Previsão de demanda para sistema de abastecimento de água

• Ano de defesa: 2010
• Autor(a) principal: Odan, Frederico Keizo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Abastecimento de água; Forecasting; Neural network; Previsão de demanda; Rede neural; Supply system
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/18/18138/tde-12042010-160245/

O presente trabalho de pesquisa enfoca a problemática da previsão de demandas com vistas à operação dos sistemas de abastecimento de água em tempo real, utilizando-se dados de consumo horários de água das cidades de São Carlos e Araraquara, SP, para que se identifique o modelo que produza os melhores ajustes. Foram estudadas as redes neurais artificiais Perceptron de Múltiplas Camadas (RNAs MLP), a Rede Neural Dinâmica (DAN2) e duas RNAs híbridas, sendo que estas últimas consistem em associar previsão por séries de Fourier com a RNA MLP e a DAN2, sendo denominadas respectivamente RNA-H e DAN2-H. As entradas fornecidas para os modelos de previsão foram escolhidas com base na revisão bibliográfica e por meio de análise de correlação, considerando os dados de consumo e as variáveis meteorológicas, tais como temperatura, umidade relativa do ar e ocorrência de chuva. Os melhores modelos de previsão utilizaram a DAN2, a qual se mostrou de manuseio mais fácil em relação às redes neurais de múltiplas camadas, pois dispensa o processo de tentativas e erros para se determinar a melhor arquitetura para os dados fornecidos ao modelo. Os melhores modelos de previsão para a próxima hora produziram um erro médio absoluto de 2,25 L/s (DAN2-H) para um subssetor de Araraquara, representado cerca de 8% do consumo médio, e 2,3 L/s (DAN2) para um setor de São Carlos, equivalente a 4% do consumo médio.