Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/28006
Registo completo
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Belo, Orlando | - |
dc.contributor.author | Ferreira, Tiago Mendes | - |
dc.date.accessioned | 2014-02-17T16:08:44Z | - |
dc.date.available | 2014-02-17T16:08:44Z | - |
dc.date.issued | 2013-11-18 | - |
dc.identifier.uri | https://hdl.handle.net/1822/28006 | - |
dc.description | Dissertação de mestrado em Engenharia Informática | por |
dc.description.abstract | Desde a década de 60, o consumo de energia elétrica em Portugal tem vindo a aumentar de uma forma consideravelmente acentuada e constante, tendo como consequência o aumento da despesa, principalmente ao nível empresarial. Este mesmo aumento do consumo de energia elétrica também se verifica a nível mundial, tendo como principais responsáveis o aumento da população e a evolução tecnológica. Estas duas condicionantes ajudam desde já a compreender que o consumo de energia elétrica mundial tenha praticamente triplicado nas últimas quatro décadas. É possível analisar o consumo de energia elétrica recorrendo a técnicas de mineração de dados, que irão ajudar a encontrar padrões e anomalias numa quantidade substancial de informação, o que, por sua vez, se pode revelar bastante útil para as pessoas que enfrentam este tipo de problemas energéticos. Nesta dissertação, pretende-se recorrer a técnicas de mineração de dados como as support vector machines e as redes neuronais (MLP), de forma a construir modelos capazes de prever o consumo de energia elétrica em habitações domésticas. | por |
dc.description.abstract | Since the 60’s decade, the electric power consumption in Portugal has been rising considerably in a constant manner, resulting in the significant increase of costs over the years, mainly at business level. This increase of electric power consumption is also verified worldwide level and the main causes for this phenomenon are the increasing population and the technological evolution. These two factors help to explain why the electric power consumption in the whole world has almost tripled in the last four decades. It is possible to analyse the electric power consumption by using data mining techniques, which will help finding patterns and anomalies in a substantial amount of information which can turn out to be very useful to people who face this kind of energetic issues. In this dissertation, it is intended to use data mining techniques such as support vector machines and artificial neural networks (MLP) in order to build models capable of predict the electric power consumption in domestic residences. | por |
dc.language.iso | por | por |
dc.rights | openAccess | por |
dc.subject | Mineração de dados | por |
dc.subject | Sistemas de energia elétrica | por |
dc.subject | Support vector machines | por |
dc.subject | Redes neuronais | por |
dc.subject | Previsão de consumo doméstico de energia elétrica | por |
dc.subject | Data Mining | por |
dc.subject | Power systems | por |
dc.subject | Neural networks | por |
dc.subject | Prediction of domestic electric energy consumption | por |
dc.title | Descoberta de padrões de consumo de energia elétrica | por |
dc.type | masterThesis | por |
dc.comments | eeum_di_dissertacao_pg17708 | por |
dc.subject.udc | 621.38 | - |
dc.subject.udc | 681.3 | - |
dc.identifier.tid | 201196107 | por |
Aparece nas coleções: | BUM - Dissertações de Mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
eeum_di_dissertacao_pg17708.pdf | 3,17 MB | Adobe PDF | Ver/Abrir |