Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins

Detalhes bibliográficos
Ano de defesa: 2013
Autor(a) principal: Rossi, Daniela Jardin [UNESP]
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:
Redes neurais (Computação)
Previsão com Metodologia de Bonx-Jenkis
Ventos - Velocidade
Box-Jenkis forecasting
Link de acesso: http://hdl.handle.net/11449/111121
Resumo: This work presents a hybrid methodology using MLP (multilayer perceptron) neural network and statistical ARIMA of Box and Jenkins to predict wind time series. The ARIMA models predict the time series data that are nonlinear, and the error obtained is introduced in the MLP by backpropagation training, forming the hybrid additive model. Tests were done with two data sets. Test 1 uses data from Ilha Solteira, SP region developed by an Agrometheorogical project of UNESP Campus of Ilha Solteira. Test 2 the data are from a project developed by INPE (National Space Research Institute) which provides solar and wind data in adequate high to energy generation in several regions of Brazil. Results are analyzed by MAPE (mean absolute percent error) and are in accordance with those found in the specialized literature
id UNSP_e1b7b7d2d681b4971b1af31dbde5c197
oai_identifier_str oai:repositorio.unesp.br:11449/111121
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkinsRedes neurais (Computação)Previsão com Metodologia de Bonx-JenkisVentos - VelocidadeBox-Jenkis forecastingThis work presents a hybrid methodology using MLP (multilayer perceptron) neural network and statistical ARIMA of Box and Jenkins to predict wind time series. The ARIMA models predict the time series data that are nonlinear, and the error obtained is introduced in the MLP by backpropagation training, forming the hybrid additive model. Tests were done with two data sets. Test 1 uses data from Ilha Solteira, SP region developed by an Agrometheorogical project of UNESP Campus of Ilha Solteira. Test 2 the data are from a project developed by INPE (National Space Research Institute) which provides solar and wind data in adequate high to energy generation in several regions of Brazil. Results are analyzed by MAPE (mean absolute percent error) and are in accordance with those found in the specialized literatureNesta pesquisa apresenta-se o desenvolvimento de uma metodologia híbrida utilizando a rede neural artificial perceptron multicamadas e os modelos estatísticos ARIMA com a abordagem de Box e Jenkins, com o objetivo de prever séries temporais de velocidade dos ventos. Os modelos estatísticos ARIMA realizam a previsão das séries de dados, que ainda conservam os padrões não lineares, juntamente com a rede MLP e o algoritmo de aprendizagem retropropagação que, através do erro de previsão obtido, desenvolvem um Modelo Híbrido aditivo para previsão de séries temporais. Os testes de validação foram realizados com dois bancos de dados de séries de velocidade dos ventos. No Teste 1 os dados foram fornecidos de um banco de dados agrometereológicos localizado na região de Ilha Solteira - SP, e no Teste 2 os dados são oriundos de um projeto desenvolvido pelo INPE (Instituto Nacional de Pesquisas Espaciais) que fornece dados anemométricos e solarimétricos em alturas de 25 e 50 metros, possuindo bases em várias regiões do Brasil. Analisando os erros médios quadráticos (MAPE) conclui-se que estão dentro dos limites encontrados na literaturaUniversidade Estadual Paulista (Unesp)Lotufo, Anna Diva Plasencia [UNESP]Lopes, Mara Lúcia Martins [UNESP]Universidade Estadual Paulista (Unesp)Rossi, Daniela Jardin [UNESP]2014-12-02T11:16:56Z2014-12-02T11:16:56Z2013-06-07info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis76 f. : il.application/pdfROSSI, Daniela Jardin. Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins. 2014. 76 f. Dissertação (mestrado) - Universidade Estadual Paulista Jùlio de Mesquita Filho, Faculdade de Engenharia de Ilha Solteira, 2014.http://hdl.handle.net/11449/111121000795776000795776.pdf33004099080P05434299135943285Alephreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporinfo:eu-repo/semantics/openAccess2024-08-05T17:42:29Zoai:repositorio.unesp.br:11449/111121Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462024-08-05T17:42:29Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins
title Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins
spellingShingle Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins
Rossi, Daniela Jardin [UNESP]
Redes neurais (Computação)
Previsão com Metodologia de Bonx-Jenkis
Ventos - Velocidade
Box-Jenkis forecasting
title_short Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins
title_full Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins
title_fullStr Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins
title_full_unstemmed Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins
title_sort Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins
author Rossi, Daniela Jardin [UNESP]
author_facet Rossi, Daniela Jardin [UNESP]
author_role author
dc.contributor.none.fl_str_mv Lotufo, Anna Diva Plasencia [UNESP]
Lopes, Mara Lúcia Martins [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Rossi, Daniela Jardin [UNESP]
dc.subject.por.fl_str_mv Redes neurais (Computação)
Previsão com Metodologia de Bonx-Jenkis
Ventos - Velocidade
Box-Jenkis forecasting
topic Redes neurais (Computação)
Previsão com Metodologia de Bonx-Jenkis
Ventos - Velocidade
Box-Jenkis forecasting
description This work presents a hybrid methodology using MLP (multilayer perceptron) neural network and statistical ARIMA of Box and Jenkins to predict wind time series. The ARIMA models predict the time series data that are nonlinear, and the error obtained is introduced in the MLP by backpropagation training, forming the hybrid additive model. Tests were done with two data sets. Test 1 uses data from Ilha Solteira, SP region developed by an Agrometheorogical project of UNESP Campus of Ilha Solteira. Test 2 the data are from a project developed by INPE (National Space Research Institute) which provides solar and wind data in adequate high to energy generation in several regions of Brazil. Results are analyzed by MAPE (mean absolute percent error) and are in accordance with those found in the specialized literature
publishDate 2013
dc.date.none.fl_str_mv 2013-06-07
2014-12-02T11:16:56Z
2014-12-02T11:16:56Z
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 ROSSI, Daniela Jardin. Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins. 2014. 76 f. Dissertação (mestrado) - Universidade Estadual Paulista Jùlio de Mesquita Filho, Faculdade de Engenharia de Ilha Solteira, 2014.
http://hdl.handle.net/11449/111121
000795776
000795776.pdf
33004099080P0
5434299135943285
identifier_str_mv ROSSI, Daniela Jardin. Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins. 2014. 76 f. Dissertação (mestrado) - Universidade Estadual Paulista Jùlio de Mesquita Filho, Faculdade de Engenharia de Ilha Solteira, 2014.
000795776
000795776.pdf
33004099080P0
5434299135943285
url http://hdl.handle.net/11449/111121
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 76 f. : il.
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 Aleph
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_ 1854954918182387712

Registros relacionados