@MASTERSTHESIS{ 2025:316508176,
 	title = {Árvore de Regressão aplicada à identificação e priorização de perdas não técnicas},
 	year = {2025},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/6583",
 	abstract = "Esta dissertação apresenta uma metodologia de priorização de alvos para a inspeção de
 perdas não técnicas (perdas comerciais) em sistemas de distribuição de energia elétrica, baseada em
 modelagem preditiva com árvores de regressão. O principal objetivo é identificar
 unidades consumidoras com maior propensão a fraudes e irregularidades no consumo, a fim de
 apoiar ações de normalização e mitigar os impactos técnicos, econômicos e sociais de tais perdas. Foi realizada uma revisão bibliográfica e bibliométrica de métodos de aprendizado de máquina aplicados à detecção de perdas não técnicas, juntamente com um estudo aprofundado de técnicas de árvores de regressão e sua aplicabilidade neste domínio.
 
 O modelo proposto foi desenvolvido utilizando dados reais de uma empresa de distribuição,
 incluindo histórico de consumo, atributos do consumidor e registros operacionais, e
 compreendeu a preparação do banco de dados, a seleção de variáveis ​​preditivas, a construção e
 poda de árvores de regressão com base na complexidade de custo e na avaliação do desempenho preditivo.
 
 Os resultados destacam a eficácia do modelo na priorização de unidades consumidoras com
 maior impacto nas perdas não técnicas, reforçando seu potencial como ferramenta de apoio à decisão no setor elétrico.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {COORDENAÇÃO DO CURSO DE ENGENHARIA ELÉTRICA/CCET}
}