Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/32763| Título: | Análise comparativa da eficiência de três modelos de previsão de séries temporais do software Weka |
| Título(s) alternativo(s): | Comparative analysis of the efficiency of three Weka software time series forecasting models |
| Autor(es): | Pinto, Bruno da Rosa |
| Orientador(es): | Santos, José Airton Azevedo dos |
| Palavras-chave: | Banco de dados Banco de dados geográficos Métodos de simulação Circulação atmosférica Data bases Geodatabases Simulation methods Atmospheric circulation |
| Data do documento: | 19-Jun-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | PINTO, Bruno da Rosa. Análise comparativa da eficiência de três modelos de previsão de séries temporais do software Weka. 2023. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Elétrica) - Universidade Tecnológica Federal do Paraná, Medianeira, 2023. |
| Resumo: | Este trabalho tem como objetivo realizar a comparação de três modelos de previsão de séries temporais do software WEKA: a Regressão Linear (LR), a Máquina de Vetores de Suporte (SMOreg) e a Rede Neural Artificial (MLP). A base de dados, expandida por interpolação em python, foi obtida através do Instituto Nacional de Meteorologia (INMET). Esta base apresenta uma série histórica de velocidade do vento, na estação meteorológica de Palmeira dos Índios, no período entre 2008 e 2020. Modelos de previsão, baseados em redes neurais MLP, Máquina de Vetores de Suporte e Regressão Linear, foram implementados no WEKA, um software livre e de ampla utilização em pesquisas acadêmica. Resultados obtidos, dos três modelos, foram comparados por meio das métricas RMSE (Root Mean Squared Error), MAPE (Mean Absolute Percent Error) e MAE (Mean Absolute Error). Verificou-se, para um horizonte de curto prazo (14 instâncias), que a Rede Neural Multilayer Perceptron apresentou o melhor desempenho. |
| Abstract: | This work aims to compare three time series forecasting models from the WEKA software: the Linear Regression (LR), the Support Vector Machine (SMOreg) and the Artificial Neural Network (MLP). The database, expanded by interpolation with python, was obtained from the Instituto Nacional de Meteorologia (INMET). This database presents a historical series of wind speed, at the meteorological station of Palmeira dos Índios, in the period between 2008 and 2020. Forecast models, based on neural networks MLP, Support Vector Machine and Linear Regression, were implemented in WEKA, a free software widely used in academic research. Results obtained from the three models were compared using the metrics RMSE (Root Mean Squared Error), MAPE (Mean Absolute Percent Error) and MAE (Mean Absolute Error). It was verified, for a short term horizon (14 instances), that the Neural Network Multilayer Perceptron performed better. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/32763 |
| Aparece nas coleções: | MD - Engenharia Elétrica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| analisecomparativaeficienciaprevisao.pdf | 1,4 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
