PREVISÃO DE SÉRIES TEMPORAIS BASEADA EM MODELO NEURALPROPHET
INTRODUÇÃO: A previsão precisa da geração de energia eólica é essencial para otimizar a produção e gestão de recursos energéticos. Este estudo aplicou os modelos Prophet e Neural Prophet para prever a geração de energia eólica utilizando dados históricos. Foram realizadas análises comparativas dos modelos, tanto sem otimização quanto com otimização dos hiperparâmetros via Optuna. OBJETIVOS: Este estudo aplicou os modelos Prophet e Neural Prophet para prever a geração de energia eólica utilizando dados históricos. Foram realizadas análises comparativas dos modelos, tanto sem otimização quanto com otimização dos hiperparâmetros via Optuna. MATERIAIS E MÉTODO: Os modelos Prophet e Neural Prophet foram inicialmente avaliados sem otimização, onde o Neural Prophet apresentou desempenho superior em todas as métricas (RMSE, MSE, MAE e MAPE), indicando uma maior precisão e robustez nas previsões. Posteriormente, os hiperparâmetros de ambos os modelos foram otimizados utilizando Optuna, resultando em melhorias significativas no desempenho. RESULTADOS: O Neural Prophet otimizado continuou a superar o Prophet otimizado, apresentando métricas de erro menores e previsões mais precisas. Especificamente, o Neural Prophet otimizado obteve um RMSE de 2398.13, um MSE de 5751011.76, um MAE de 1754.94 e um MAPE de 1.28%, enquanto o Prophet otimizado registrou um RMSE de 3215.67, um MSE de 10197127.76, um MAE de 2637.95 e um MAPE de 1.41%. CONSIDERAÇÕES FINAIS: Esses resultados destacam a eficácia do Neural Prophet na previsão de séries temporais de geração de energia eólica, especialmente quando otimizado com técnicas avançadas como o Optuna. A capacidade de reduzir tanto os erros médios quanto os grandes erros quadráticos torna o Neural Prophet uma ferramenta poderosa para previsões de alta precisão.
PALAVRAS-CHAVE: Previsão de Séries Temporais; Prophet; Neural Prophet; Optuna; Geração de Energia Eólica