Previsão de demanda de água em sistemas de abastecimento através de modelos arima sazonais

• Ano de defesa: 2012
• Autor(a) principal: Oliveira, Paulo José Alves de
• Orientador(a): Cheung, Peter Batista, Janzen, Johannes Gérson
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Abastecimento de Água nas Cidades - Campo Grande (MS); Água - consumo; Municipal Water Supply - Campo Grande (MS); Water Consumption; Análise de Séries Temporais; Time-series Analysis
• Link de acesso: https://repositorio.ufms.br/handle/123456789/2222

Previsões precisas da demanda de água em curto prazo são informações importantes na tomada de decisão do gerenciamento de recursos hídricos. Elas podem ser aplicadas em projetos, estudos futuros, e posteriores problemas de qualidade na distribuição. Muitos fatores podem influenciar direta ou indiretamente o consumo de água, porém, como o principal deles é o próprio padrão de vida dos consumidores, a série histórica de demandas exibe uma forte similaridade cíclica entre os dias de uma mesma semana e entre semanas adjacentes. Estas relações de semelhança foram aqui utilizadas para criar um preditor horário prático, simples e intuitivo baseado em uma metodologia de série temporal univariada com sazonalidade dupla. Um algoritmo desenvolvido recentemente denominado Busca Harmônica foi aplicado na estimativa dos parâmetros do modelo ARIMA usando dados históricos de demanda de água. O algoritmo de otimização de Busca Harmônica é baseado no processo da teoria musical de busca por um estado de perfeita harmonia. Uma função objetivo de mínimos quadrados foi formulada minimizando-se a série de erros aleatórios obtida. A ferramenta desenvolvida foi disponibilizada como “toolkit” de programação, o que permitiu sua integração como um aplicativo de análise e simulação online. Foram gerados resultados de previsão para dados de demandas em quatro setores de fornecimento para duas cidades brasileiras, sendo testado o compotamento do modelo perante as estações do ano e às mudanças regionais. Finalmente, algumas considerações sobre a aplicação de técnicas de detecção e correção de erros (outliers) são apresentadas.