Análise Preditiva da Produção de Gasolina Comum no Brasil via Técnicas de Aprendizado de Máquina

Samantha Vieira Lanzelotti, Leonardo Fini, Marilaine Colnago, Wallace Casaca

Resumo


A busca incessante pela inovação ocasionado pelo uso escalonado do Aprendizado de Máquina (do inglês, Machine Learning - ML) levou à algoritmos cada vez mais robustos e assertivos em diversos contextos de aplicação, o que inclui problemas de modelagem preditiva no setor de energia, como a geração de energia eólica [4] e a produção de petróleo [2]. [...]


Texto completo:

PDF

Referências


J. V. Leme, W. Casaca e M. A. Colnago M.and Dias. “Towards Assessing the Electricity Demand in Brazil: Data-Driven Analysis and Ensemble Learning Models”. Em: Energies 13.6 (2020), p. 1407. doi: 10.3390/en13061407.

W. Liu, W. D. Liu e J. Gu. “Petroleum Production Forecasting Based on Machine Learning”. Em: Proceedings of the International Conference on Advances in Image Processing. 2019, pp. 124–128. doi: 10.1145/3373419.3373421.

D. G. Oliveira. Indústria Petrolífera: O Mercado Pós Impactos da COVID-19. Trabalho de Conclusão de Curso. 2021.

M. Paula et al. “Predicting Long-Term Wind Speed in Wind Farms of Northeast Brazil: A Comparative Analysis Through Machine Learning Models”. Em: IEEE Latin America Transactions 18.11 (2020), pp. 2011–2018. doi: 10.1109/TLA.2020.9398643.


Apontamentos

  • Não há apontamentos.


SBMAC - Sociedade de Matemática Aplicada e Computacional
Edifício Medical Center - Rua Maestro João Seppe, nº. 900, 16º. andar - Sala 163 | São Carlos/SP - CEP: 13561-120
 


Normas para publicação | Contato