PREVISÃO DE CONSUMO DE ENERGIA UTILIZANDO REDE NEURAL COM RETARDO DE TEMPO (TDNN)

Authors

  • Bruno Parpinelli Bonfim Universidade do Oeste Paulista
  • Rafael Bratifich Universidade do Oeste Paulista - UNOESTE
  • Marcelo Marques da Silva Universidade do Oeste Paulista - UNOESTE
  • Hugo Gomes Silva Universidade do Oeste Paulista - UNOESTE

Keywords:

Redes neurais artificiais, modelos computacionais, classificação de dados

Abstract

As artificial neural networks (ANN), they are computational models inspired by the way the nervous system of living beings work, these models can be used for processing and classification of data and applications, such as series and function prediction. Thus, this work used a time-delayed neural network (TDNN) to predict the demand for active energy on the P4 bus in the city of Presidente Prudente.

Downloads

Download data is not yet available.

References

BERCI, C. D. Observadores Inteligentes de Estado: Propostas. 2008. Dissertação (Mestrado) – Universidade Estadual de Campinas, Campinas. Disponível em: <http://repositorio.unicamp.br/jspui/handle/REPOSIP/258837>. Acesso: 13 agosto 2020.

SILVA, I. N; SPATTI, D. H; FLAUZINO, R. A. Redes Neurais Artificiais Para Engenharia e Ciências Aplicadas – Curso Prático. 1.ed. São Paulo: Artliber, 2010. p. 11.

BEAR, Mark F.; CONNORS, Barry W.; PARADISO, Michael A. Neurociências: desvendando o sistema nervoso. Artmed Editora, 2008.

FERNANDES, J. O famoso potencial de ação. 2019. Artigo publicado em Jaleko. Disponível em: < https://blog.jaleko.com.br/o-famoso-potencial-de-acao/>. Acesso: 13 agosto 2020.

FURTADO, H. & CAMPOS V. H. & MACAU E. (2011). Assimilação de dados com redes neurais artificiais em equações diferenciais. Disponível em: < https://www.researchgate.net/publication/264735169_ASSIMILACAO_DE_DADOS_COM_REDES_NEURAIS_ARTIFICIAIS_EM_EQUACOES_DIFERENCIAIS>. Acesso: 13 agosto 2020. https://doi.org/10.5540/DINCON.2011.001.1.0152

BARBOSA, Anderson Henrique; FREITAS, Marcílio Sousa da Rocha; NEVES, Francisco de Assis das. Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais. Rem: Rev. Esc. Minas, Ouro Preto, v. 58, n. 3, p. 247-255, Sept. 2005. Available from <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0370-44672005000300011&lng=en&nrm=iso>. access on 16 Aug. 2020. https://doi.org/10.1590/S0370-44672005000300011.

SIQUEIRA-BATISTA, Rodrigo et al . As redes neurais artificiais e o ensino da medicina. Rev. bras. educ. med., Rio de Janeiro, v. 38, n. 4, p. 548-556, Dec. 2014. Available from <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-55022014000400017&lng=en&nrm=iso>. access on 20 Aug. 2020. https://doi.org/10.1590/S0100-55022014000400017.

ARANTES MONTEIRO, Raul Vitor et al. Avaliação de algoritmos de treinamento de redes neurais artificiais para predição temporal de geração fotovoltaica. Energética, La Habana, v. 37, n. 3, pág. 218-228, dezembro de 2016. Disponível em <http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1815-59012016000300007&lng=en&nrm=iso>. acesso em 20 de agosto de 2020.

MACHADO, Wagner Carrupt; FONSECA JUNIOR, Edvaldo Simões da. Redes neurais artificiais aplicadas na previsão do VTEC no Brasil. Bol. Ciênc. Geod., Curitiba, v. 19, n. 2, p. 227-246, June 2013. Available from <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1982-21702013000200005&lng=en&nrm=iso>. access on 20 Aug. 2020. https://doi.org/10.1590/S1982-21702013000200005.

Published

2021-02-23

Issue

Section

Artigo Científico Original

How to Cite

PREVISÃO DE CONSUMO DE ENERGIA UTILIZANDO REDE NEURAL COM RETARDO DE TEMPO (TDNN). (2021). Colloquium Exactarum. ISSN: 2178-8332, 12(4), 63-70. https://journal.unoeste.br/index.php/ce/article/view/3829

Similar Articles

1-10 of 417

You may also start an advanced similarity search for this article.