Please use this identifier to cite or link to this item: http://repositorio.ufersa.edu.br/handle/prefix/918
Full metadata record
DC FieldValueLanguage
dc.creatorFreitas, Nicksson Ckayo Arrais de-
dc.creator.Latteshttp://lattes.cnpq.br/3965021702433315pt_BR
dc.contributor.advisor1Silva, Marcelino Pereira dos Santos-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7817033448036400pt_BR
dc.contributor.advisor-co1Sakamoto, Meiry Sayuri-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/0867274169837785pt_BR
dc.contributor.referee1Marques, Carla Katarina de Monteiro-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8416423647851683pt_BR
dc.contributor.referee2Souza, Jerffeson Teixeira de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/0721071524157651pt_BR
dc.date.accessioned2019-02-15T16:21:18Z-
dc.date.available2018-11-19-
dc.date.available2019-02-15T16:21:18Z-
dc.date.issued2018-02-28-
dc.identifier.citationCitação com autor incluído no texto: Freitas (2018) Citação com autor não incluído no texto: (FREITAS, 2018)pt_BR
dc.identifier.urihttp://repositorio.ufersa.edu.br/handle/prefix/918-
dc.description.resumoRecursos renováveis são as alternativas mais promissoras para geração de energia, considerando que o uso de combustíveis fósseis tem causado fortes impactos no ecossistema terrestre e no clima. Como um recurso para produção de eletricidade, indústrias eólicas têm levado vantagem em relação às outras fontes e, consequentemente, a capacidade de geração dessas indústrias vem crescendo no mundo inteiro. No entanto, previsões de energia são elementos cruciais para os operadores de sistemas elétricos, pois permitem-os tomarem melhores decisões relacionadas ao mercado elétrico e às suas atividades operacionais. Vale salientar-se que a saída de potência dos parques eólicos depende da natureza estocástica do vento, um recurso natural, intermitente, incerto e incontrolável. De fato, estimativas consistentes da velocidade do vento podem evitar prejuízos, garantir a oferta segura e sustentável de eletricidade, facilitar a regulamentação de sistemas eólicos e aumentar a produtividade operacional nas indústrias através de uma tomada de decisão mais confiável. Todavia, a previsão de vento é um problema complexo e desafiador devido à falta de ferramentas apropriadas e aos eventos que influenciam as suas condições como rotação da terra, efeitos físicos e fatores climáticos. Para propor soluções neste contexto, ainda devemos considerar que dados meteorológicos têm acumulado enormes volumes de informação nos bancos de dados espaciais, o que demanda a investigação de meios relevantes para extração de informação estratégica. A tecnologia de mineração de dados constitui-se em solução para extrair, de forma semiautomática e inteligente, conhecimento relevante de enormes conjuntos de dados. Este trabalho apresenta uma nova abordagem de mineração de dados para previsão da velocidade do vento que tem baixo custo, contempla relevantes algoritmos de inteligência artificial e fornece recursos eficientes para tratamento de bancos de dados. No geral, a abordagem tem se mostrado promissora, flexível e bem fundamentada nos dois estudos de casos realizados no Brasil. Redes neurais, máquina de vetores de suporte, árvore de decisão e k-vizinho mais próximos são métodos envolvidos na construção de diversos modelos de previsão da velocidade do ventopt_BR
dc.description.abstractRenewable sources are the most promising alternatives for power generation, whereas the use of fossil fuels has caused strong impacts on terrestrial ecosystems and the climate. Wind industries, as a power source, have advantages over other sources, as a consequence, wind energy generation capacity had a tremendous growth worldwide. However, energy forecasts are crucial elements for electrical system operators, because they can make better decisions on the electrical market and support operational activities. It is worth emphasizing that the output of energy from wind farms depends on the stochastic nature of the wind, which is a natural, intermittent, uncertain and difficult-to-control resource. In fact, wind speed prediction may avoid economic losses, ensure the safe and sustainable supply of electricity, facilitate regulation of wind systems, and increase the operational efficiency of industries through a more reliable decision making. Wind speed prediction is a complex and challenging problem due to the lack of appropriate tools and the events that influence wind conditions like earth moving, physical effects, and climatic factors. For proposing solutions in this context, we must consider that weather data have accumulated huge volumes of information in spatial databases, demanding the investigation of relevant means for knowledge extraction. Data mining arises as a solution to extract relevant knowledge intelligently and semi-automatically from huge datasets. This paper presents a new and low-cost data mining approach for wind speed forecasting, which incorporates relevant artificial intelligence algorithms and provides effective treatment of datasets. The approach has proven to be flexible, promising, and well-founded in two case studies carried out in Brazil. Neural networks, support vector machines, decision trees, and k-nearest neighbors are methods involved in building the diverse models for wind speed estimationpt_BR
dc.description.provenanceSubmitted by Wiqlifi Bruno de Freitas Melo (wbruno@ufersa.edu.br) on 2019-02-06T11:17:18Z No. of bitstreams: 1 NickssonCAF_DISSERT.pdf: 8438406 bytes, checksum: d4cf93adfa5bc266a7c264176904e992 (MD5)en
dc.description.provenanceApproved for entry into archive by Vanessa Christiane (referencia@ufersa.edu.br) on 2019-02-15T16:21:01Z (GMT) No. of bitstreams: 1 NickssonCAF_DISSERT.pdf: 8438406 bytes, checksum: d4cf93adfa5bc266a7c264176904e992 (MD5)en
dc.description.provenanceApproved for entry into archive by Vanessa Christiane (referencia@ufersa.edu.br) on 2019-02-15T16:21:08Z (GMT) No. of bitstreams: 1 NickssonCAF_DISSERT.pdf: 8438406 bytes, checksum: d4cf93adfa5bc266a7c264176904e992 (MD5)en
dc.description.provenanceMade available in DSpace on 2019-02-15T16:21:18Z (GMT). No. of bitstreams: 1 NickssonCAF_DISSERT.pdf: 8438406 bytes, checksum: d4cf93adfa5bc266a7c264176904e992 (MD5) Previous issue date: 2018-02-28en
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal Rural do Semi-Áridopt_BR
dc.publisher.departmentDepartamento de Ciências Agrônomicas e Florestaispt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFERSApt_BR
dc.publisher.programPrograma de Pós-Graduação em Ciência da Computaçãopt_BR
dc.relation.referencesFREITAS, Nicksson Ckayo Arrais de. Uma abordagem de mineração de dados para estimativa da velocidade do vento. 2018. 96 f. Dissertação (Mestrado em Ciência da Computação), Universidade Federal Rural do Semi-Árido, Mossoró, 2018.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectRecursos renováveispt_BR
dc.subjectEnergia eólicapt_BR
dc.subjectVelocidade do ventopt_BR
dc.subjectMineração de dadospt_BR
dc.subjectBancos de dadospt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectRenewable sourcespt_BR
dc.subjectWind energypt_BR
dc.subjectWind speedpt_BR
dc.subjectData miningpt_BR
dc.subjectDatabasespt_BR
dc.subjectArtificial intelligencept_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
dc.titleUma abordagem de mineração de dados para estimativa da velocidade do ventopt_BR
dc.typeDissertaçãopt_BR
Appears in Collections:MESTRADO EM CIÊNCIA DA COMPUTAÇÃO

Files in This Item:
File Description SizeFormat 
NickssonCAF_DISSERT.pdf8.24 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.