Mostra i principali dati dell'item

dc.contributor.advisorWebber, Carine Geltrudes
dc.contributor.authorGerhardt, Mauricio
dc.contributor.otherBoff, Elisa
dc.contributor.otherCasa, Marcos Eduardo
dc.date.accessioned2023-07-14T17:44:04Z
dc.date.available2023-07-14T17:44:04Z
dc.date.issued2023-07-12
dc.date.submitted2023-07-03
dc.identifier.urihttps://repositorio.ucs.br/11338/12419
dc.descriptionA 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]pt_BR
dc.description.abstractArtificial 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]pt_BR
dc.language.isoptpt_BR
dc.subjectEngenhariapt_BR
dc.subjectComputaçãopt_BR
dc.subjectAprendizado do computadorpt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectEnergia eólicapt_BR
dc.titleAplicação de aprendizagem de máquina para previsão de energia eólica geradapt_BR
dc.typeArtigopt_BR
mtd2-br.advisor.instituationUniversidade de Caxias do Sulpt_BR
mtd2-br.program.nameBacharelado em Engenharia de Computaçãopt_BR
mtd2-br.campusCampus Universitário de Caxias do Sulpt_BR
local.data.embargo2022-07-11


Files in questo item

Thumbnail

Questo item appare nelle seguenti collezioni

Mostra i principali dati dell'item