Skip navigation
Please use this identifier to cite or link to this item:

acessibilidade

http://hdl.handle.net/20.500.12207/5781
wcag
Title: Plataforma WEB para predição baseada em modelos de séries temporais
Authors: Leal, Adriano Regis Vidal
Orientador: Brito, Isabel Sofia
Barros, João Paulo Mestre Pinheiro Ramos e
Keywords: Séries temporais
Aprendizado de máquina
Aprendizado profundo
ARIMA
Predição
Open source software
Base de dados
Serviços web
Issue Date: 22-Feb-2022
Citation: Leal, A. (2022). Plataforma WEB para predição baseada em modelos de séries temporais. [Dissertação de mestrado, Instituto Politécnico de Beja]. Repositório Científico do Instituto Politécnico de Beja. https://hdl.handle.net/20.500.12207/5781
Abstract: Uma série temporal, também conhecida como série histórica, é uma sequência de dados obtidos a partir de intervalos regulares. Ao analisar uma série temporal, é primordialmente desejável modelar o fenómeno sob investigação para descrever o comportamento da série, fazer estimativas a partir daí e por fim avaliar quais os fatores que influenciaram o comportamento da série. Propõe-se um sistema web que visa analisar dados meteorológicos na forma de séries temporais, o que economiza tempo do pesquisador ao lidar com um grande volume de dados. O sistema integra tecnologias open source, como Python e o framework web Django, para a visualização de dados e tomada de decisões. Neste trabalho, analisamos e prevemos séries temporais usando o modelo ARIMA. Para tal, usamos técnicas manuais, que oferecem possibilidades para a parametrização do ARIMA e, na plataforma web, usamos técnicas automáticas. O COTR, Centro Operativo e de Tecnologia de Regadio, possui dados meteorológicos usados pela plataforma web para analisar e prever os diferentes parâmetros como por exemplo a temperatura mínima, máxima, etc. A utilização destes dados permitiu validar a plataforma web com dados reais e, a referida plataforma será usada pelos técnicos do Centro. A plataforma web desenvolvida nesse trabalho, está preparada para a utilização de outros dados que não sejam climatéricos. Para tal, necessita apenas de pequenos ajustes que poderão ser realizados futuramente.
URI: https://hdl.handle.net/20.500.12207/5781
Designation: Dissertação de mestrado em Internet das Coisas. Instituto Politécnico de Beja, Escola Superior de Tecnologia e Gestão, 2022
Appears in Collections:ESTIG - Dissertações de mestrado

Files in This Item:
wcag
File Description SizeFormat 
Adriano Leal_PDFA.pdf3.78 MBAdobe PDFView/Open


FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpace
Formato BibTex MendeleyEndnote Currículo DeGóis 

This item is licensed under a Creative Commons License Creative Commons