Análise estatística do consumo de água urbana para o setor administrativo-empresarial
Palavras-chave:
Consumo diário de água, linha dinâmica de tempo, análise de regressão, autocorrelação, previsão.Resumo
Neste trabalho a previsão estatística do consumo de água diário do setor administrativo e empresarial da cidade é considerada para o que a técnica que inclui 5 estágios é oferecida. Segundo esta técnica, na primeira etapa a escolha do jogo da estatística que influi no volume de consumo de água é derivada, os dados estatísticos básicos (BSD) são coletados. Além disso, são calculadas as principais características estatísticas da DSI: estimativas da média populacional, desvios quadráticos médios, medianas, assimetrias, excessos, erros de cálculo de médias, assimetrias, excessos. No seguinte passo a equação de regressão recebe-se, a avaliação do ponto da influência de fatores no consumo de água no seu peso específico e coeficientes da elasticidade faz-se, a previsão com base na equação de regressão recebida executa-se, a avaliação da previsão faz-se critérios de R2, MAE, MAPE, MSE, S / y ?. Na quinta etapa o modelo aditivo da previsão com base na autocorrelação de dados básicos de um fator produtivo recebe-se, a previsão com base no modelo aditivo recebido executa-se, a avaliação de previsão faz-se. No estágio final, o modelo de regressão e auto-correlacionado é recebido, a previsão com base no modelo aditivo recebido é executada, a avaliação de previsão é feita. Com base na pesquisa executada conclui-se que o modelo de regressão e autocorrelacionado possui os melhores valores de indicadores de precisão, o modelo de regressão é um pouco menos exato, os piores indicadores de exatidão correspondem ao modelo aditivo.
Downloads
Referências
Anderson, R. L., Miller, T. A., & Washburn, M. C. (1980). Water savings from lawn watering restrictions during a drought year, Fort Collins, Colorado 1. JAWRA Journal of the American Water Resources Association, 16(4), 642-645.
Bougadis, J., Adamowski, K., & Diduch, R. (2005). Short?term municipal water demand forecasting. Hydrological Processes: An International Journal, 19(1), 137-148.
Howe, C. W., & Linaweaver, F. P. (1967). The impact of price on residential water demand and its relation to system design and price structure. Water Resources Research, 3(1), 13-32.
Hughes, T. (1980). Peak period design standards for small western US water supply systems 1. Journal of the American Water Resources Association, 16(4), 661-667.
Maidment, D. R., Miaou, S. P., & Crawford, M. M. (1985). Transfer function models of daily urban water use. Water Resources Research, 21(4), 425-432.
Maidment, D., & Parzen, E. (1984). Monthly water use and its relationship to climatic variables in Texas. Water Resour. Bull, 19(8), 409-418.
Miaou, S. P. (1990). A class of time series urban water demand models with nonlinear climatic effects. Water Resources Research, 26(2), 169-178.
Oh, H. S., & Yamauchi, H. (1974). An economic analysis of the patterns and trends in water consumption within the service area of the Honolulu Board of Water Supply. Univ. of Honolulu Rep, 84.
Zhou, S. L., McMahon, T. A., Walton, A., & Lewis, J. (2000). Forecasting daily urban water demand: a case study of Melbourne. Journal of hydrology, 236(3-4), 153-164.