Utilize este identificador para referenciar este registo: https://hdl.handle.net/1822/28006

Registo completo
Campo DCValorIdioma
dc.contributor.advisorBelo, Orlando-
dc.contributor.authorFerreira, Tiago Mendes-
dc.date.accessioned2014-02-17T16:08:44Z-
dc.date.available2014-02-17T16:08:44Z-
dc.date.issued2013-11-18-
dc.identifier.urihttps://hdl.handle.net/1822/28006-
dc.descriptionDissertação de mestrado em Engenharia Informáticapor
dc.description.abstractDesde 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.abstractSince 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.isoporpor
dc.rightsopenAccesspor
dc.subjectMineração de dadospor
dc.subjectSistemas de energia elétricapor
dc.subjectSupport vector machinespor
dc.subjectRedes neuronaispor
dc.subjectPrevisão de consumo doméstico de energia elétricapor
dc.subjectData Miningpor
dc.subjectPower systemspor
dc.subjectNeural networkspor
dc.subjectPrediction of domestic electric energy consumptionpor
dc.titleDescoberta de padrões de consumo de energia elétricapor
dc.typemasterThesispor
dc.commentseeum_di_dissertacao_pg17708por
dc.subject.udc621.38-
dc.subject.udc681.3-
dc.identifier.tid201196107por
Aparece nas coleções:BUM - Dissertações de Mestrado

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
eeum_di_dissertacao_pg17708.pdf3,17 MBAdobe PDFVer/Abrir

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu ORCID