xmlui.metadata.dc.contributor.advisor | Menezes, Moisés Lima de | |
xmlui.metadata.dc.contributor.author | Bernardo, Tiago de Sales | |
xmlui.metadata.dc.date.accessioned | 2020-08-31T15:16:01Z | |
xmlui.metadata.dc.date.available | 2020-08-31T15:16:01Z | |
xmlui.metadata.dc.date.issued | 2016 | |
xmlui.metadata.dc.identifier.citation | BERNARDO, Tiago de Sales. Avaliando a Qualidade da Previsão de Vazão de Afluentes de Acordo com a Escolha dos Parâmetros na Abordagem Singular Spectrum Analysis. 2016. 72 f. Trabalho de Conclusão de Curso (Graduação em Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2016. | pt_BR |
xmlui.metadata.dc.identifier.uri | https://app.uff.br/riuff/handle/1/14821 | |
xmlui.metadata.dc.description.abstract | É difícil imaginar como seria a vida das pessoas, nos dias de hoje, sem a presença da energia elétrica. Hábitos comuns como: assistir programas nas TV's, recarregar celulares ou notebooks, aquecer água na hora do banho, se deslocarem em elevadores entre outras, não seriam possíveis sem o uso da eletricidade. Para se ter energia elétrica em casa e poder usufruir de todos os benefícios citados anteriormente há um longo caminho a ser precorrido que começa a ser trilhado a partir da fonte de geração. Porém, poucos tem a noção de como é produzida e o que é necessário para a geração de energia elétrica. E uma das maneiras de geração de energia elétrica é através das Usinas Hidrelétricas(UH), essas que utilizam a água como principal matéria prima. Dessa forma, faz-se necessário fazer previsões da vazão de afluentes aos reservatório de geração de energia elétrica. E modelar séries temporais para obter boas previsões é de extrema importância para que se possa ter um planejamento de acordo com a vazão dos afuentes. Este trabalho tem por finalidade modelar a série temporal de vazão de afluente da usina hidrelétrica Governador Bento Munhoz da Rocha Netto a partir dos modelos clássicos Holt-Winters e Box & Jenkins. Além disso, são realizadas filtragens na série original, a partir da escolha de vários valores para os pares de parâmetros na abordagem Singular Spectrum Analysis, após isso as mesmas são modeladas via Holt-Winters e Box & Jenkins. Os modelos, tanto para a série original como para a série filtrada, são comparados através de estatísticas de aderência, de modo que o melhor modelo é aquele que minimiza os erros e que tenha a melhor capacidade preditiva. Os resultados mostram que para es sa séri e os modelos de Box & Jenkins apresentam uma maior capacidade preditiva, e que a filtragem melhora em muito esta capacidade e os melhores valores para os parâmetros L e D são: L=T/2 e D=L | pt_BR |
xmlui.metadata.dc.language.iso | pt_BR | pt_BR |
xmlui.metadata.dc.rights | Open Access | pt_BR |
xmlui.metadata.dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
xmlui.metadata.dc.title | Avaliando a qualidade da previsão de vazão de afluentes de acordo com a escolha dos parâmetros na abordagem singular spectrum analysis | pt_BR |
xmlui.metadata.dc.type | Trabalho de conclusão de curso | pt_BR |
xmlui.metadata.dc.subject.keyword | Singular spectrum analysis | pt_BR |
xmlui.metadata.dc.subject.keyword | Modelagem | pt_BR |
xmlui.metadata.dc.subject.keyword | Filtragem | pt_BR |
xmlui.metadata.dc.subject.keyword | Séries temporais | pt_BR |
xmlui.metadata.dc.subject.keyword | Vazão de afluentes | pt_BR |
xmlui.metadata.dc.subject.keyword | Usina hidrelétrica | pt_BR |
xmlui.metadata.dc.contributor.members | Cassiano, Keila Mara | |
xmlui.metadata.dc.contributor.members | Carvalho, Márcia Marques de | |
xmlui.metadata.dc.degree.level | Graduação | pt_BR |
xmlui.metadata.dc.creator.affilliation | Universidade Federal Fluminense. Instituto de Matemática e Estatística. Coordenação do Curso de Graduação em Estatística. Niterói, RJ | pt_BR |
xmlui.metadata.dc.subject.descriptor | Hidrelétrica | pt_BR |
xmlui.metadata.dc.subject.descriptor | Análise espectral | pt_BR |
xmlui.metadata.dc.subject.descriptor | Série temporal | pt_BR |
xmlui.metadata.dc.subject.descriptor | Modelagem | pt_BR |
xmlui.metadata.dc.subject.descriptor | Previsão | pt_BR |
xmlui.metadata.dc.degree.grantor | Universidade Federal Fluminense | pt_BR |
xmlui.metadata.dc.degree.department | Instituto de Matemática e Estatística | pt_BR |
xmlui.metadata.dc.degree.date | 2016 | |
xmlui.metadata.dc.degree.local | Niterói, RJ | pt_BR |
xmlui.metadata.dc.degree.curso | Curso de Graduação em Estatística | pt_BR |
xmlui.metadata.dc.rights.license | CC-BY-SA | pt_BR |
Files in this item
The following license files are associated with this item: