Abstract
A previsão da demanda de água é fundamental para decisões relacionadas à gestão de recursos hídricos a longo prazo. No entanto, a variabilidade espacial do consumo de água é um desafio para uma previsão adequada. O principal objetivo do presente estudo é investigar como os aspectos socioeconômicos da população afetam o futuro consumo urbano de água. Para que a previsão tenha bom desempenho e precisão, um subconjunto significativo de variáveis explicativas deve ser definido. Para isso, vários métodos de seleção de variáveis do tipo filtro e envoltório, baseados Regressão de Mínimos Quadrados Parciais (PLSR, do inglês Partial Least Square Regression) foram testados, juntamente com uma classificação baseada em Florestas Aleatórias (RF, do inglês Random Forest). Os subconjuntos de dados foram em seguida utilizados como entrada para um modelo preditivo. Duas técnicas de aprendizado de máquina foram testadas: RF e Rede Neural Artificial (RNA). O desempenho do modelo foi avaliado através do coeficiente de Nash-Sutfcliffe, Raiz do erro quadrático médio (RMSE, do inglês Root Mean Square Error) e correlação de Pearson. O conjunto de dados consistiu no consumo de água e dados do Censo de 2010 associados a 182 Unidades de Desenvolvimento Humano (UDH) em Fortaleza, Ceará. Importância da variável em projeção, Procedimento de eliminação regularizada e RF forneceram os subconjuntos de variáveis que levaram ao melhor desempenho de previsão entre os sete métodos de seleção. A expectativa de vida ao nascer, a renda per capita e residentes com educação primária e secundária …
Users
Please
log in to take part in the discussion (add own reviews or comments).
