Desenvolvimento de um modelo de previsão em tempo real para demanda e reservação com dados big data na indústria da água

• Processo: 18/26592-5
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de março de 2019
• Data de Término da vigência: 28 de fevereiro de 2021
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Chang Chiann
• Beneficiário: Leonardo Fonseca Larrubia
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 17/50343-2 - Plano de desenvolvimento institucional na área de transformação digital: manufatura avançada e cidades inteligentes e sustentáveis (PDIp), AP.PDIP
• Assunto(s): Análise de séries temporais Tempo-real Big data Internet das coisas Análise de ondaletas
• Palavra(s)-Chave do Pesquisador: big data | forecasts | IoT | Missing data | Outliers | tempo real | Séries Temporais

Resumo

O objetivo deste projeto é explorar uma solução big data da indústria da água para a automação sem supervisão da programação diária dos controles operacionais da adução da água usando alguns modelos paramétricos de séries temporais, tais como modelo harmônico com periodicidade de 12 e 24 horas + modelo autorregressivo; modelo SARIMA (autorregressivos integrados de médias móveis sazonais); modelo ARFIMA (autorregressivo fracionário integrado de médias moveis) e modelo de regressão usando ondaletas (wavelets). (AU)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

LARRUBIA, Leonardo Fonseca. Detecção de anomalias, interpolação e previsão em tempo real de séries temporais para operação de reservatórios e distribuição de água. 2021. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME/SBI) São Paulo.