Publicação
Descoberta de conhecimento em bases de dados como suporte a actividades de business intelligence: aplicação na área da distribuição da água
| Resumo: | O serviço de abastecimento de água para consumo humano é, ainda hoje, um dos paradigmas da qualidade de vida das populações e fundamental à saúde pública, à alimentação, à higiene e a algumas actividades económicas. A recente privatização da gestão dos sistemas de abastecimento de água em Portugal conduziu à necessidade de um funcionamento e gestão mais eficientes das organizações que operam no mercado da água. Neste ambiente empresarial mais competitivo tem sido dada uma certa ênfase ao melhoramento dos processos de tomada de decisão, de forma a substituirse a gestão aleatória baseada na intuição. Assim, a presente tese surge da evidência empírica atribuída à primordial importância da correcta previsão do consumo de água futuro para a definição da política de gestão da água, concretamente, para o planeamento e gestão das redes de distribuição e para definição do seu plano de vendas. A previsão das receitas é primordial na fase de preparação de um orçamento. Um sistema de previsão dos consumos de água para abastecimento público, considerando os factores anteriores, é uma ferramenta de apoio à tomada de decisão muito poderosa. O principal objectivo desta dissertação é propor uma abordagem para a previsão dos consumos de água para consumo humano, estudando e avaliando modelos alternativos de previsão de séries temporais. Procura-se avaliar comparativamente o desempenho de modelos convencionais da área estatística, com modelos desenvolvidos a partir de técnicas de Data Mining, propondo a melhor abordagem para a previsão do consumo de água num ambiente de trabalho real. As abordagens propostas são aplicadas a um caso prático, usando uma base de dados real de consumos de água históricos no Concelho de Santa Maria da Feira. Os resultados obtidos das experiências realizadas permitem concluir que, no caso concreto deste caso real, os modelos desenvolvidos a partir de técnicas de Data Mining apresentam melhor desempenho global na previsão dos consumos de água do que os modelos convencionais. |
|---|---|
| Autores principais: | Teixeira, Cristina Josefa Santos |
| Assunto: | Descoberta de conhecimento em bases de dados Data mining Business intelligence Redes neuronais artificiais Previsão de séries temporais Knowlegde discovery from databases Artificial neural network Time series forecasting |
| Ano: | 2006 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso restrito |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | O serviço de abastecimento de água para consumo humano é, ainda hoje, um dos paradigmas da qualidade de vida das populações e fundamental à saúde pública, à alimentação, à higiene e a algumas actividades económicas. A recente privatização da gestão dos sistemas de abastecimento de água em Portugal conduziu à necessidade de um funcionamento e gestão mais eficientes das organizações que operam no mercado da água. Neste ambiente empresarial mais competitivo tem sido dada uma certa ênfase ao melhoramento dos processos de tomada de decisão, de forma a substituirse a gestão aleatória baseada na intuição. Assim, a presente tese surge da evidência empírica atribuída à primordial importância da correcta previsão do consumo de água futuro para a definição da política de gestão da água, concretamente, para o planeamento e gestão das redes de distribuição e para definição do seu plano de vendas. A previsão das receitas é primordial na fase de preparação de um orçamento. Um sistema de previsão dos consumos de água para abastecimento público, considerando os factores anteriores, é uma ferramenta de apoio à tomada de decisão muito poderosa. O principal objectivo desta dissertação é propor uma abordagem para a previsão dos consumos de água para consumo humano, estudando e avaliando modelos alternativos de previsão de séries temporais. Procura-se avaliar comparativamente o desempenho de modelos convencionais da área estatística, com modelos desenvolvidos a partir de técnicas de Data Mining, propondo a melhor abordagem para a previsão do consumo de água num ambiente de trabalho real. As abordagens propostas são aplicadas a um caso prático, usando uma base de dados real de consumos de água históricos no Concelho de Santa Maria da Feira. Os resultados obtidos das experiências realizadas permitem concluir que, no caso concreto deste caso real, os modelos desenvolvidos a partir de técnicas de Data Mining apresentam melhor desempenho global na previsão dos consumos de água do que os modelos convencionais. |
|---|