Exportação concluída — 

Modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Bezerra, Alberto Guilherme de Oliveira
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Tarifa de água
Redes neurais artificiais
SNIS
Water tax
Artificial neural network
Link de acesso: http://hdl.handle.net/11449/183655
Resumo: O objetivo do presente trabalho é avaliar modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil. Utilizando a metodologia de cálculo e posterior comparação dos erros obtidos para as previsões, verificando também a aplicabilidade das tarifas previstas para cada sistema de abastecimento. Utilizou-se dois modelos de previsão, o primeiro, fundamentado em técnicas de regressão linear múltipla e o segundo, baseado na aplicação de redes neurais artificiais. Avaliando, dessa forma, a capacidade de os dois modelos em questão preverem os valores tarifários a serem cobrados pelos prestadores de serviços de abastecimento de água e coleta de esgoto, a partir da análise das tarifas anteriormente praticadas. Os dados subsidiários para elaboração dos modelos foram obtidos por meio do sistema nacional de informações sobre saneamento (SNIS). Confirmada a consistência do banco de dados primário, procedeu-se com processamento destes dados, e definição das variáveis mais intervenientes para a definição da tarifa por meio da técnica de análise de correlação. Propôs-se a classificação dos sistemas de acordo com a classe jurídica do prestador de serviço, os cenários financeiros (superávit ou déficit) destes prestadores e o porte populacional dos municípios atendidos. Os resultados obtidos indicaram que os processos de previsão, em ambos os modelos utilizados, foram capazes de prever com elevada acurácia as tarifas, e garantir a manutenção do superávit para os sistemas analisados. Muito embora ambas as classes jurídicas tenham apresentado resultados positivos, notou-se uma uniformidade no número de variáveis selecionadas para as empresas privadas independente do critério financeiro considerado.
id UNSP_b92adae7bdae0241f51eef8e7aa4ebc9
oai_identifier_str oai:repositorio.unesp.br:11449/183655
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do BrasilWater tariff forecasting models applied to municipal and private companies in the South and Southeast regions of BrazilTarifa de águaRedes neurais artificiaisSNISWater taxArtificial neural networkO objetivo do presente trabalho é avaliar modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil. Utilizando a metodologia de cálculo e posterior comparação dos erros obtidos para as previsões, verificando também a aplicabilidade das tarifas previstas para cada sistema de abastecimento. Utilizou-se dois modelos de previsão, o primeiro, fundamentado em técnicas de regressão linear múltipla e o segundo, baseado na aplicação de redes neurais artificiais. Avaliando, dessa forma, a capacidade de os dois modelos em questão preverem os valores tarifários a serem cobrados pelos prestadores de serviços de abastecimento de água e coleta de esgoto, a partir da análise das tarifas anteriormente praticadas. Os dados subsidiários para elaboração dos modelos foram obtidos por meio do sistema nacional de informações sobre saneamento (SNIS). Confirmada a consistência do banco de dados primário, procedeu-se com processamento destes dados, e definição das variáveis mais intervenientes para a definição da tarifa por meio da técnica de análise de correlação. Propôs-se a classificação dos sistemas de acordo com a classe jurídica do prestador de serviço, os cenários financeiros (superávit ou déficit) destes prestadores e o porte populacional dos municípios atendidos. Os resultados obtidos indicaram que os processos de previsão, em ambos os modelos utilizados, foram capazes de prever com elevada acurácia as tarifas, e garantir a manutenção do superávit para os sistemas analisados. Muito embora ambas as classes jurídicas tenham apresentado resultados positivos, notou-se uma uniformidade no número de variáveis selecionadas para as empresas privadas independente do critério financeiro considerado.The objective of the present work was evaluating forecasting models for water tariff applied to municipal and private companies in the South and Southeast regions of Brazil. Using the calculation methodology and subsequent comparison of the errors obtained for the forecasts, also verifying the applicability of the forecast tariffs for each supply system. Two prediction models are used, the first based on multiple linear regression techniques and the second based on the application of artificial neural networks. Evaluating, in this way, the ability of the two models in question to predict the tariff values to be charged by the water supply and wastewater collection service providers, based on the analysis of the tariffs previously practiced. The subsidiary data for the elaboration of the models were obtained through the national sanitation information system (SNIS). Confirming the consistency of the primary database, we proceeded with processing of these data and definition of the most intervening variables for the definition of the tariff through the correlation analysis technique. The classification of the systems according to the legal class of the service provider, the financial scenarios (surplus or deficit) of these providers and the population size of the municipalities served were proposed. The obtained results indicated that the forecasting processes, in both models used, were able to predict with high accuracy the tariffs, and guaranteed the maintenance of the surplus for the analyzed systems. Although both legal classes showed positive results, there was a uniformity in the number of variables selected for private companies regardless of the financial criterion considered.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)CAPES: Código de Financiamento 001Universidade Estadual Paulista (Unesp)Libânio, MarceloUniversidade Estadual Paulista (Unesp)Bezerra, Alberto Guilherme de Oliveira2019-09-30T14:44:41Z2019-09-30T14:44:41Z2019-07-31info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttp://hdl.handle.net/11449/18365500092552133004099084P5porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-08-05T17:29:25Zoai:repositorio.unesp.br:11449/183655Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462024-08-05T17:29:25Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil
Water tariff forecasting models applied to municipal and private companies in the South and Southeast regions of Brazil
title Modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil
spellingShingle Modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil
Bezerra, Alberto Guilherme de Oliveira
Tarifa de água
Redes neurais artificiais
SNIS
Water tax
Artificial neural network
title_short Modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil
title_full Modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil
title_fullStr Modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil
title_full_unstemmed Modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil
title_sort Modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil
author Bezerra, Alberto Guilherme de Oliveira
author_facet Bezerra, Alberto Guilherme de Oliveira
author_role author
dc.contributor.none.fl_str_mv Libânio, Marcelo
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Bezerra, Alberto Guilherme de Oliveira
dc.subject.por.fl_str_mv Tarifa de água
Redes neurais artificiais
SNIS
Water tax
Artificial neural network
topic Tarifa de água
Redes neurais artificiais
SNIS
Water tax
Artificial neural network
description O objetivo do presente trabalho é avaliar modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil. Utilizando a metodologia de cálculo e posterior comparação dos erros obtidos para as previsões, verificando também a aplicabilidade das tarifas previstas para cada sistema de abastecimento. Utilizou-se dois modelos de previsão, o primeiro, fundamentado em técnicas de regressão linear múltipla e o segundo, baseado na aplicação de redes neurais artificiais. Avaliando, dessa forma, a capacidade de os dois modelos em questão preverem os valores tarifários a serem cobrados pelos prestadores de serviços de abastecimento de água e coleta de esgoto, a partir da análise das tarifas anteriormente praticadas. Os dados subsidiários para elaboração dos modelos foram obtidos por meio do sistema nacional de informações sobre saneamento (SNIS). Confirmada a consistência do banco de dados primário, procedeu-se com processamento destes dados, e definição das variáveis mais intervenientes para a definição da tarifa por meio da técnica de análise de correlação. Propôs-se a classificação dos sistemas de acordo com a classe jurídica do prestador de serviço, os cenários financeiros (superávit ou déficit) destes prestadores e o porte populacional dos municípios atendidos. Os resultados obtidos indicaram que os processos de previsão, em ambos os modelos utilizados, foram capazes de prever com elevada acurácia as tarifas, e garantir a manutenção do superávit para os sistemas analisados. Muito embora ambas as classes jurídicas tenham apresentado resultados positivos, notou-se uma uniformidade no número de variáveis selecionadas para as empresas privadas independente do critério financeiro considerado.
publishDate 2019
dc.date.none.fl_str_mv 2019-09-30T14:44:41Z
2019-09-30T14:44:41Z
2019-07-31
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://hdl.handle.net/11449/183655
000925521
33004099084P5
url http://hdl.handle.net/11449/183655
identifier_str_mv 000925521
33004099084P5
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 application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1854954385082155008

Registros relacionados