Aplicação das Técnicas de Mineração de Dados como Complemento às Previsões Estocásticas Univariadas de Vazão Natural: Estudo de Caso para a Bacia do Rio Iguaçu

Autores

Bruno Goulart De Freitas Machado, Carla Da C. Lopes Achao, Luiz Guilherme Ferreira Guilhon, MÁrcio Cataldi, Simone Borim Da Silva

Resumo

Este trabalho apresenta os resultados obtidos a partir da aplicação de técnicas de mineração de dados e de Redes Neurais com treinamento bayesiano, para o balizamento da escolha da melhor previsão de vazões naturais do sistema de modelos estocásticos PREVIVAZ. Para aplicação desta técnica, foram utilizadas informações de precipitação observada e prevista, além das vazões naturais verificadas nas últimas semanas que antecederam a previsão. O estudo foi realizado para os aproveitamentos hidrelétricos de Foz do Areia e Salto Santiago na bacia do rio Iguaçu. Os resultados obtidos indicam que a utilização desta ferramenta pode ser uma solução simples e eficaz para a diminuição dos erros de previsão em horizonte semanal de vazão natural nesta bacia.

Palavras-chave

Data Mining; Redes Bayesianas; Modelos Estocásticos; Previsão de vazões.

Authors

Bruno Goulart De Freitas Machado, Carla Da C. Lopes Achao, Luiz Guilherme Ferreira Guilhon, MÁrcio Cataldi, Simone Borim Da Silva

Keywords

Data Mining; Redes Bayesianas; Modelos Estocásticos; Previsão de vazões.