MELHORIA NA PREVISÃO DA SÉRIE TEMPORAL DE INSTRUMENTOS DE MONITORAMENTO DE BARRAGEM VIA COMBINAÇÃO DE MÉTODOS

Emerson Lazzarotto, Liliana Madalena Gramani, A. C. Neto, Luiz Albino Texeira Júnior, Edgar Manuel Carreño Franco
{"title":"MELHORIA NA PREVISÃO DA SÉRIE TEMPORAL DE INSTRUMENTOS DE MONITORAMENTO DE BARRAGEM VIA COMBINAÇÃO DE MÉTODOS","authors":"Emerson Lazzarotto, Liliana Madalena Gramani, A. C. Neto, Luiz Albino Texeira Júnior, Edgar Manuel Carreño Franco","doi":"10.12957/CADEST.2015.18510","DOIUrl":null,"url":null,"abstract":"DOI: 10.12957/cadest.2015.18510 Resumo Barragens de usinas hidreletricas sao avaliadas por inspecoes visuais e por instrumentos de monitoramento. As leituras periodicas de um instrumento podem ser interpretadas como uma serie temporal estocastica cujos valores passados fornecem informacoes relevantes para construcao de predicoes acerca de seus valores futuros, alem de indicar tendencias do comportamento futuro da barragem como um todo. Desta forma, e fundamental produzir previsoes mais acuradas possiveis, de modo que sirvam de alerta confiavel para predicao de eventuais anormalidades no comportamento da barragem, permitindo a realizacao precoce de obras e acoes de intervencao. Assim, este artigo propoe uma metodologia na qual e feita uma avaliacao do desempenho por meio da previsao de series temporais das leituras de um instrumento da barragem da usina hidreletrica de Itaipu usando uma combinacao hibrida dos previsores ARIMA-GARCH e redes neurais artificiais, com a utilizacao da decomposicao wavelet. Os resultados mostram que a combinacao hibrida proposta alcancou desempenho, em termos de acuracia, bastante superior quando comparado com o uso individual dos metodos preditivos tradicionais e de suas combinacoes. Palavras-chave : Seguranca de barragem; Series Temporais Estocasticas; Modelos ARIMA-GARCH; Redes Neurais Artificiais; Decomposicao Wavelet.","PeriodicalId":30267,"journal":{"name":"Cadernos do IME Serie Estatistica","volume":"38 1","pages":"1"},"PeriodicalIF":0.0000,"publicationDate":"2015-12-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://sci-hub-pdf.com/10.12957/CADEST.2015.18510","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Cadernos do IME Serie Estatistica","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.12957/CADEST.2015.18510","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

DOI: 10.12957/cadest.2015.18510 Resumo Barragens de usinas hidreletricas sao avaliadas por inspecoes visuais e por instrumentos de monitoramento. As leituras periodicas de um instrumento podem ser interpretadas como uma serie temporal estocastica cujos valores passados fornecem informacoes relevantes para construcao de predicoes acerca de seus valores futuros, alem de indicar tendencias do comportamento futuro da barragem como um todo. Desta forma, e fundamental produzir previsoes mais acuradas possiveis, de modo que sirvam de alerta confiavel para predicao de eventuais anormalidades no comportamento da barragem, permitindo a realizacao precoce de obras e acoes de intervencao. Assim, este artigo propoe uma metodologia na qual e feita uma avaliacao do desempenho por meio da previsao de series temporais das leituras de um instrumento da barragem da usina hidreletrica de Itaipu usando uma combinacao hibrida dos previsores ARIMA-GARCH e redes neurais artificiais, com a utilizacao da decomposicao wavelet. Os resultados mostram que a combinacao hibrida proposta alcancou desempenho, em termos de acuracia, bastante superior quando comparado com o uso individual dos metodos preditivos tradicionais e de suas combinacoes. Palavras-chave : Seguranca de barragem; Series Temporais Estocasticas; Modelos ARIMA-GARCH; Redes Neurais Artificiais; Decomposicao Wavelet.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
综合方法改进了大坝监测仪器的时间序列预测
DOI: 10.12957/cadest.2015.18510摘要水电站大坝通过目视检查和监测仪器进行评估。仪器的周期性读数可以解释为一个随机的时间序列,其过去的值为构建其未来值的预测提供了相关信息,并表明了大坝作为一个整体的未来行为趋势。因此,产生尽可能准确的预测是至关重要的,以便为预测大坝行为的任何异常提供可靠的警报,从而允许早期进行工程和干预行动。因此,本文提出了一种方法,利用ARIMA-GARCH预测器和人工神经网络的混合组合,利用小波分解,通过预测伊泰普大坝仪器读数的时间序列来评估性能。结果表明,与传统预测方法及其组合的单独使用相比,所提出的杂交组合在准确性方面取得了相当高的性能。关键词:大坝安全;随机时间序列;模型ARIMA -GARCH;人工神经网络;分解的。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
3
审稿时长
8 weeks
期刊最新文献
OTIMIZAÇÃO DE CARTEIRAS COM RETORNOS NÃO GAUSSIANOS: UMA ABORDAGEM BAYESIANA SOBREVIDA DE MULHERES COM CÂNCER NO COLO DO ÚTERO MÉTODOS ESTATÍSTICOS NA ANÁLISE INTERANUAL DAS CHUVAS: UMA APRECIAÇÃO DA SÉRIE HISTÓRICA DO MUNICÍPIO DE CAICÓ/RN Confiança em Robôs Socialmente Assistivos: Um Catálogo de Requisitos Não-Funcionais Análise das Publicações no Twitter sobre as Vacinas Contra a COVID-19 no Brasil
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1