PRODUÇÃO ACADÊMICA Repositório Acadêmico da Graduação (RAG) TCC Engenharia de Computação
Use este identificador para citar ou linkar para este item: https://repositorio.pucgoias.edu.br/jspui/handle/123456789/3714
Registro completo de metadados
Campo DCValorIdioma
dc.creatorLavrador, Felipe Libório-
dc.date.accessioned2022-01-07T14:14:19Z-
dc.date.available2022-01-07T14:14:19Z-
dc.date.issued2021-12-09-
dc.identifier.urihttps://repositorio.pucgoias.edu.br/jspui/handle/123456789/3714-
dc.description.abstractWithin a hydroelectric plant, the hill curve is an important graph to perform value predictions in specific circumstances. Thus, three regression models are proposed being Feedforward, Linear Regression and XGBoost. The data used to train the nets were obtained through of a reduced-scale model, totalize 1243 data. So noticing that among the three models, the Feedforward model demonstrated greater generalizability. thus a better alternative among the three proposed networks.pt_BR
dc.description.sponsorshipNão recebi financiamentopt_BR
dc.languageporpt_BR
dc.publisherPontifícia Universidade Católica de Goiáspt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectFeedforwardpt_BR
dc.subjectRegressão linearpt_BR
dc.subjectXGBoostpt_BR
dc.subjectCurva de colinapt_BR
dc.subjectTurbina hidrelétricapt_BR
dc.titleGeração de curva de colina para turbina hidrelétrica usando rede neural artificialpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Coelho, Clarimar José-
dc.contributor.advisor1IDhttps://orcid.org/0000-0002-5163-2986pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1350166605717268pt_BR
dc.contributor.advisor-co1Costa, Diogo Fernandes-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/0530560241892919pt_BR
dc.contributor.referee2Dangoni, Arthur Galdino-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3841957183941685pt_BR
dc.description.resumoDentro de uma usina hidroelétrica, a curva de colina é um gráfico importante para realizar predições de valores em circunstâncias específicas. Asism, é proposto três modelos de regressão sendo Feedforward, Regressão Linear e XGBoost. Os dados utilzados para treinar as redes, foram obtidos através de um modelo em escala reduzida, totalizam 1243 dados. Assim notando que dentre os três modelos, o modelo Feedforward demonstrou uma maior capacidade de generalização. Sendo assim uma melhor alternativa dentre as três redes propostas.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola Politécnicapt_BR
dc.publisher.initialsPUC Goiáspt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.creator.Latteshttp://lattes.cnpq.br/9801811141321374pt_BR
dc.degree.graduationEngenharia de Computaçãopt_BR
dc.degree.levelGraduaçãopt_BR
Aparece nas coleções:TCC Engenharia de Computação

Arquivos associados a este item:
Arquivo TamanhoFormato 
Felipe_Final.pdf1,84 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.

Ferramentas do administrador