Teoria do caos aplicada à definição do conjunto de entradas de modelos neurais autônomos para previsão de carga em curto prazo
AUTOR(ES)
Ferreira, Vitor Hugo, Silva, Alexandre Pinto Alves da
FONTE
Sba: Controle & Automação Sociedade Brasileira de Automatica
DATA DE PUBLICAÇÃO
2011-12
RESUMO
Após 1991, a literatura sobre previsão de carga passou a ser dominada por propostas baseadas em modelos neurais. Entretanto, um empecilho na aplicação destes modelos reside na possibilidade do ajuste excessivo dos dados, i.e, overfitting. O excesso de não-linearidade disponibilizado pelos modelos neurais de previsão de carga, que depende da representação do espaço de entrada, vem sendo ajustado de maneira heurística. Modelos autônomos incluindo técnicas automáticas e acopladas para seleção de entradas e controle de complexidade dos modelos foram propostos recentemente para previsão de carga em curto prazo. Entretanto, estas técnicas necessitam da especificação do conjunto inicial de entradas que será processado pelo modelo visando determinar aquelas mais relevantes. Este trabalho explora a teoria do caos como ferramenta de análise não-linear de séries temporais na definição automática do conjunto de atrasos de uma dada série de carga a serem utilizados como entradas de modelos neurais autônomos. Neste trabalho, inferência Bayesiana aplicada a perceptrons de múltiplas camadas e máquinas de vetores relevantes são utilizadas no desenvolvimento de modelos neurais autônomos.
ASSUNTO(S)
previsão de carga redes neurais artificiais seleção de entrada teoria do caos sincronização caótica inferência bayesiana perceptron de multi-camadas máquinas de vetores relevantes
Documentos Relacionados
- Modelos para previsão de carga a curto prazo aplicados ao sistema eletrico do Parana
- Aplicação da transformada wavelet discreta na previsão de carga a curto prazo via redes neurais
- MODELOS DE PREVISÃO DE CARGA DE CURTO PRAZO
- Aplicação de redes neurais artificiais na previsão de curto prazo da carga nodal de sistemas de energia eletrica
- ESSAYS ON SHORT-TERM LOAD FORECASTING