Use este identificador para citar ou linkar para este item:
https://repositorio.pucgoias.edu.br/jspui/handle/123456789/10286| Tipo: | Trabalho de Conclusão de Curso |
| Título: | Otimização dos hiperparâmetros da LSTM por metaheurísticas para previsão de energia solar fotovoltáica |
| Título(s) alternativo(s): | Predição fotovoltáica com hiperparâmetros da rede LSTL otimizados com metaheurística |
| Autor(es): | Camargo, Manoel Henrique de Oliveira |
| Primeiro Orientador: | Dantas, Maria José Pereira |
| metadata.dc.contributor.referee1: | Sousa, Marcos Antônio de |
| metadata.dc.contributor.referee2: | Oliveira, Bruno Quirino de |
| Resumo: | ESTE TRABALHO INVESTIGA A APLICAÇÃO DE METAHEURÍSTICAS NA OTIMIZAÇÃO DE HIPERPARÂMETROS DE REDES LSTM PARA PREVISÃO DE GERAÇAO DE ENERGIA SOLAR FOTOVOLTAICA. UTILIZOU-SE UMA BASE DE DADOS DE UMA USINA EM NASIK (ÍNDIA), ABRANGENDO O PERÍODO DE 15 DE MAIO A 17 DE JUNHO DE 2020. DUAS METAHEURÍSTICAS, ALGORITMO GENÉTICO (AG) E FIREFLY ALGORITHM (AF), FORAM EMPREGADAS PARA AJUSTAR PARÂMETROS COMO TAXA DE APRENDIZADO, REGULARIZAÇÃO E ESTRUTURA DA REDE. OS MODELOS FORAM AVALIADOS POR MSE, MAE, RMSE E COEFICIENTE DE DETERMINAÇÃO (R²), COM O AG ALCANÇANDO DESEMPENHO SUPERIOR AO DO AF. OS RESULTADOS DEMOSTRAM QUE A OTIMIZAÇÃO VIA AG PROPICIA PREVISÕES MAIS PRECISAS E CONFIÁVEIS, RESSALTANDO A RELEVÂNCIA DA ESCOLHA ADEQUADA DOS HIPERPARÂMETROS E DA QUALIDADE DO CONJUNTO DE DADOS PARA APRIMORAR MODELOS DE PREVISÃO. |
| Abstract: | THIS WORK INVESTIGATES THE APPLICATION OF METAHEURISTICS IN THE OPTIMIZATION OF LSTM NETWORK HYPERPARAMETERS FOR PHOTOVOLTAIC SOLAR ENERGY GENERATION FORECASTING. A DATABASE FROM A POWER PLANT IN NASIK (INDIA) WAS USED, COVERING THE PERIOD FROM MAY 15 TO JUNE 17, 2020. TWO METAHEURISTICS, GENETIC ALGORITHM (GA) AND FIREFLY ALGORITHM (FA), WERE EMPLOYED TO ADJUST PARAMETERS SUCH AS LEARNING RATE, REGULARIZATION, AND NETWORK STRUCTURE. THE MODELS WERE EVALUATED BY MSE, MAE, RMSE, AND COEFFICIENT OF DETERMINATION (R²), WITH GA ACHIEVING SUPERIOR PERFORMANCE COMPARED TO FA. THE RESULTS SHOW THAT OPTIMIZATION VIA AG PROVIDES MORE ACCURATE AND RELIABLE FORECASTS, HIGHLIGHTING THE IMPORTANCE OF THE APPROPRIATE CHOICE OF HYPERPARAMETERS AND THE QUALITY OF THE DATA SET TO IMPROVE FORECASTING MODELS. |
| Palavras-chave: | Redes neurais LSTM Previsão solar Metahurísticas Otimização |
| CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Idioma: | por |
| País: | Brasil |
| Editor: | Pontifícia Universidade Católica de Goiás |
| Sigla da Instituição: | PUC Goiás |
| metadata.dc.publisher.department: | Escola Politécnica |
| Tipo de Acesso: | Acesso Aberto |
| URI: | https://repositorio.pucgoias.edu.br/jspui/handle/123456789/10286 |
| Data do documento: | 2-Dez-2025 |
| Aparece nas coleções: | TCC Engenharia de Computação |
Arquivos associados a este item:
| Arquivo | Tamanho | Formato | |
|---|---|---|---|
| artigo+Termo_Manoel.pdf | 935,69 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.
Ferramentas do administrador