Utilize este identificador para referenciar este registo:
acessibilidade
http://hdl.handle.net/20.500.12207/5781
Título: | Plataforma WEB para predição baseada em modelos de séries temporais |
Autor: | Leal, Adriano Regis Vidal |
Orientador: | Brito, Isabel Sofia Barros, João Paulo Mestre Pinheiro Ramos e |
Palavras-chave: | Séries temporais Aprendizado de máquina Aprendizado profundo ARIMA Predição Open source software Base de dados Serviços web |
Data: | 22-Fev-2022 |
Citação: | 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 |
Resumo: | 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 |
Designação: | Dissertação de mestrado em Internet das Coisas. Instituto Politécnico de Beja, Escola Superior de Tecnologia e Gestão, 2022 |
Aparece nas coleções: | ESTIG - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Adriano Leal_PDFA.pdf | 3.78 MB | Adobe PDF | Ver/Abrir |
Este registo está protegido por Licença Creative Commons