[pt] Na área de Exploração e Produção (EeP) de petróleo, o estudo minucioso das características de um reservatório é imperativo para a criação de modelos de simulação que representem adequadamente as suas propriedades petrofísicas. A disponibilidade de um modelo adequado é fundamental para a obtenção de previsões acertadas acerca da produção do reservatório, e isso impacta diretamente a tomada de decisões gerenciais. Devido às incertezas inerentes ao processo de caracterização, ao longo da vida produtiva do reservatório, periodicamente o seu modelo de simulação correspondente precisa ser ajustado. Todavia, a tarefa de ajustar as propriedades do modelo se traduz em um problema de otimização complexo, onde o número de variáveis envolvidas é tão maior quanto maior for a quantidade de blocos que compõem a malha do modelo de simulação. Na maioria das vezes esses ajustes envolvem processos empíricos que demandam elevada carga de trabalho do especialista. Esta pesquisa investiga e avalia uma nova técnica computacional híbrida, que combina Algoritmos Genéticos e Geoestatística Multiponto, para a otimização de propriedades em modelos de reservatórios. Os resultados obtidos demonstram a robustez e a confiabilidade da solução proposta, uma vez que, diferentemente das abordagens tradicionalmente adotadas, é capaz de gerar modelos que não apenas proporcionam um ajuste adequado das curvas de produção, mas também que respeitam as características geológicas do reservatório. / [en] In the Exploration and Production (EeP) of oil, the detailed study of reservoir characteristics is imperative for the creation of simulation models that adequately represent their petrophysical properties. The availability of an appropriate model is fundamental to obtaining accurate predictions about the reservoir production. In addition, this impacts directly the management decisions. Due to the uncertainties inherent in the characterization process, along the productive period of the reservoir, its corresponding simulation model needs to be matched periodically. However, the task of matching the model properties represents a complex optimization problem. In this case, the number of variables involved increases with the number of blocks that make up the grid of the simulation model. In most cases these matches involve empirical processes that take too much time of an expert. This research investigates and evaluates a new hybrid computer technique, which combines Genetic Algorithms and Multipoint Geostatistics, for the optimization of properties in reservoir models. The results demonstrate the robustness and reliability of the proposed solution. Unlike traditional approaches, it is able to generate models that not only provide a proper match of the production curves, but also satisfies the geological characteristics of the reservoir.

[pt] Curvas tensão × deformação sigmaxvarepsilon de um aço 1020 trabalhado a frio foram obtidas sob controle da taxa de deformação imposta no corpo de prova (e não da velocidade do pistão ou do travessão da máquina de testes), no intervalo 10-5 menor ou maior que Moeda menor ou igual 3 s-1. Este amplo conjunto de dados, tratado por um versátil programa desenvolvido para adquiri-los, filtrá-los e apresentá-los em tempo real, foi usado para verificar a adequação de diversos modelos propostos para descrever o efeito desta taxa, aplicando um algoritmo de otimização de Levenberg-Marquardt para ajustar os vários modelos estudados ao conjunto dos dados medidos. Este procedimento relativamente simples elimina os erros sistemáticos inerentes à prática tradicional de medir o efeito da taxa de deformação nas curvas s×e controlando a velocidade da carga, que podem ser particularmente relevantes nos corpos de prova de aço, cuja rigidez muitas vezes é pelo menos uma ordem de grandeza maior do que a da máquina de testes. / [en] Stressxstrain sigmaxvarepsilon curves of a cold worked 1020 steel were measured controlling the strain-rate imposed on the test specimens (and not the testing machine piston or load bean speed), in the range 10-5 less or equal E less or equal 3 s-1. This ample data set, properly treated by a versatile software developed to acquire, filter and present the data in real time, was used to verify the adequacy of several models proposed to describe the strain-rate influence, using an Levenberg-Marquardt optimization algorithm to fit the models to the ensemble of the measured data. This relatively simple procedure avoids the intrinsic systematic errors associated to the traditional practice of measuring the strain-rate effect on the sigmaxvarepsilon curves controlling the load speed, which may be particularly relevant when testing steel specimens, as their stiffness is many times at least an order of magnitude greater than those of the testing machines.

[pt] Objetivo. Desenvolver e validar uma metodologia de automação para calibração e ajuste de multímetros digitais, possibilitando redução de custos, melhorando a interação do usuário com o sistema de calibração, possibilitando a realização do serviço remotamente e, principalmente, reduzindo o tempo gasto na calibração. Visa, ainda, a melhorar a confiabilidade e a qualidade da calibração destes multímetros. Motivação. Contribuir para a otimização da conclusão do Plano Anual de Calibração de Instrumentos da Subdivisão de Metrologia do Parque de Material de Eletrônica da Aeronáutica do Rio de Janeiro, que é o laboratório central de metrologia do Sistema de Controle do Espaço Aéreo Brasileiro (SISCEAB). Cabe ressaltar que o multímetro especificamente empregado nesta dissertação, com larga aplicação no SISCEAB, é um instrumento de grande exatidão, que tem atualmente um tempo médio de calibração de quatro dias e que exige, durante sua calibração, mais de quatrocentas medições de diversas grandezas elétricas, tais como Tensão, Corrente, Resistência e Freqüência. Contextualização. Nos últimos anos, para atender às necessidades de medição, a Força Aérea Brasileira (FAB) tem investido na aquisição de novos instrumentos eficazes e complexos, como ocorreu na implantação do Sistema de Vigilância da Amazônia (SIVAM). Apesar de as atribuições dos laboratórios da FAB aumentarem, devido à grande variedade de grandezas e capacidade de medição destes instrumentos, seu efetivo vem diminuindo gradativamente. Isso ocorre tanto por causa de restrições governamentais, como pelo fato de as atividades metrológicas não serem atividades fim na FAB. Como conseqüência, o número de metrologistas no Sistema de Controle do Espaço Aéreo está abaixo do mínimo previsto. Metodologia. O procedimento de desenvolvimento e validação desta automação baseouse na perspectiva da Pesquisa-Ação, sendo utilizadas as normas técnicas do Sistema de Metrologia Aeroespacial, bem como os requisitos internacionais da NBR ISO 17025 e manuais técnicos. Um Sistema Computacional, desenvolvido com base no pacote de automação de instrumentação chamado VEE, controla todos os instrumentos envolvidos no projeto para a execução da calibração e do ajuste de multímetros digitais. Resultados. O trabalho desenvolvido inclui, automaticamente, (i) controle dos diversos equipamentos via interface GPIB; (ii) análise dos dados das medições efetuadas; (iii) emissão do certificado de calibração; (iv) expressão das incertezas de medição; (v) interação do usuário a partir de uma interface amigável, pois são mostradas as conexões entre os diversos instrumentos envolvidos no processo de calibração; (vi) disponibilidade de um histórico das calibrações efetuadas; e (vii) melhoria da confiabilidade e qualidade laboratorial. Conclusões. Com a utilização desta nova metodologia para a calibração de multímetros digitais, conseguiu-se melhorar a confiabilidade, reprodutibilidade e qualidade da calibração, além de contornar a falta de recursos humanos disponíveis no COMAER, visto que o tempo de calibração foi reduzido de quatro dias para aproximadamente uma hora, permitindo assim atender à demanda de serviços dos Laboratórios de Metrologia do SISCEAB, reduzir custos, além de padronizar os processos e agregar valor ao serviço de calibração destes multímetros. / [en] Objective: Develop and validate a methodology in adjust and calibration automation of digital multmeters, making it possible to reduce costs, with a better interaction with the user and the calibration system, allying remote service and, mainly, taking less time in the calibration. It also aims to increase the reliability and quality of these multimeters calibrations. Motivation. Contribute for the optimization on the conclusion of the Instruments Calibration Annual Plan of the PAME-RJ Metrologic Subdivision, which is the Metrologic Central Laboratory of Brazilian Airspace Control System (SISCEAB). It is important to say that the multimeter specifically employed in this dissertation, with large application on SISCEAB, is a high precision instrument, which takes, in media, four days to be calibrated and that needs more than four hundreds measurements in lots of electric quantities, such as tension, current, resistance and frequency, with large application on SISCEAB. Context. In the last years, in order to solve the necessities of measurements, The Brazilian Air Force (FAB) has invested in the acquisition of new complex instruments, as occurred during the implantation of the Amazon Surveillance System (SIVAM). Although the attributions of FAB laboratories rise, due to the great varieties of quantities and measurement capacities, the number of its men has been diminished gradually. This occurs because of governmental restrictions and also for the fact that metrologic activities are not the main proposal on FAB. As a consequence, the number of metrologicians on SISCEAB are below the minimum required. Methodology. The developing procedure and this automation validation were based on the perspective of search-action, utilizing the Airspace Metrology System (SISMETRA) techniques rules, the NBR ISO 17025 international requirements and also techniques manuals. A computational system, developed based on the pack of instrumental automation called VEE, controls all the instruments involved on the project in order to execute the adjusts and calibrations on digitals multimeters. Results. The work developed includes automatically (i) control of various equipmements by GPIB interface; (ii) data analyses of the measurement taken; (iii) emission of calibration certificate; (iv) measurement uncertainty expression; (v) interaction of the user with friendly interface, since the connections among the instruments involved in the process are shown; (vi) availability of calibrations performed historic; and (vii) increasing of the reliability and laboratory quality. Conclusions. With the use of this new methodology to the digital multimeters calibration, the reliability, reproducibility and calibration quality were increased. It was possible to: deal with the loss of human resources available in COMAER, since the time spent in calibration was reduced from four hours to, aproximately, one hour, alowing this way to attend the SISCEAB Metrologic Laboratories services; reduce costs; standardize; and add value to this multimeters calibration service.

[pt] A tese Filtros ótimos que conservam qualquer ordem de tendência aborda os fundamentos dos filtros simétricos de Henderson que estão inseridos no contexto de ajuste sazonal, mais especificamente nos métodos da família X11; desenvolve um filtro ótimo, baseado em técnicas do domínio da freqüência, utilizando hipóteses mais amplas que os filtros de Henderson; compara a performance dos dois filtros e propõe um método de ajuste sazonal baseado no filtro ótimo. / [en] The thesis Filtros ótimos que conservam qualquer ordem de tendência (Optimal Filters that Preserve Trend of Any Order), investigates the principles of the Henderson symmetric filters, which are inserted in the context of seasonal adjustment, specifically in the methods of the X11 family; it also develops optimal filters, based on techniques in the Frequency domain, using more general hypothesis than the ones for the Henderson filters; and compares the performance of the both filters and suggests a method of seasonal adjustment based on the optimal filter.

[pt] Esta tese tem como objetivo a comparação entre procedimentos para dessazonalização de séries temporais. As metodologias usadas serão a de Modelos Estruturais Clássicos e Bayesianos e a metodologia padrão de dessazonalização X11 ARIMA. Os dados utilizados são as 35 séries reais de índice de preços ao consumidor - IPC para a Região Metropolitana do Rio de Janeiro, fornecidas pelo Instituto Brasileiro de Geografia e Pesquisa - IBGE, no período de janeiro de 1991 até dezembro de 1997. Os pacotes computacionais utilizados no decorrer do trabalho são FORECAST PRO (X11 ARIMA0, STAMP (Estruturais Clássicos) e BATS (Estruturais Bayesianos). Além disso, foram também utilizadas séries simuladas com sazonalidade, para melhor analisar os resultados desejados. / [en] The aim of this thesis is a comparisson study among three existing procedures for seasonal adjustment of time series, namely: the tradicional X11 ARIMA and those based on the structural model formulation, i.e., the classical approach of A. Harvey and the Bayesian counterpart of Harrison and Stevens. The data used are 25 real time series of Consumer Price Index for Metropolitan area from Rio de Janeiro from 1991 to 1997, supllied by the Instituto Brasileiro de Geografia e Estatística - IBGE. The computacional packages used during the thesis were SPSS and FORECAST PRO (X11 ARIMA), STAMP (structural classical approach) and BATS (structural bayesian approach). Also, simulated seasonal data were to provide a better understanding of the procedures.

[pt] Sumarização automática é a tarefa de gerar resumos concisos, corretos e com consistência factual. A tarefa pode ser aplicada a diversos estilos textuais, dentre eles notícias, publicações acadêmicas e avaliações de produtos ou lugares. A presente dissertação aborda a sumarização de múltiplas avaliações. Esse tipo de aplicação se destaca por sua natureza não supervisionada e pela necessidade de lidar com a redundância das informações presentes nas avaliações. Os trabalhos de sumarização automática são avaliados utilizando a métrica ROUGE, que se baseia na comparação de n-gramas entre o texto de referência e o resumo gerado. A falta de dados supervisionados motivou a criação da arquitetura MeanSum, que foi a primeira arquitetura de rede neural baseada em um modelo não supervisionado para essa tarefa. Ela é baseada em auto-encoder e foi estendida por outros trabalhos, porém nenhum deles apresentou os efeitos do uso do mecanismo de atenção e tarefas auxiliares durante o treinamento do modelo. O presente trabalho é dividido em duas etapas. A primeira trata de um experimento no qual extensões à arquitetura do MeanSum foram propostas para acomodar mecanismos de atenção e tarefas auxiliares de classificação de sentimento. Ainda nessa etapa, explora-se o uso de dados sintéticos para adaptar modelos supervisionados a tarefas não supervisionadas. Na segunda etapa, os resultados obtidos anteriormente foram utilizados para realizar um estudo sobre o uso de ajuste fino (fine-tuning) de modelos de linguagem Transformers pré-treinados. A utilização desses modelos mostrou ser uma alternativa promissora para enfrentar a natureza não supervisionada do problema, apresentando um desempenho de + 4 ROUGE quando comparado a trabalhos anteriores. / [en] Automatic summarization is the task of generating concise, correct, and factual summaries. The task can be applied to different textual styles, including news, academic publications, and product or place reviews. This dissertation addresses the summary of multiple evaluations. This type of application stands out for its unsupervised nature and the need to deal with the redundancy of the information present in the reviews. The automatic summarization works are evaluated using the ROUGE metric, which is based on the comparison of n-grans between the reference text and the generated summary. The lack of supervised data motivated the creation of the MeanSum architecture, which was the first neural network architecture based on an unsupervised model for this task. It is based on auto-encoder and has been extended to other works, but none explored the effects of using the attention mechanism and auxiliary tasks during training. The present work is divided into two parts: the first deals with an experiment in which we make extensions to the MeanSum architecture, adding attention mechanisms and auxiliary sentiment classification tasks. In the same experiment, we explore synthetic data to adapt supervised models for unsupervised tasks. In the second part, we used the results previously obtained to carry out a second study on fine-tuning pre-trained Transformer language models. The use of these models showed a promising alternative to the unsupervised nature of the problem, outperforming previous works by + 4 ROUGE.

[pt] Na área de Exploração e Produção (EeP) de petróleo, uma das tarefas mais importantes é o estudo minucioso das características do reservatório para a criação de modelos de simulação que representem adequadamente as suas características. Durante a vida produtiva de um reservatório, o seu modelo de simulação correspondente precisa ser ajustado periodicamente, pois a disponibilidade de um modelo adequado é fundamental para a obtenção de previsões acertadas acerca da produção, e isto impacta diretamente a tomada de decisões gerenciais. O ajuste das propriedades do modelo se traduz em um problema de otimização complexo, onde a quantidade de variáveis envolvidas cresce com o aumento do número de blocos que compõem a malha do modelo de simulação, exigindo muito esforço por parte do especialista. A disponibilidade de uma ferramenta computacional, que possa auxiliar o especialista em parte deste processo, pode ser de grande utilidade tanto para a obtenção de respostas mais rápidas, quanto para a tomada de decisões mais acertadas. Diante disto, este trabalho combina inteligência computacional através de Algoritmo Genético Co-Evolutivo com Geoestatística de Múltiplos Pontos, propondo e implementando uma arquitetura de otimização aplicada ao ajuste de propriedades de modelos de reservatórios. Esta arquitetura diferencia-se das tradicionais abordagens por ser capaz de otimizar, simultaneamente, mais de uma propriedade do modelo de simulação de reservatório. Utilizou-se também, processamento distribuído para explorar o poder computacional paralelo dos algoritmos genéticos. A arquitetura mostrou-se capaz de gerar modelos que ajustam adequadamente as curvas de produção, preservando a consistência e a continuidade geológica do reservatório obtendo, respectivamente, 98 por cento e 97 por cento de redução no erro de ajuste aos dados históricos e de previsão. Para os mapas de porosidade e de permeabilidade, as reduções nos erros foram de 79 por cento e 84 por cento, respectivamente. / [en] In the Exploration and Production (EeP) of oil, one of the most important tasks is the detailed study of the characteristics of the reservoir for the creation of simulation models that adequately represent their characteristics. During the productive life of a reservoir, its corresponding simulation model needs to be adjusted periodically because the availability of an appropriate model is crucial to obtain accurate predictions about the production, and this directly impacts the management decisions. The adjustment of the properties of the model is translated into a complex optimization problem, where the number of variables involved increases with the increase of the number of blocks that make up the mesh of the simulation model, requiring too much effort on the part of a specialist. The availability of a computational tool that can assist the specialist on part of this process can be very useful both for obtaining quicker responses, as for making better decisions. Thus, this work combines computational intelligence through Coevolutionary Genetic Algorithm with Multipoint Geostatistics, proposing and implementing an architecture optimization applied to the tuning properties of reservoir models. This architecture differs from traditional approaches to be able to optimize simultaneously more than one property of the reservoir simulation model. We used also distributed processing to explore the parallel computing power of genetic algorithms. The architecture was capable of generating models that adequately fit the curves of production, preserving the consistency and continuity of the geological reservoir obtaining, respectively, 98 percent and 97 percent of reduction in error of fit to the historical data and forecasting. For porosity and permeability maps, the reductions in errors were 79 percent and 84 percent, respectively.

[pt] Utilizar representações fornecidas por um grande modelo pré-treinado tornou-se a principal estratégia para alcançar o estado da arte nas mais variadas tarefas. Um grande modelo pré-treinado recentemente proposto, wav2vec 2.0, foi seminal para vários outros trabalhos sobre pré-treinamento de grandes modelos em dados de fala. Muitos modelos estão sendo pré-treinados usando a mesma arquitetura baseada em transformer que o wav2vec 2.0 e estão obtendo o estado da arte em várias tarefas relacionadas à fala. No entanto, poucos trabalhos propuseram maiores análises sobre o comportamento desses modelos em diferentes cenários de fine-tuning. Nosso trabalho visa analisar esse modelo sobre dois aspectos diferentes. O primeiro é sobre a transferibilidade entre línguas desses modelos. Nossos experimentos nos mostraram que o tamanho dos dados usados durante o pré-treinamento desses modelos não é tão crucial para a transferibilidade quanto a diversidade. Percebemos que o desempenho das línguas indo-europeias é superior ao das línguas não indo-europeias nos modelos avaliados. Vimos uma transferência positiva de conhecimento entre línguas usando modelos monolinguais, o que foi percebido em todos os idiomas que usamos, mas foi mais evidente quando o idioma usado durante o pré-treinamento era mais semelhante ao idioma do fine-tuning. O segundo aspecto que investigamos em nosso trabalho é quão bem esses modelos se comportam em cenários de desbalanceamento de dados, onde há um subconjunto mais representativo no conjunto de dados do fine-tuning. Nossos resultados mostraram que o desbalanceamento dos dados no fine-tuning geralmente afeta o resultado final dos modelos, com melhor desempenho nos subconjuntos mais representativos. No entanto, uma maior variabilidade no conjunto de treinamento favorece o desempenhodo modelo para um subconjunto mais representativo. Porém essamaior variabilidade nos dados não favoreceu os idiomas não vistos durante o treinamento. Observamos também que os modelos parecem mais robustos em lidar com o desbalanceamento de gênero do que idade ou sotaque. Com esses achados, esperamos ajudar a comunidade científica na utilização de modelos pré-treinados existentes, bem como auxiliar no pré-treinamento de novosmodelos. / [en] Using representations given by a large pre-trained model has become the primary strategy to reach the state-of-the-art in the most varied tasks. A recently proposed large pre-trained model, wav2vec 2.0, was seminal for several other works on pre-training large models on speech data. Many models are being pre-trained using the same transformer-based architecture as wav2vec 2.0 and are getting state-of-the-art in various speech-related tasks. However, few works have proposed further analysis of these models in different finetuning scenarios. Our work investigates these models concerning two different aspects. The first is about the cross-lingual transferability of these models. Our experiments showed us that the size of data used during the pre-training of these models is not as crucial to the transferability as the diversity. We noticed that the performance of Indo-European languages is superior to non-Indo- European languages in the evaluated models. We have seen a positive crosslingual transfer of knowledge using monolingual models, which was noticed in all the languages we used but was more evident when the language used during the pre-training was more similar to the downstream task language. The second aspect we investigated in our work is how well these models perform in data imbalance scenarios, where there is a more representative subset in the fine-tuning dataset. Our results showed that data imbalance in fine-tuning generally affects the final result of the models, with better performance in the most representative subsets. However, greater variability in the training set favors model performance for a more representative subset. Nevertheless, this greater variability in the data did not favor languages not seen during training. We also observed that the models seem more robust in dealing with gender imbalance than age or accent. With these findings, we hope to help the scientific community in the use of existing pre-trained models, as well as assist in the pre-training of new models.

[pt] Efeitos da taxa de deformação nas propriedades mecânicas podem ser significativos na simulação do comportamento dinâmico de estruturas deformadas plasticamente, e o objetivo deste trabalho é avaliá-los através de duas tarefas complementares: (i) desenvolver e qualificar uma metodologia apropriada para a medição de propriedades mecânicas dinâmicas, incluindo os requisitos necessários para medir e ajustar da melhor forma possível os dados experimentais, quantificando a incerteza a eles associada; e (ii) verificar a influência da estratégia de medição das propriedades mecânicas na previsibilidade do comportamento de estruturas sujeitas a impactos.Os modelos que descrevem o comportamento mecânico dinâmico são baseados na taxa de deformação de/dt, mas freqüentemente seus parâmetros são medidos em testes controlados pela velocidade do carregamento. Todavia, a taxa de/dt não permanece constante nos testes feitos sob velocidade fixa, o que aumenta a incerteza das previsões baseadas nos parâmetros assim medidos. Para avaliar quantitativamente a influência das estratégias de controle nas propriedades mecânicas, primeiro foi estabelecido um procedimento estatístico apropriado para determinar o número de corpos de prova necessários para medir propriedades dinâmicas dentro de um nível de confiança desejado. Todos os dados foram medidos em duplicata, controlando as taxas de deformação ou a velocidade de carregamento imposta nos corpos de prova, numa larga faixa, 10(-4) menor ou igual a de/dt menor ou igual a 10/s, em testes particularmente feitos com cuidado. A aquisição e tratamento dos dados foram feitos através de um programa desenvolvido em Labview. Um programa desenvolvido em Mathcad foi usado para otimizar os parâmetros dos diversos modelos estudados ao conjunto de dados medidos via um algoritmo Levenberg–Marquardt. A partir deste estudo é proposto um novo modelo que descreve adequadamente o patamar de escoamento, e minimiza os erros de ajuste na região de transição elastoplástica, de grande importância na análise estrutural. Um pórtico simples foi escolhido para verificar o efeito das propriedades dinâmicas nas simulações numéricas feitas no programa LS-DYNA, tradicionalmente usado para modelar impactos elastoplásticos. Vários destes pórticos foram submetidos a impactos numa máquina de queda livre (dropweight), para induzir deformações plásticas variáveis em função das velocidades de impacto. As deformações medidas foram comparadas com as previstas usando as propriedades obtidas sob as duas estratégias de controle, e ajustadas pelos diversos modelos estudados. Desta forma pode-se finalmente quantificar a influência da metodologia de medição das propriedades mecânicas dinâmicas na previsibilidade do comportamento de estruturas sujeitas a impactos elastoplásticos. / [en] The strain rate effects in the mechanical properties can be significant in the simulation of the dynamic behavior in plastic deformed structures, this work has the objective to evaluate these effects through two complementary tasks: (i) to develop and qualify an appropriate methodology for the measurement of dynamic mechanical properties, including the requirements necessary to measure and to adjust of the best possible way the experimental data, quantifying the uncertainty they associated; and (ii) to verify the influence of the strategy of measurement of the mechanical properties in the prediction of the behavior of structures submitted to impacts.The models that describe the dynamic mechanical behavior are based on the strain rate de/dt, but usually its parameters are measured in controlled tests by the speed of loading. However, the rate de/dt does not remain constant in the tests realized with fixed speed, which it increases the uncertainty of the predictions based on the measured parameters. For a quantitative evaluation of the influence of the control strategies in the mechanical properties, was first established a appropriated statistical procedure to determine the number of specimens necessary to measure dynamic properties with a acceptable level of reliability. All the data were measured twice, controlling the strain rate or the loading speed imposed in the specimens, in a wide range, 10(-4) less than or equal de/dt less than or equal 10/s, in tests particularly realized with care. The acquisition and data processing were made through a program developed in Labview. A program developed in Mathcad was used to optimize the parameters of the diverse models studied to the data set measured by a Levenberg-Marquardt algorithm. From this study is proposed a new model that describes the yieldind adequately, and minimizes the errors of fitting in the region of transition elasto-plastic, that plays a great role in the structural analysis.A simple porch was chosen to verify the effect of the dynamic properties in the numerical simulations made in program LS-DYNA, used traditionally to simulate elasto-plastics impacts. Several of these porches had been submitted to impacts in a machine of free fall (drop-weight), to induce variable plastic strains in function of the impact speeds. The measured strains were compared with the predicted ones using the properties obtained with the two strategies of control, and adjusted by the diverse studied models. In such way the influence of measurement methodology of the dynamic mechanical properties in the prediction of the behavior of structures submitted to elasto-plastics impacts can be quantified.

[pt] Os métodos baseados no filtro de Kalman têm tido sucesso notável na indústria do petróleo nos últimos anos, especialmente, para resolver problemas reais de ajuste de histórico. No entanto, como a formulação desses métodos é baseada em hipóteses de gaussianidade e linearidade, seu desempenho é severamente degradado quando a geologia a priori é descrita em termos de distribuições complexas (e.g. modelos de fácies). A tendência atual em soluções para o problema de ajuste de histórico é levar em consideração modelos de reservatórios mais realistas com geologia complexa. Assim, a modelagem de fácies geológicas desempenha um papel importante na caracterização de reservatórios, como forma de reproduzir padrões importantes de heterogeneidade e facilitar a modelagem das propriedades petrofísicas das rochas do reservatório. Esta tese introduz uma nova metodologia para realizar o ajuste de histórico de modelos geológicos complexos. A metodologia consiste na integração de métodos baseados no filtro de Kalman em particular o método conhecido na literatura como Ensemble Smoother with Multiple Data Assimilation (ES-MDA), com uma parametrização das fácies geológicas por meio de técnicas baseadas em aprendizado profundo (Deep Learning) em arquiteturas do tipo autoencoder. Um autoencoder sempre consiste em duas partes, o codificador (modelo de reconhecimento) e o decodificador (modelo gerador). O procedimento começa com o treinamento de um conjunto de realizações de fácies por meio de algoritmos de aprendizado profundo, através do qual são identificadas as principais características das imagens de fácies geológicas, permitindo criar novas realizações com as mesmas características da base de treinamento com uma reduzida parametrização dos modelos de fácies na saída do codificador. Essa parametrização é regularizada no codificador para fornecer uma distribuição gaussiana na saída, a qual é utilizada para atualizar os modelos de fácies de acordo com os dados observados do reservatório, através do método ES-MDA. Ao final, os modelos atualizados são reconstruídos através do aprendizado profundo (decodificador), com o objetivo de obter modelos finais que apresentem características similares às da base de treinamento. Os resultados, em três casos de estudo com 2 e 3 fácies, mostram que a parametrização de modelos de fácies baseada no aprendizado profundo consegue reconstruir os modelos de fácies com um erro inferior a 0,3 por cento. A metodologia proposta gera modelos geológicos ajustados que conservam a descrição geológica a priori do reservatório (fácies com canais curvilíneos), além de ser consistente com o ajuste dos dados observados do reservatório. / [en] Kalman filter-based methods have had remarkable success in the oil industry in recent years, especially to solve several real-life history matching problems. However, as the formulation of these methods is based on the assumptions of gaussianity and linearity, their performance is severely degraded when a priori geology is described in terms of complex distributions (e.g., facies models). The current trend in solutions for the history matching problem is to take into account more realistic reservoir models, with complex geology. Thus the geological facies modeling plays an important role in the characterization of reservoirs as a way of reproducing important patterns of heterogeneity and to facilitate the modeling of the reservoir rocks petrophysical properties. This thesis introduces a new methodology to perform the history matching of complex geological models. This methodology consists of the integration of Kalman filter-based methods, particularly the method known in the literature as Ensemble Smoother with Multiple Data Assimilation (ES-MDA), with a parameterization of the geological facies through techniques based on deep learning in autoencoder type architectures. An autoencoder always consists of two parts, the encoder (recognition model) and the decoder (generator model). The procedure begins with the training of a set of facies realizations via deep generative models, through which the main characteristics of geological facies images are identified, allowing for the creation of new realizations with the same characteristics of the training base, with a low dimention parametrization of the facies models at the output of the encoder. This parameterization is regularized at the encoder to provide Gaussian distribution models in the output, which is then used to update the models according to the observed data of the reservoir through the ES-MDA method. In the end, the updated models are reconstructed through deep learning (decoder), with the objective of obtaining final models that present characteristics similar to those of the training base. The results, in three case studies with 2 and 3 facies, show that the parameterization of facies models based on deep learning can reconstruct facies models with an error lower than 0.3 percent. The proposed methodology generates final geological models that preserve the a priori geological description of the reservoir (facies with curvilinear channels), besides being consistent with the adjustment of the observed data of the reservoir.