Abstract
O modelo genérico de processo estocástico baseado em redes neurais, denominado Processo Estocástico Neural (PEN), foi aplicado no tratamento de séries de afluências mensais. Estas séries correspondem à Energia Natural Afluente (ENA), que é a estimativa da energia que pode ser gerada com todas as vazões afluentes a cada um dos reservatórios que compõem um reservatório equivalente de um subsistema do Sistema Interligado Nacional (SIN). Essas séries de ENA apresentam correlação temporal e correlação espacial. O modelo PEN na sua versão original pode capturar a correlação temporal, no entanto, não incorpora a correlação espacial dessas séries. Este trabalho apresenta uma variante do modelo PEN visando a incorporação da correlação espacial das séries de ENA. Os resultados indicaram que o modelo é capaz de capturar o comportamento da série temporal de todos os subsistemas do SIN, proporcionando diferentes cenários para os próximos 5 anos, que acompanham a mesma correlação temporal e espacial dos dados históricos.
| Original language | Portuguese |
|---|---|
| Number of pages | 7 |
| DOIs | |
| State | Published - Nov 2011 |
| Event | X Congresso Brasileiro de Inteligencia Computacional - Fortaleza, Brazil Duration: 8 Nov 2011 → 11 Nov 2011 |
Congress
| Congress | X Congresso Brasileiro de Inteligencia Computacional |
|---|---|
| Abbreviated title | (CBIC’2011) |
| Country/Territory | Brazil |
| City | Fortaleza |
| Period | 8/11/11 → 11/11/11 |
Bibliographical note
Bibliografía: página 7.UN SDGs
This output contributes to the following UN Sustainable Development Goals (SDGs)
-
SDG 6 Clean Water and Sanitation
-
SDG 9 Industry, Innovation, and Infrastructure
-
SDG 17 Partnerships for the Goals
Cite this
- APA
- Author
- BIBTEX
- Harvard
- Standard
- RIS
- Vancouver