Desempenho de modelos de previsão de demanda diária e horária de abastecimento urbano de água : estudo de caso

Data

Autores

Tino, Júlio Kazuhiro

Título da Revista

ISSN da Revista

Título de Volume

Editor

Resumo

Resumo: O panorama do abastecimento de água mundial é movido pela constante busca à eficiência operacional dos sistemas de abastecimento de água, originada pelo aumento populacional, escassez de recursos hídricos, elevação de perdas de água e aumento do consumo de energia elétrica nos sistemas de bombeamento Este trabalho teve por objetivo pesquisar três grupos de modelos quantitativos de previsão de demanda de abastecimento de água: modelos de séries temporais, modelos causais e de inteligência artificial por redes neurais artificiais Sob este desígnio, as demandas diárias e horárias foram estudadas em dois períodos: fase de ajuste (estudo do passado histórico) e fase de previsão (predição do futuro) A partir do diagnóstico realizado pela comparação dos modelos de ajuste e previsão, conclui-se que, entre os modelos estudados, inexiste um modelo ótimo de ajuste e previsão, embora alguns modelos tenham-se evidenciado em relação a outros As decisões conduzidas pelo conhecimento da demanda proporcionam maior capacidade de decisão aos gestores responsáveis pelo abastecimento público de água, habilitando-os com maior capacidade de planejamento da distribuição, exame crítico do potencial de economia de energia elétrica e detecção de perdas no sistema distribuidor, os quais são essenciais ao equilíbrio e à sustentabilidade ambiental urbana Todos os modelos possuem proficuidades e a sua aplicação depende da disponibilidade de dados confiáveis, do nível de precisão e detalhamento requerido e possuem o objetivo de automatizar os resultados Todavia, não supre a competência de um analista de assumir deliberações, pois procedimentos automáticos não substituem o conhecimento especial de um analista sobre os dados estudados

Descrição

Palavras-chave

Abastecimento de água nas cidades, Previsão, Redes neurais (Computação), Água, Consumo, Water consumption, Neural networks (Computer science), Time - series anlysis

Citação