aperfeiçoamento de algoritmo genético para seleção de variáveis de entrada para rede neural para previsão de carga elétrica ativa de curto prazo
title_fullStr Aperfeiçoamento de algoritmo genético para seleção de variáveis de entrada para rede neural para previsão de carga elétrica ativa de curto prazo
title_full_unstemmed Aperfeiçoamento de algoritmo genético para seleção de variáveis de entrada para rede neural para previsão de carga elétrica ativa de curto prazo
title_sort Aperfeiçoamento de algoritmo genético para seleção de variáveis de entrada para rede neural para previsão de carga elétrica ativa de curto prazo
author Bet, Sabrina
author_facet Bet, Sabrina
author_role author
dc.contributor.en.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Bet, Sabrina
dc.contributor.advisor1.fl_str_mv Wazlawick, Raul Sidnei
contributor_str_mv Wazlawick, Raul Sidnei
dc.subject.classification.en.fl_str_mv Informatica
Ciência da computação
Inteligencia artificial
Algoritmos genéticos
Redes neurais (Computação)
topic Informatica
Ciência da computação
Inteligencia artificial
Algoritmos genéticos
Redes neurais (Computação)
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciência da Computação
publishDate 2005
dc.date.submitted.en.fl_str_mv 2005
dc.date.issued.fl_str_mv 2005
dc.date.accessioned.fl_str_mv 2013-07-16T01:36:59Z
dc.date.available.fl_str_mv 2013-07-16T01:36:59Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.ufsc.br/handle/123456789/102678
dc.identifier.other.en.fl_str_mv 221624
identifier_str_mv 221624
url http://repositorio.ufsc.br/handle/123456789/102678
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv xii, 53 f.| il., grafs., tabs.
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/102678/1/221624.pdf
https://repositorio.ufsc.br/bitstream/123456789/102678/2/221624.pdf.txt
bitstream.checksum.fl_str_mv c561ffacb979f7ccbb5aea423ab15879
b8ba17454a828e6bf39eb24b33bc1bf8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851758906221527040

Registros relacionados