Please use this identifier to cite or link to this item: http://repositorio.lnec.pt:8080/jspui/handle/123456789/1012520
Full metadata record
DC FieldValueLanguage
dc.contributor.authorGomes, P.pt_BR
dc.date.accessioned2020-04-08T14:16:42Zpt_BR
dc.date.accessioned2020-06-01T08:44:45Z-
dc.date.available2020-04-08T14:16:42Zpt_BR
dc.date.available2020-06-01T08:44:45Z-
dc.date.issued2019-10pt_BR
dc.identifier.urihttps://repositorio.lnec.pt/jspui/handle/123456789/1012520-
dc.description.abstractEste estudo apresenta uma proposta de metodologias de clustering para reconhecimento de padrões de consumo usando um conjunto de dados de caudal recolhidos a partir de medidor de caudal instalados em redes de distribuição de água em Portugal. A maioria dos estudos existentes sobre clustering em séries temporais de caudal baseia-se em algoritmos de clustering hierárquicos ou de k-Means com medidas de distâncias inelásticas. Este estudo explora alternativas de algoritmos de clustering, medidas de distância, janelas temporais de comparação, medidas de índice interno e protótipos de clustering. O desempenho das metodologias de clustering foi avaliado em termos de medidas de índice interno e também através da caracterização dos centroides dos clusters. As metodologias com melhor desempenho foram o Algoritmo de Partição com distância DTW, protótipo PAM e janela de temporal de 15 minutos e o Algoritmo de Partição com distância GAK, protótipo PAM e janela de temporal de 15 minutos, pois permitiram a formação de três clusters. O primeiro método identifica um padrão de consumo noturno, um padrão típico de fim-de-semana e um padrão típico de dia útil, enquanto o segundo método destaca-se por apresentar um padrão com pequena variabilidade entre o consumo noturno e diurno. Para melhorar a extração de conhecimento, operações adicionais de clustering foram realizadas ao conjunto de dados que pertence ao cluster com pequena variabilidade entre consumo noturno e diurno. Novos clusters foram identificados e caracterizados, mostrando que os padrões associados à irrigação são independentes do período do dia e da época do ano, o que indica um uso ineficiente da água.pt_BR
dc.language.isoporpt_BR
dc.rightsrestrictedAccesspt_BR
dc.subjectAprendizagem não supervisionadapt_BR
dc.subjectClustering de series temporaispt_BR
dc.subjectSéries temporais de caudalpt_BR
dc.subjectReconhecimento de padrões de consumopt_BR
dc.subjectSistemas de distribuição de água.pt_BR
dc.titleClustering de séries temporais de caudal para reconhecimento de padrões em sistemas de distribuição de água: novos estudos sobre os métodos mais adequadospt_BR
dc.typeworkingPaperpt_BR
dc.description.sectorDHA/NESpt_BR
dc.contributor.arquivoNAOpt_BR
Appears in Collections:DHA/NES - Programas de Investigação, Teses e Trabalhos de Síntese

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.