Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/72137
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorLeal Junior, João Bosco Verçosa-
dc.contributor.authorCamelo, Henrique do Nascimento-
dc.contributor.authorLucio, Paulo Sérgio-
dc.contributor.authorCarvalho, Paulo Cesar Marques de-
dc.date.accessioned2023-05-09T12:17:17Z-
dc.date.available2023-05-09T12:17:17Z-
dc.date.issued2018-
dc.identifier.citationLEAL JÚNIOR, João Bosco Verçosa; CAMELO, Henrique do Nascimento; LÚCIO, Paulo Sérgio; CARVALHO, Paulo Cesar Marques de. Modelo híbrido de previsão de séries temporais para possíveis aplicações no setor de geração eólica. CIÊNCIA E NATURA, [s.l.], v. 40, p. 01–06, 2018.pt_BR
dc.identifier.issn179-460X-
dc.identifier.otherDOI: https://doi.org/10.5902/2179460X30415-
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/72137-
dc.description.abstractIn this paper an innovative hybrid model of time series prediction based on the combination of two functions (linear and nonlinear) of the Holt-Winters and Artificial Neural Networks models is presented. This model is applied in wind speed in northeastern Brazil, and was able to perform short and long term forecasts with good accuracy. We highlight the efficiency of the proposed model in providing perfect adjustments to the data observed, being this affirmative according to the low values found in the statistical analysis of errors, for example, with percentage error of approximately 5.0%, and also with the value of the Nash-Sutcliffe coefficient of efficiency of approximately 0.96. These results were important for the accuracy of the data, so that they could follow the profile of the observed time series, mainly revealing greater similarities of maximum and minimum values between both series, thus showing the capacity of the model to represent characteristics of local seasonality. Wind speed prediction methods can be a useful technique in the wind power sector, for example, being able to acquire important information on how local wind potential can be harnessed for possible electric power generationpt_BR
dc.language.isoenpt_BR
dc.publisherCIÊNCIA E NATURApt_BR
dc.subjectModelo estatísticopt_BR
dc.subjectRedes neurais artificiaispt_BR
dc.subjectVelocidade do vento.pt_BR
dc.subjectStatistical modelpt_BR
dc.subjectArtificial neural networkspt_BR
dc.subjectWind speedpt_BR
dc.titleModelo híbrido de previsão de séries temporais para possíveis aplicações no setor de geração eólicapt_BR
dc.typeArtigo de Periódicopt_BR
dc.description.abstract-ptbrNo presente artigo um inovador modelo híbrido de previsão de séries temporais baseado na combinação de duas funções (linear e não-linear), respectivas dos modelos Holt-Winters e Redes Neurais Artificiais é apresentado. Esse modelo é aplicado em velocidade do vento no nordeste brasileiro, e foi capaz de realizar previsões de curto e longo prazo com boa acurácia. Destaca-se a eficiência do modelo proposto em fornecer perfeitos ajustes aos dados observados, sendo essa afirmativa de acordo com os baixos valores encontrados na análise estatística de erros, por exemplo, com erro percentual de aproximadamente 5,0%, e também com o valor do coeficiente de eficiência de Nash-Sutcliffe no valor de aproximadamente de 0,96. Esses resultados foram importantes nas precisões encontradas, fazendo com que pudessem acompanhar o perfil das séries temporais observadas, principalmente revelando maiores semelhanças de valores máximos e mínimos entre ambas as séries, mostrando assim, a capacidade do modelo em representar características de sazonalidade local. Métodos para previsão de velocidade do vento podem constituir em técnica útil no setor de geração eólica, por exemplo, sendo capaz de adquirir informações importantes de que maneira o potencial eólico local poderá ser aproveitado para possível geração de energia elétricapt_BR
dc.title.enHybrid model of time series forecasting for possible applications in the wind power sectorpt_BR
Aparece nas coleções:DEME - Artigos publicados em revista científica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2018_art_pcmcarvalho2.pdf1,46 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.