Detecção de vazamentos em dados de fluxo de água com seleção e otimização automática de modelos
Ano de defesa: | 2021 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , , , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Tecnológica Federal do Paraná
Curitiba |
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Computação Aplicada
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://repositorio.utfpr.edu.br/jspui/handle/1/26307 |
Resumo: | O gerenciamento adequado dos recursos hídricos é uma questão prioritária no mundo moderno. Um importante aspecto desta questão é a minimização de perdas na distribuição urbana de água. O monitoramento em tempo real do sistema de distribuição seguido da aplicação de técnicas para detecção de outliers no fluxo de água vem sendo uma alternativa efetiva para a redução desse índice. A identificação dos melhores modelos e parâmetros otimizados para a detecção é um desafio neste cenário complexo. Portanto, a área pode se beneficiar dos desenvolvimentos recentes de estratégias para seleção e ajuste de modelos, área também conhecida por Aprendizagem de Máquina Automatizada, do inglês Automated Machine Learning (AutoML). Este trabalho apresenta uma proposta de aplicação de técnicas de detecção de outliers e recursos de AutoML em dados de fluxo de água em 16 Zonas de Pressão do sistema de distribuição de água de Curitiba, estado do Paraná, Brasil. É aplicada uma ferramenta “off-the-shelf”de AutoML e realizada uma otimização automática de algoritmos específicos de detecção de outliers. Os experimentos conduzidos indicam que a combinação de AutoML com técnicas tradicionais de detecção de outliers é o direcionamento mais efetivo. |