Lopes, Deize Dias [Orientador]Tino, Júlio Kazuhiro2024-05-012024-05-012011.00https://repositorio.uel.br/handle/123456789/15231Resumo: 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 estudadosAbastecimento de água nas cidadesPrevisãoRedes neurais (Computação)ÁguaConsumoWater consumptionNeural networks (Computer science)Time - series anlysisDissertação