PREVISÕES HÍBRIDAS DE DESLOCAMENTO HORIZONTAL DE BLOCO EM BARRAGEM DE USINA HIDRELÉTRICA
Jairo Marlon Corrêa1; Luiz Albino Teixeira Júnior2; Edgar Manuel Careño Franco3; Tasia Hickmann1; Samuel Bellido Rodrigues1
1 Universidade Tecnológica Federal do Paraná - UTFPR; 2 Universidade de Integração Latino Americana - UNILA; 3 Universidade Estadual do Oeste do Paraná - UNIOESTE
Resumo
Neste artigo é apresentada uma metodologia híbrida chamada de WARIMAX-GARCH Neural (WAXGN) cujo objetivo é gerar previsões pontuais e intervalares para uma série temporal de medições de deslocamento de um bloco da Usina Hidrelétrica de Itaipu, localizada em Foz do Iguaçu, Paraná, Brasil. Em linhas gerais, o método WAXGN é dividido em quatro passos: (1) faz-se uma decomposição Wavelet de nível p da série temporal supracitada, de forma a produzir p + 1 componentes Wavelet (CWs); (2) cada CW do passo (1) é modelada por uma rede neural artificial (RNA), a fim de se gerar previsões fora da amostra; (3) As CWs do passo 1 são completadas pelas respectivas previsões, obtidas em (2), gerando-se as variáveis exógenas artificiais Wavelet Neural; e (4) é feita a modelagem da série temporal deslocamento por meio de um modelo ARIMAX-GARCH cujas variáveis exógenas são as geradas no passo (3). Em todas as análises consideradas, a metodologia WAXGN obteve maior acurácia em termos preditivos fora da amostra.
Palavras-chave: Previsão; Decomposição Wavelet; Modelos ARIMAX-GARCH; Redes Neurais Artificiais