Aplicação de aprendizagem de máquina para previsão de energia eólica gerada

A inteligência artificial (IA) tem experimentado avanços significativos nos últimos anos, impulsionando seu crescente campo de aplicação em diversas áreas, entre as quais se destaca a aplicação em sistemas preditivos. Nesses sistemas, ocorre o mapeamento e rotulagem de dados previamente coletados, s...

ver descrição completa

Detalhes bibliográficos
Autor: Gerhardt, Mauricio
Formato: artículo
Estado:Versión publicada
Fecha de publicación:2023
País:Brasil
Recursos:Universidade de Caxias do Sul (UCS)
Repositorio:Repositório Institucional da UCS
Idioma:portugués
OAI Identifier:oai:repositorio.ucs.br:11338/12419
Acesso em linha:https://repositorio.ucs.br/11338/12419
Access Level:acceso abierto
Palavra-chave:Engenharia
Computação
Aprendizado do computador
Inteligência artificial
Redes neurais (Computação)
Energia eólica
id BR_c2bb5db358e81187f024cc49a8a2c3de
oai_identifier_str oai:repositorio.ucs.br:11338/12419
network_acronym_str BR
network_name_str Brasil
repository_id_str
dc.title.pt_BR.fl_str_mv Aplicação de aprendizagem de máquina para previsão de energia eólica gerada
title Aplicação de aprendizagem de máquina para previsão de energia eólica gerada
spellingShingle Aplicação de aprendizagem de máquina para previsão de energia eólica gerada
Gerhardt, Mauricio
Engenharia
Computação
Aprendizado do computador
Inteligência artificial
Redes neurais (Computação)
Energia eólica
title_short Aplicação de aprendizagem de máquina para previsão de energia eólica gerada
title_full Aplicação de aprendizagem de máquina para previsão de energia eólica gerada
title_fullStr Aplicação de aprendizagem de máquina para previsão de energia eólica gerada
title_full_unstemmed Aplicação de aprendizagem de máquina para previsão de energia eólica gerada
title_sort Aplicação de aprendizagem de máquina para previsão de energia eólica gerada
dc.creator.none.fl_str_mv Gerhardt, Mauricio
author Gerhardt, Mauricio
author_facet Gerhardt, Mauricio
author_role author
dc.contributor.other.none.fl_str_mv Boff, Elisa
Casa, Marcos Eduardo
dc.contributor.advisor1.fl_str_mv Webber, Carine Geltrudes
contributor_str_mv Webber, Carine Geltrudes
dc.subject.por.fl_str_mv Engenharia
Computação
Aprendizado do computador
Inteligência artificial
Redes neurais (Computação)
Energia eólica
topic Engenharia
Computação
Aprendizado do computador
Inteligência artificial
Redes neurais (Computação)
Energia eólica
description A inteligência artificial (IA) tem experimentado avanços significativos nos últimos anos, impulsionando seu crescente campo de aplicação em diversas áreas, entre as quais se destaca a aplicação em sistemas preditivos. Nesses sistemas, ocorre o mapeamento e rotulagem de dados previamente coletados, sendo esses dados utilizados como entrada para algoritmos de IA, que visam prever possíveis valores futuros. Para o presente trabalho foi escolhida uma área, que vem se destacando no Brasil e no mundo, que trata da geração de energia através de geradores eólicos. O presente trabalho explora os conceitos e funcionamento dos modelos preditivos e propõe-se a realizar uma pesquisa de natureza exploratória, a fim de identificar os principais métodos que são utilizados, por meio de uma pesquisa bibliográfica e uma revisão sistemática. A partir desta pesquisa, propõe-se a implementação de dois modelos preditivos mais utilizados na área de problemas de regressão que se tratam dos modelos Long Short Term Memory (LSTM) e o Extreme Gradient Boosting (XGBoost). Após a implementação e treinamento dos modelos propostos, são apresentados os resultados quantificados por métricas, conhecidas e amplamente utilizadas para avaliar os valores obtidos na previsão da energia gerada por estes modelos. [resumo fornecido pelo autor]
publishDate 2023
dc.date.submitted.none.fl_str_mv 2023-07-03
dc.date.accessioned.fl_str_mv 2023-07-14T17:44:04Z
dc.date.available.fl_str_mv 2023-07-14T17:44:04Z
dc.date.issued.fl_str_mv 2023-07-12
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ucs.br/11338/12419
url https://repositorio.ucs.br/11338/12419
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UCS
instname:Universidade de Caxias do Sul (UCS)
instacron:UCS
instname_str Universidade de Caxias do Sul (UCS)
instacron_str UCS
institution UCS
reponame_str Repositório Institucional da UCS
collection Repositório Institucional da UCS
bitstream.url.fl_str_mv https://repositorio.ucs.br/xmlui/bitstream/11338/12419/1/TCC%20Mauricio%20Gerhardt.pdf
https://repositorio.ucs.br/xmlui/bitstream/11338/12419/2/TCC%20Mauricio%20Gerhardt.pdf.txt
https://repositorio.ucs.br/xmlui/bitstream/11338/12419/3/TCC%20Mauricio%20Gerhardt.pdf.jpg
bitstream.checksum.fl_str_mv 17c2c258cf8e3e94e8b51e6d588ac78a
fb12f6412860470e937bd2e89fd5f516
d8fda9f5db096beba1243d6e16808a91
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS)
repository.mail.fl_str_mv
_version_ 1853673281225228288
spelling Boff, ElisaCasa, Marcos EduardoWebber, Carine Geltrudes2023-07-14T17:44:04Z2023-07-14T17:44:04Z2023-07-122023-07-03https://repositorio.ucs.br/11338/12419A inteligência artificial (IA) tem experimentado avanços significativos nos últimos anos, impulsionando seu crescente campo de aplicação em diversas áreas, entre as quais se destaca a aplicação em sistemas preditivos. Nesses sistemas, ocorre o mapeamento e rotulagem de dados previamente coletados, sendo esses dados utilizados como entrada para algoritmos de IA, que visam prever possíveis valores futuros. Para o presente trabalho foi escolhida uma área, que vem se destacando no Brasil e no mundo, que trata da geração de energia através de geradores eólicos. O presente trabalho explora os conceitos e funcionamento dos modelos preditivos e propõe-se a realizar uma pesquisa de natureza exploratória, a fim de identificar os principais métodos que são utilizados, por meio de uma pesquisa bibliográfica e uma revisão sistemática. A partir desta pesquisa, propõe-se a implementação de dois modelos preditivos mais utilizados na área de problemas de regressão que se tratam dos modelos Long Short Term Memory (LSTM) e o Extreme Gradient Boosting (XGBoost). Após a implementação e treinamento dos modelos propostos, são apresentados os resultados quantificados por métricas, conhecidas e amplamente utilizadas para avaliar os valores obtidos na previsão da energia gerada por estes modelos. [resumo fornecido pelo autor]Artificial intelligence (AI) has experienced significant advances in recent years, boosting its growing field of application in several areas, among which the application in predictive systems stands out. In these systems, previously collected data are mapped and labeled, and these data are used as input for AI algorithms, which aim to predict possible future values. For the present work, an area was chosen, which has been standing out in Brazil and in the world, which deals with the generation of energy through wind generators. The present work explores the concepts and functioning of predictive models and proposes to carry out an exploratory research, in order to identify the main methods that are used, through a bibliographical research and a systematic review. From this research, it is proposed the implementation of two predictive models most used in the area of regression problems, namely the Long Short Term Memory (LSTM) and the Extreme Gradient Boosting (XGBoost) models. After the implementation and training of the proposed models, the results quantified by metrics, known and widely used to evaluate the values obtained in the prediction of the energy generated by these models, are presented. [resumo fornecido pelo autor]EngenhariaComputaçãoAprendizado do computadorInteligência artificialRedes neurais (Computação)Energia eólicaAplicação de aprendizagem de máquina para previsão de energia eólica geradainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleporreponame:Repositório Institucional da UCSinstname:Universidade de Caxias do Sul (UCS)instacron:UCSinfo:eu-repo/semantics/openAccessGerhardt, MauricioUniversidade de Caxias do SulBacharelado em Engenharia de ComputaçãoCampus Universitário de Caxias do Sul2022-07-11ORIGINALTCC Mauricio Gerhardt.pdfTCC Mauricio Gerhardt.pdfapplication/pdf1595018https://repositorio.ucs.br/xmlui/bitstream/11338/12419/1/TCC%20Mauricio%20Gerhardt.pdf17c2c258cf8e3e94e8b51e6d588ac78aMD51TEXTTCC Mauricio Gerhardt.pdf.txtTCC Mauricio Gerhardt.pdf.txtExtracted texttext/plain46149https://repositorio.ucs.br/xmlui/bitstream/11338/12419/2/TCC%20Mauricio%20Gerhardt.pdf.txtfb12f6412860470e937bd2e89fd5f516MD52THUMBNAILTCC Mauricio Gerhardt.pdf.jpgTCC Mauricio Gerhardt.pdf.jpgGenerated Thumbnailimage/jpeg1902https://repositorio.ucs.br/xmlui/bitstream/11338/12419/3/TCC%20Mauricio%20Gerhardt.pdf.jpgd8fda9f5db096beba1243d6e16808a91MD5311338/124192023-07-15 07:04:21.608oai:repositorio.ucs.br:11338/12419Repositório de Publicaçõeshttp://repositorio.ucs.br/oai/requestopendoar:2023-07-15T07:04:21Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS)false
score 15.301629

Registos relacionados