Análise Correlacional das Variáveis Climáticas e Sociais na Previsão de Demanda em Tempo Real (Correlational Analysis of Weather and Social Variables in Real-Time Demand Forecasting)

7 Pages Posted: 13 Feb 2018

See all articles by Julia K. Ambrosio

Julia K. Ambrosio

Universidade Estadual de Campinas (UNICAMP)

Cícero L. R. dos Santos

Universidade Estadual de Campinas (UNICAMP)

Bruno Brentan

Universidade Estadual de Campinas (UNICAMP)

Lubienska C. L.J. Ribeirod

Universidade Estadual de Campinas (UNICAMP)

Edevar Luvizotto Junior

Universidade Estadual de Campinas (UNICAMP)

Date Written: November 30, 2017

Abstract

Portuguese Abstract: Com o crescimento constante da pulação, a ONU estima que até 2030 o mundo necessitará 40% a mais de água para suprir as novas necessidades, o que implicará na necessidade de uma melhor gestão do recurso. As ferramentas de previsão de demanda, quando bem desenvolvidas, permitem obter um maior controle sob o consumo e a otimização o sistema de abastecimento de água. Para se determinar a demanda futura, é necessário a verificação das variáveis que influenciam diretamente no consumo de água e o horizonte que se deseja trabalhar. No entanto, as relações entre variáveis climáticas e sociais e demanda de água nem sempre são conhecidas. Tendo em vista de ampliarem-se os estudos da análise correlacional para o bom desenvolvimento de modelos de previsão de demanda, esse trabalho propõem a aplicação de técnica de inteligência artificial, os mapas auto-organizáveis de Kohonen, mapas conhecidos como SOM (do inglês, self-organizing maps), para o reconhecimento dos padrões correlacionais a partir do agrupamento de dados. Foram utilizados dados históricos da demanda de água de 4 setores da cidade de Franca, localizada no interior de São Paulo - Brasil, bem como, temperatura, velocidade do vento, umidade do ar, pluviosidade e dia do mês, dia da semana, hora, ano e feriados, para se estudar o a correlação existente entre as variáveis e a demanda de água. Por meio do presente estudo pode-se perceber que as variáveis sociais apresentam uma maior influência da demanda de água do que as variáveis climáticas, uma vez que são elas que determinam o modo de vida da população, porém esta relação não é um padrão nos quatro setores analisado. A partir dos resultados, pode-se reconhecer que o consumo sobre influência principalmente da hora do dia e da temperatura.

English Abstract: With constant growth, the UN estimates that by 2030 the world will need 40% more water to meet the new needs, which will mean a better management of the resource. Demand forecasting tools, when well developed, allow greater control under consumption and optimization of the water supply system. In order to determine the future demand, it is necessary to verify the variables that directly influence the consumption of water and the horizon that one wishes to work. However, the relationships between climatic and social variables and water demand are not always known. This paper proposes the application of artificial intelligence technique, Kohonen's self-organizing maps, maps known as SOM (the English version of SOM) self-organizing maps), for the recognition of the correlation patterns from the data grouping. We used historical data on water demand from four sectors of the city of Franca, located in the interior of São Paulo - Brazil, as well as temperature, wind speed, air humidity, rainfall and day of the month, day of the week, year and holidays, in order to study the correlation between variables and water demand. By means of the present study, we can see that social variables present a greater influence of water demand than climatic variables, since they determine the way of life of the population, but this relation is not a pattern in the four sectors analyzed. From the results, it can be recognized that the consumption on influence mainly of the time of day and the temperature.

Note: Downloadable document is in Portuguese.

Keywords: Water Supply System, Water Demand, Correlation Analysis, SOM

Suggested Citation

Ambrosio, Julia K. and dos Santos, Cícero L. R. and Brentan, Bruno and Ribeirod, Lubienska C. L.J. and Junior, Edevar Luvizotto, Análise Correlacional das Variáveis Climáticas e Sociais na Previsão de Demanda em Tempo Real (Correlational Analysis of Weather and Social Variables in Real-Time Demand Forecasting) (November 30, 2017). Ibero-American Seminar on Water and Drainage Networks (SEREA 2017). Available at SSRN: https://ssrn.com/abstract=3108111 or http://dx.doi.org/10.2139/ssrn.3108111

Julia K. Ambrosio (Contact Author)

Universidade Estadual de Campinas (UNICAMP) ( email )

Cidade Universitária Zeferino Vaz - Barão
Geraldo
Campinas - SP, 13083-970
Brazil

Cícero L. R. Dos Santos

Universidade Estadual de Campinas (UNICAMP)

Cidade Universitária Zeferino Vaz - Barão
Geraldo
Campinas - SP, 13083-970
Brazil

Bruno Brentan

Universidade Estadual de Campinas (UNICAMP) ( email )

Cidade Universitária Zeferino Vaz - Barão
Geraldo
Campinas - SP, 13083-970
Brazil

Lubienska C. L.J. Ribeirod

Universidade Estadual de Campinas (UNICAMP)

Cidade Universitária Zeferino Vaz - Barão
Geraldo
Campinas - SP, 13083-970
Brazil

Edevar Luvizotto Junior

Universidade Estadual de Campinas (UNICAMP) ( email )

Av. Albert Einstein, 951
Campinas, 13083-852
Brazil

Register to save articles to
your library

Register

Paper statistics

Downloads
19
Abstract Views
146
PlumX Metrics