English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

In this work the wind speed is predicted for wind power application estimation. Data obtained from an anemometric station were used for the application of two artificial intelligence techniques, the artificial neural network and the wavelet neural network. The autocorrelation function was used to determine the amount of time-delayed inputs for the time series prediction, which allowed the use of data in order to increase the extrapolation capacity of the networks. The comparison of the predictions obtained from the methods was performed through the mean absolute percentage error, as well as the coefficient of determination, which proved a better generalization capacity and precision by the wavelet neural network. Resumo: Neste trabalho é feita a predição da velocidade do vento para aplicação na estimação de potência gerada por aerogeradores. Foram utilizados dados obtidos de uma estação anemométrica para a aplicação de duas técnicas de inteligência artificial, a rede neural artificial e a rede neural wavelet. A função de autocorrelação foi empregada na determinação da quantidade de entradas atrasadas no tempo para a predição da série temporal, o que possibilitou a utilização dos dados de forma a aumentar a capacidade de extrapolação das redes. A comparação das predições obtidas a partir dos métodos foi realizada por meio do erro percentual absoluto médio, assim como do coeficiente de determinação, o que comprovou uma melhor capacidade de generalização e precisão por parte da rede neural wavelet.

PREDIÇÃO DA VELOCIDADE DO VENTO UTILIZANDO REDES NEURAIS WAVELET