Use este identificador para citar ou linkar para este item: http://hdl.handle.net/1843/BUOS-9QHK4A
Tipo: Dissertação de Mestrado
Título: Estratégias de previsão multipassos à frente para vazão afluente em bacias hidrográficas de diferentes dinâmicas
Autor(es): Samira Domingos Costa
Primeiro Orientador: Eduardo Mazoni Andrade Marcal Mendes
Primeiro membro da banca : Cristiano Leite de Castro
Segundo membro da banca: Bruno Otávio Soares Teixeira
Resumo: A obtenção de uma boa predição de multipassos á frente, que caracteriza o fenômeno sob investigação, é um objetivo importante em diversas áreas da ciência que lidam com séries temporais. Para alcançar este objetivo, não só o algoritmo utilizado bem como a estratégia aplicada para a determinação da predição devem ser considerados. Por exemplo, na hidrologia, há a necessidade de se fornecer a vazão real de bacias hidrográficas como parte do chamado plano estratégico das concessionárias de energia. é neste contexto que este trabalho tem como um dos objetivos aplicar e estudar métodos de previsão de até 10 passos á frente para o problema real de determinação da vazão á frente em bacias hidrográficas da CEMIG. Para tanto, serão abordadas duas técnicas: a modelagem ARX (AutoRegressive with eXogenous inputs model), escolhida como modelo de comparação por ser um clássico da literatura especializada e amplamente utilizada, e o algoritmo de aprendizagem preguiçoso (Lazy Learning Algorithm), originado na área de Dinâmica Não-Linear. Para que a predição obtida pelos modelos ARX e modelos Lazy Learning seja otimizada, cinco estratégias de predição multipassos á frente, hoje disponíveis na literatura, são discutidas, a saber Direta, Recursiva, DirRec, MIMO e DIRMO. Os dados utilizados, precipitação e vazão, são medições reais e referem-se a duas bacias hidrográficas: uma de pequeno porte, Usina Hidrelétrica de Rosal e a outra de grande porte, Usina Hidrelétrica de Três Marias. Além da métrica usual de desempenho, MAPE, outras métricas típicas da área da hidrologia como MAE, MSE, RMSE, PBIAS, RSR e NSE serão utilizadas para quantificar os resultados. A estratégia de utilização de diferentes modelos com diferentes estruturas e representações para diferentes passos de previsão, dependendo do índice de desempenho utilizado, é mostrada ser eficaz quando aplicada a dados reais de um bacia hidrográfica.
Abstract: One of the problems in the time series analysis is to obtain multi-step ahead predictions using models that can reproduced the phenomena under investigation with good accuracy. In order to achieve this goal, not only the algorithm used but also the strategy applied to the problem is of great importance. For example, in the context of hydrology, there is the necessity of producing real flow rate of river basins as part of the strategic plan of electric companies. This work sets as one of its goals to apply and to study prediction methods up to 10 steps ahead for the real problem of defining the flow of CEMIG river basins. To do so, two techniques will be used: AutoRegressive with eXogenous inputs modelling, chosen as a comparison model as it is a classic of specialized literature and is widely used, and the Lazy Learning Algorithm, a tool discussed by (Birattari e Bontempi, 1999; Taieb et al., 2012), and originated from the field of nonlinear dynamics. To optimize the predictions using the ARX models and the Lazy Learning models, five different multistep ahead prediction strategies are discussed: Direct, Recursive, DirRec, MIMO and DIRMO. The real measured data of precipitation and flow used for identification and validation purposes corresponds to two river basins: a small one, from Rosal Hydroelectric Power Station, and a large one, from Três Marias Hydroelectric Power Station. Besides the usual performance metric, MAPE, other typical hydrologic metrics, MAE, MSE, RMSE, PBIAS, RSR, and NSE, will be used to quantify results. The strategy of using different models for different prediction steps is shown to be efficient when applied to real data of a specific river basin, according to the chosen performance index.
Assunto: Engenharia elétrica
Hidrologia
Bacias hidrográficas
Idioma: Português
Editor: Universidade Federal de Minas Gerais
Sigla da Instituição: UFMG
Tipo de Acesso: Acesso Aberto
URI: http://hdl.handle.net/1843/BUOS-9QHK4A
Data do documento: 5-Jun-2014
Aparece nas coleções:Dissertações de Mestrado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
disserta__o_03_09_14.pdf4.87 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.