Extração de regras de conhecimento a partir de redes neurais artificiais aplicadas para a previsão de demanda por energia elétrica

Detalhes bibliográficos
Ano de defesa: 2009
Autor(a) principal: Steinmetz, Tarcísio Roberto
Orientador(a): Santos, José Vicente Canto dos
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade do Vale do Rio do Sinos
Programa de Pós-Graduação: Programa de Pós-Graduação em Computação Aplicada
Departamento: Escola Politécnica
País: Brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: http://www.repositorio.jesuita.org.br/handle/UNISINOS/2272
Resumo: Este trabalho apresenta uma metodologia para extração de regras a partir de Redes Neurais Artificiais (RNA) treinadas para previsão de carga. As regras extraídas visam descrever o conhecimento adquirido pela rede neural a respeito do comportamento da demanda por energia elétrica. As regras possuem uma estrutura do tipo SE premissa ENTÃO consequência, onde premissa refere-se aos dados de entrada submetidos para a rede neural, e consequência caracteriza uma equação linear responsável por descrever a saída apresentada pela rede em função dos dados de entrada, caso a premissa da regra seja satisfeita. Dessa forma, além da precisão advinda das caracter´ısticas das redes neurais, as mesmas serão capazes de tornar seu conhecimento transparente para o usuário, contribuindo ainda mais para o auxílio das tomadas de decisões táticas e estratégicas das companhias de energia elétrica.