https://repositorio.ufba.br/handle/ri/38665
metadata.dc.type: | Dissertação |
Title: | Modelos de aprendizagem de máquina para previsão da demanda de água da região metropolitana de Salvador, Bahia. |
Other Titles: | Machine learning models for forecasting water demand in the metropolitan region of Salvador, Bahia. |
metadata.dc.creator: | Jesus, Edmilson dos Santos de |
metadata.dc.contributor.advisor1: | Gomes, Gecynalda Soares da Silva |
metadata.dc.contributor.referee1: | Gomes, Gecynalda Soares da Silva |
metadata.dc.contributor.referee2: | Silva, Paulo Henrique Ferreira da |
metadata.dc.contributor.referee3: | Souza, Anderson Luiz Ara |
metadata.dc.description.resumo: | A água é essencial para a vida humana e prever sua crescente demanda é um grande desafio, o objetivo deste trabalho é propor um novo modelo híbrido, SVR-ANN, para previsão de demanda de água, onde uma adaptação da metodologia proposta por Zhang (2003) é utilizada para decompor as séries temporais de 10 reservatórios que abastecem a Região Metropolitana de Salvador (RMS). Os dados utilizados são do consumo histórico de janeiro/2017 a fevereiro/2022, em litros por hora, obtidos junto à empresa de abastecimento local, Empresa Baiana de Águas e Saneamento (EMBASA), e dados meteorológicos obtidos junto ao Instituto Nacional de Meteorologia do Brasil (INMET). Os resultados demonstraram a viabilidade do uso do modelo proposto, comparado a outros modelos tradicionais como o Multilayer Perceptron (MLP), Support Vector Regression (SVR), Short Long Term Memory (LSTM) e Autoregressive and Integrated Moving Average (ARIMA). |
Abstract: | Water is essential for human life and predicting its growing demand is a big challenge, the objective of this work is to propose a new hybrid model, SVR-ANN, to water demand forecast, where an adaptation of the methodology proposed by Zhang (2003) is used to decompose the time series of 10 reservoirs that supply the Metropolitan Region of Salvador (RMS). The data used is from historical consumption from January/2017 to February/2022, in liters per hour, obtained from the local supply, Bahian Water and Sanitation Company (EMBASA), and meteorological data obtained from the Brazilian National Meteorology Institute (INMET). You results demonstrated the feasibility of using the proposed model, compared to other traditional models like Multilayer Perceptron (MLP), Support Vector Regression (SVR), Short Long Term Memory (LSTM) and Autoregressive and Integrated Moving Average (ARIMA). |
Keywords: | Séries temporais Aprendizagem de máquina Modelos híbridos Demanda de água Dados meteorológicos Redes neurais |
metadata.dc.subject.cnpq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
metadata.dc.language: | por |
metadata.dc.publisher.country: | Brasil |
Publisher: | Universidade Federal da Bahia |
metadata.dc.publisher.initials: | UFBA |
metadata.dc.publisher.department: | Instituto de Computação - IC |
metadata.dc.publisher.program: | Programa de Pós-Graduação em Ciência da Computação (PGCOMP) |
Citation: | JESUS, Edmilson dos Santos de. Modelos de aprendizagem de máquina para previsão da demanda de água da Região Metropolitana de Salvador, Bahia. 2023. 82 f. Dissertação (Mestrado em Ciência da Computação) - Instituto de Computação, Universidade Federal da Bahia, Salvador (Bahia), 2023. |
metadata.dc.rights: | Attribution-NonCommercial-NoDerivs 3.0 Brazil |
metadata.dc.rights.uri: | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
metadata.dc.identifier.doi: | http://dx.doi.org/10.1007/s00521-023-08842-0 |
URI: | https://repositorio.ufba.br/handle/ri/38665 |
Issue Date: | 31-Jul-2023 |
Appears in Collections: | Dissertação (PGCOMP) |
File | Description | Size | Format | |
---|---|---|---|---|
Dissertação_Mestrado_Versão_Final.pdf | Dissertação de mestrado de Edmilson dos Santos de Jesus. | 9,09 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License