[pt] Este trabalho apresenta um dos procedimentos adotados na avaliação do desempenho da estimação de parâmetros. Este procedimento consiste na determinação de limites inferiores no erro médio quadrático da estimação. São examinados os limites de Cramér-Rao e Ziv-Zakai abordando-se especialmente sua aplicação ao problema da estimação de parâmetros de um processo aleatório gaussiano. Em exemplo ilustrativo os resultados obtidos são aplicados a estimação dos parâmetros da densidade espectral de potência de um processo, supondo-se para esta densidade, um modelo racional simples. / [en] This work presents one of the possible approaches of evaluating the parameter estimation performance. This approach is based on the determination of lover bounds for estimate mean square error. The Cramér-Rao and Ziv-Zakai bounds are studied mainly in the case of gaussian random process parameter estimation. The results are applied as an example to the estimation of the power spectral density parameters of a random process. A simple rational model is used to represent this spectral density.

[pt] O presente trabalho é inteiramente baseado na teoria de modelagem de series temporais, proposta por BOX & JENKINS em Time Series Analysis: Forecasting and Control. (1970). E dado ênfase ao problema de transformação e estimação de parâmetros, com vistas a previsão de series temporais. O trabalho apresenta um conjunto de programas para aplicação das técnicas desenvolvidas. Em particular é tratado o caso de uma serie hidrológica de vazões do Rio Grande, Brasil, nos últimos 40 anos. / [en] The present paper is totally based upon the theory of time series modeling, presented by BOX & JENKINS in Time Series Analysis: Forecasting and Control. (1970). Enphasis is given to the problem of tranformation and estimation of parameters, with the objective to forecast time series. This paper presents a set of programs for pratical applications of the techniques developped. The case of a hidrologic time series of inflows of Rio Grande, Brasil is included.

[pt] A probabilidade de alarme falso, a, e o poder dos gráficos de controle de processos dependem dos seus limites de controle, que, por sua vez, dependem de estimativas dos parâmetros do processo. A análise de capacidade de processos também depende de tais estimativas. Esta dissertação apresenta inicialmente uma revisão - ao nosso conhecimento, a primeira em português - dos principais trabalhos sobre o efeito dos erros de estimação dos parâmetros do processo sobre a. Todos os trabalhos citados buscam determinar, com base na distribuição de probabilidades das estimativas dos parâmetros do processo (parametrizada pelo número de amostras iniciais, m, e do tamanho delas, n) o valor esperado de a ou, equivalentemente, o valor esperado da distribuição marginal do número de amostras até um alarme falso. Nossa abordagem é distinta: obter (parametrizada por n e m) a distribuição de a e seus percentis ou, equivalentemente, a distribuição do valor esperado do número de amostras até um alarme falso, de modo a fornecer orientação sobre o número de amostras iniciais a serem utilizadas antes de fixar definitivamente os valores dos limites de controle dos gráficos. A análise foi conduzida para o gráfico de S. Foi analisada também a influência da estimação do desvio-padrão do processo sobre o poder do gráfico. Finalmente, foi obtida a distribuição dos erros na estimativa da capacidade do processo em função de m e n, para fornecer orientação sobre o número de amostras necessário para garantir uma precisão especificada nessa estimativa, com um grau de confiança também especificado. / [en] The false-alarm probability, a, and the power of process control charts depend on their control limits, which, in turn, depend on process parameters estimates. Process capability analyses also depend on those estimates. This dissertation initially presents a review - to our knowledge, the first in Portuguese - of the main research articles about the effect upon a of the estimation errors of the process parameters. All the works reviewed aim to determine, based on the probability distribution of the process parameters estimates (which is a function of the number of initial samples, m, and of their size, n), the expected value of a, or, equivalently, the expected value of the marginal distribution of the number of samples until a false alarm occurs. Our approach is different: to get (parameterized by m and n) the distribution of - and their percentiles or, equivalently, the distribution of the expected number of samples until a false alarm, in order to provide guidance on the initial number of samples to be used before setting the chart definitive control limits. The analysis was conducted for the S chart. The influence of the estimation errors on the power of the S chart was also examined. Finally, the distribution function was obtained, parameterized by m and n, of the estimation errors of the process capability index Cp, to provide guidance on the initial number of samples required to ensure, with a specified confidence level, a specified accuracy of the estimate.

[pt] O potássio é um íon essencial para a nutrição de plantas, geralmente fornecido sob a forma de cloretos e sulfatos. De acordo com a disponibilidade e demanda brasileira de fertilizantes agrícolas, a importação de compostos portadores desse elemento químico é mandatória para atender a enorme demanda por esse nutriente. Assim, iniciativas que buscam fontes alternativas de potássio tornam-se cada vez mais interessantes e economicamente atraentes. Uma rota potencial está associada com a digestão com ácido sulfúrico de minerais portadores de glauconita e operações unitárias sequenciais para recuperar compostos de alumínio, ferro, magnésio e potássio. No contexto deste processo químico, o alúmen de potássio dodecahidrato aparece como um produto intermediário relevante que permite a recuperação seletiva de potássio e alumínio através de decomposição térmica seguida de solubilização em água e filtração. Com base no que foi dito, o presente trabalho investiga a cinética da decomposição do alúmen de potássio dodecahidratado sob condições não-redutoras e redutoras, e um novo modelo matemático é proposto para descrever a perda de massa ao longo do tempo. Uma abordagem estocástica, com o uso do método de otimização enxame de partículas, é empregada para estimar os parâmetros desconhecidos do modelo. As previsões do modelo são validadas por dados experimentais obtidos via análise termogravimétrica dinâmica em diferentes atmosferas de reação (inerte e oxidante), e com a presença ou não de agente redutor (finos de coque metalúrgico). Com os parâmetros do modelo validado, é possível usar o mesmo para monitorar as composições mássicas de todos os compostos presentes no meio assim como empregar o modelo futuramente para monitoramento online uma vez que sua simulação leva menos do que 1 s para simular 20 min de decomposição térmica. / [en] Potassium is an essential ion for plant nutrition, usually supplied in the form of chlorides and sulfates. According to Brazilian availability and demand of agriculture fertilizers, the importation of compounds carrying this chemical element is mandatory in order to fulfill the huge demand for this nutrient. So initiatives looking for alternative sources of potassium become increasingly interesting and economically attractive. A potential route is associated with the sulfuric digestion of glauconite-bearing greensands and sequential unit operations in order to recover aluminum, iron, magnesium and potassium compounds. In the context of this chemical process, the potassium alum dodecahydrate appears as a relevant intermediate product that allows the selective recovery of potassium and aluminum through thermal decomposition followed by solubilization in water and filtration. Based on what was said, the present work investigates the kinetics of potassium alum dodecahydrate decomposition under nonreductive and reductive conditions, and a novel mathematical model is proposed to describe the weight loss during time. A stochastic approach approach, using particle swarm optimization method, is employed to estimate the unknown model parameters. The model predictions are validated by experimental data obtained through dynamic thermogravimetric analysis at different reaction atmospheres (inert and oxidant), and with the presence or not of reducing agent (metallurgical coke breeze). With the validated model parameters, it is possible to use them to monitor the mass compositions of all compounds present in the process as well as to use the model for future online monitoring since its simulation takes less than 1 s to simulate 20 min of decomposition thermal.

[pt] A maioria dos métodos e algoritmos para estimação de direção é pouco precisa em cenários formados por fontes próximas, pequenos lotes de amostras e sinais correlatados. Nos últimos anos, alguns métodos para superar tais óbices utilizaram conhecimento prévio de direções de sinais oriundos de usuários estáticos. Porém, este conceito está limitado a direções de chegada conhecidas. Esta tese apresenta várias contribuições para superar os problemas mencionados anteriormente. Introduz-se um novo conceito de conhecimento a priori aplicado à estimação de direção, substituindo-se as tradicionais direções de chegada disponíveis por estimativas preliminares obtidas on-line. Tal ideia é incorporada aos algoritmos propostos e suas extensões. Também é introduzido um conceito para a estimação da matriz de covariância de dados reduzindo-se iterativamente os seus subprodutos que ocorrem na região finita de amostras. Esta abordagem é complementada por uma análise da matriz de covariância modificada, que mostra que, após a primeira iteração, o Mean Squared Error (MSE) da matriz de covariância de dados livre desses subprodutos é menor ou igual ao MSE da matriz de covariância de dados original. Combinando-se os dois conceitos anteriormente descritos, obtém-se um novo método denominado Multi-Step Knowledge-Aided Iterative (MS-KAI) que eleva a precisão de algoritmos existentes. Inicialmente, o método MS-KAI é usado com Uniform linear Arrays (ULAs) e é combinado com o algoritmo Estimation of Signal Parameters via Rotational Invariance Techniques, resultando no algoritmo proposto MS-KAI-ESPRIT. O método é então ampliado para uso com um número arbitrário de iterações e combinado com o algoritmo Gradiente Conjugado, resultando no algoritmo MS-KAI-CG. Finalmente, ele é usado com arranjos aninhados e combinado com o algoritmo Multiple Signal Classification, resultando no algoritmo proposto MS-KAI-MUSIC. Simulações mostram que o método MS-KAI eleva a precisão de algoritmos baseados em subespaços, empregando modelos de sinais baseados em ULAs e non-ULAs. / [en] Most conventional methods and algorithms for direction finding suffer from poor accuracy when subjected to scenarios characterized by closely spaced sources, short data records and correlated source signals. In the last few years, some approaches to overcoming these problems have exploited prior knowledge of signal directions coming from static users. However, this concept is restricted to known directions of arrival. This thesis presents several contributions to dealing with the aforementioned problems. A novel concept of a priori knowledge applied to direction finding is first presented, which replaces the traditional available known DOAs so far employed with previous estimates obtained on line. This idea is then incorporated into the proposed algorithms and their extensions. Another approach is also introduced to estimating the data covariance matrix by iteratively reducing its by-products, which occurs in the finite sample region. This concept is complemented by a reshaped covariance matrix analysis, which shows that after the first iteration the Mean Squared Error of the data covariance matrix free of these side effects is less than or equal to the MSE of the original one. A novel method, termed Multi-Step Knowledge-Aided Iterative (MS-KAI), for increasing the accuracy of existing algorithms based on the combination of the previous concepts is then developed. The MS-KAI method is initially employed with Uniform Linear Arrays (ULAs) and is combined with the Estimation of Signal Parameters via Rotational Invariance Techniques algorithm, resulting in the proposed MS-KAI-ESPRIT algorithm. Then, MS-KAI is extended for use with an arbitrary number of iterations and combined with the Conjugate Gradient algorithm, resulting in the MSKAI- CG algorithm. Finally, the MS-KAI method is considered with nested arrays and combined with the Multiple Signal Classification algorithm, resulting in the proposed MS-KAI-MUSIC algorithm. Simulation results show that MS-KAI method enhances the accuracy of subspace based algorithms employing ULA and non-ULA based system models.

[pt] O problema de estimação de direção (DoA) de chegada é um importante tópico de pesquisa em áreas como radar, sonar, sismologia, vigilância eletrônica e comunicações sem fio. Este trabalho teve como principal resultado o desenvolvimento de um novo algoritmo que combina o método da máxima verossimilhança (ML) estocástica com o algoritmo ganancioso de busca ortogonal (OMP), comumente empregado em recuperação esparsa com Sensoriamento Compressivo (CS). Muito embora técnicas ML sejam consideradas ótimas em termos de erro médio quadrático, atingindo o limitante inferior de Cramér-Rao (CRLB), o menor limitante inferior para a variância do estimador, estas técnicas demandam de modo significante, às vezes inexequível, os recursos computacionais. Por outro lado, a partir de uma variante esparsa da equação de aquisição de dados, o problema de encontrar a solução mais esparsa possível de sistemas de equações subdeterminados com o algoritmo OMP tem sido empregado de modo satisfatório para encontrar as estimativas de direção, porém com muitas oportunidades de melhoria em casos com cenários sujeitos a condições severas. Por exemplo, cenários com acoplamento eletromagnético (EM), baixa razão sinal-ruído (SNR) e um número limitado de amostras temporais disponíveis. O estimador de direção proposto, baseado em coarranjo diferença, denominado OMP com Máxima Verossimilhança Baseado em Lista (LBML-OMP), apresentou uma melhora significativa no processo de estimação em comparação com técnicas tradicionais e modernas, tais como: OMP, Técnica de Limiar Iterativa (IHT) e Classificação de Múltiplos Sinais Espacialmente Suavizados (SS-MUSIC). A técnica proposta utiliza uma lista de candidatos gerada a partir da solução do algoritmo OMP original e decide pelo melhor a partir de uma busca limitada utilizando o estimador ML estocástico, o que justifica seu uso em cenários práticos. Para a amostragem dos sinais no ambiente, arranjos lineares não-uniformes clássicos e modernos foram empregados, tais como Arranjos Aninhados de Segunda Ordem (NAQ2), Arranjos Aninhados de Segunda Ordem Aperfeiçoados (SNAQ2), Arranjos de Redundância Mínima (MRA) e Arranjos Coprimos (CPA). Além disso, a estimação foi realizada considerando-se o efeito do acoplamento EM e ruído. Ainda, um novo modelo para estimação de direção em coarranjo diferença foi desenvolvido. Este modelo considera o número de amostras temporais finitas (não-assintótico) e mostrou melhora significativa quando do seu emprego no processo de estimação de direção de todos os algoritmos considerados, não apenas o LBML-OMP, evidenciando fontes secundárias de erro no modelo original estabelecido. De forma a complementar o trabalho, um algoritmo de atenuação de ruído chamado OMP aleatorizado (RandOMP) foi utilizado para aumentar a precisão da estimação em cenários com condições de ruído severas. Neste sentido, as contribuições deste trabalho estão relacionadas principalmente ao desenvolvimento de um novo algoritmo e um novo modelo de transformação em coarranjo diferença de modo a melhorar as estimativas de direção das fontes com arranjos lineares não-uniformes. Além disso, enfatiza-se o emprego de diferentes geometrias para as simulações, tornando-se evidente o impacto da posição dos sensores nas curvas de raiz quadrada do erro médio quadrático (RMSE). / [en] The Direction of Arrival (DoA) estimation or Direction Finding (DF) is a relevant topic for research in areas such as radar, sonar, seismology, electronic surveillance, and wireless communications. This thesis devises a new algorithm that combines a stochastic Maximum Likelihood (ML) method with the widely-known Orthogonal Matching Pursuit (OMP) greedy algorithm, commonly used in sparse recovery with Compressive Sensing (CS). Even though ML techniques are known to be optimal in the mean-squared error sense, achieving the Cramér-Rao Lower Bound (CRLB), the tighter lower bound on estimator variance, they demand a significant, sometimes infeasible, amount of computational resources. On the other hand, departing from a sparsified variant of the data acquisition equation, the problem of finding the sparsest solution of underdetermined systems of equations with OMP has been employed successfully to find the DoA estimates, but with many opportunities for improvement in cases of challenging scenarios. For instance, scenarios with electromagnetic (EM) coupling, low signal-to-noise ratio (SNR), and a limited number of available snapshots (time samples). The proposed difference coarray DoA estimator termed List-Based Maximum Likelihood OMP (LBML-OMP) has shown substantial improvements over traditional and modern techniques, such as OMP, Iterative Hard Thresholding (IHT), and Spatial Smoothing Multiple Signal Classification (SS-MUSIC). It uses a list of candidates generated from the OMP solution and decides for the best based on a limited search using the stochastic ML rule. Thus, it does not perform a grid search with the ML estimator, and this justifies its use in practical scenarios. For the sensing of space-time field, classic and modern non-uniform linear arrays are employed, such as 2-nd Order Nested Array (NAQ2), 2-nd Order Super Nested Array (SNAQ2), Minimum Redundancy Array (MRA), Minimum Hole Array (MHA), and Coprime Array (CPA). Additionally, the estimation is performed under the assumption of EM coupling and noise as disturbing side effects. Furthermore, a new model for difference coarray DoA estimation is developed. It accounts for the finite number of snapshots and has shown to increase the estimation accuracy for all the algorithms, not only LBML-OMP, evidencing secondary sources of error for the difference coarray transformation. To complement the work, a denoising algorithm called Randomized OMP (RandOMP) was applied to successfully increase the estimation accuracy for difference coarray estimators in scenarios with severe noisy conditions. The contributions of this work relate mainly to the development of a new algorithm and a new difference coarray transformation to improve the DoA estimation accuracy with non-uniform linear arrays. Also, it should be noticed the employment of different geometries for the numerical experiments, making evident the impact of the array sensors positions in the root mean square error (RMSE) curves.

[pt] Atualmente nos veículos terrestres a melhora de seu desempenho é permanente. Esta melhora, em grande parte está relacionada com seus sistemas de controle. Para o desenho de sistema de controle, tais como, sistema eletrônico de estabilidade ou controle anti-capotagem é preciso prever o comportamento do veículo sob certas condições dinâmicas. Esta predição do comportamento dinâmico do veículo é feita por meio de modelos matemáticos que dependem diretamente de seus parâmetros, tais como a massa, a posição do centro da gravidade, os momentos de inércia entre outros. Tendo em consideração o contexto apresentado, os parâmetros dinâmicos do veículo tem um papel fundamental na melhora do desempenho do veículo, assim como a otimização de seus subsistemas. Esta dissertação apresenta o desenvolvimento de um procedimento de estimação dos parâmetros dinâmicos do veículo e a calibração do modelo matemático desenvolvido. Para o processo de estimação se desenvolvem dois modelos do veículo, um feito em MATLAB com 4 graus de liberdade (GDL) e ou outro é trabalhado como uma caixa preta (black-box), que é obtida por meio da biblioteca de ligações dinâmicas (DLL) de um programa de simulação veicular. Métodos de otimização, tais como Evolução Diferencial, Generalized Pattern Serach, Mesh Adaptative Pattern Search e Nelder Mead, são utilizados para estimar os parâmetros dinâmicos do veículo, isto por meio da minimização de um objetivo definido como a diferença entre a resposta real do veículo (obtida do programa de simulação veicular) e a calculada por cada método de otimização. Os parâmetros dinâmicos estimados com o melhor método de otimização, são inseridos no modelo matemático feito em MATLAB para calibrar o modelo. Finalmente, o modelo já calibrado é simulado com diferentes manobras para comprovar a robustez do método e a coerência dos parâmetros estimados. / [en] Nowadays, performance improvement on ground vehicles is prefominant. This improvement is highly correlated with its control systems. To design its control system, with parts as electronic system for stabilization or anti-rollover control, it is necessary to provide the behavior of the vehicle in certain dynamics conditions. This prediction, of the dynamics behavior of the vehicle, is done by mathematical models that depend directly on its dynamics parameters such as gravity center position, inertia moments, among others. Taking into account the actual background, dynamics parameters of the vehicle have an importante role in the improvement of vehicle s performance, as well as in the optimization of its subsystems. This thesis presentes the vehicle and calibration of the mathematical model developed. For the estimation step, two vehicle models were developed, the first one was done in MATLAB with 4 DOF and the other was treated as a black box, which is obtained by Dynamic-Link Libraries (DLLs) from the free vehicular simulation software. Optimization methods, such as Differential Evolution, Generalized Pattern Search, Mesh Adaptive Pattern Search and Nelder Mead, were used to estimate vehicle s dynamics parameters. The fitness function is defined as a difference between the real response of the vehicle (given by vehicular simulation software) and one calculated with each optimization method. The dynamics parameters estimated with the best optimization method are input for the mathematical model developed in MATLAB to calibrate the model. Finally, the calibrated model is simulated with different maneuvers, this is done to test the robustness of the method and the coherence of estimated parameters.

[pt] O baixo custo, aliado a redução de peso e consequente aumento da eficiência, atingindo os mesmos níveis desejáveis de resistência mecânica, tem seduzido diversos setores da indústria à extensão do uso de polímeros termoplásticos em seus produtos finais. Dentro desses setores, o aumento em volume do emprego de polímeros não só tem crescido em aplicações de uso gerais, como também em aplicações estruturais. Com isso, o conhecimento detalhado do comportamento mecânico desses materiais faz-se necessário a fim de assegurar suas devidas propriedades em trabalho, sendo atrativo o uso de modelos constitutivos para a predição do comportamento final. Entretanto, os polímeros são materiais semicristalinos que possuem mecanismos de deformação e falha complexos. A maioria dos polímeros deformam-se homogeneamente até o escoamento, porém após esse, devido a estricção, o campo de deformações torna-se heterogêneo, fazendo com que o uso de técnicas experimentais clássicas, como a extensometria, seja inadequado. Dentre os métodos mais apropriados para a avaliação de polímeros em altas deformações, pode-se destacar a correlação de imagens digitais (CID). A técnica CID permite a avaliação da variação local da deformação e é capaz de prover uma descrição completa da deformação, inclusive na região do pescoço. Apesar do potencial de uso da CID em polímeros, seu emprego ainda é incipiente devido ao desenvolvimento recente da técnica. Dessa forma, o presente trabalho tem como objetivo a avaliação do comportamento de polímeros termoplásticos sob grandes deformações mediante o uso da técnica CID. Diante do alto custo dos sistemas CID comerciais, desenvolveu-se um arranjo e procedimento simples para a aquisição e análise das imagens digitais. A fim de predizer o comportamento mecânico e entender melhor os mecanismos de deformação envolvidos, diversos modelos constitutivos também foram testados. / [en] Low cost, coupled with weight reduction and consequent increase in efficiency, reaching the same desirables levels of mechanical strength, has seduced several industry sectors to expand the use of thermoplastic polymers in their final products. Within these sectors, the increase in volume of polymer has not only grown in general use, but also in structural applications. Thus, in order to ensure their proper properties in work, the detailed knowledge of the mechanical behavior of these materials is necessary and the use of constitutive models for the prediction of the final mechanical behavior becomes attractive. However, polymers are semi-crystalline materials that show complex deformation and failure mechanisms. Most of the polymers deform homogeneously until the yield point, but after, due to necking, the strain field becomes heterogeneous, making the use of classic experimental techniques, such as extensometry, inadequate. Among the most appropriate methods for the evaluation of polymers at large deformation, it is possible to highlight the digital image correlation (DIC). DIC technique allows the evaluation of local strain and is able to provide a complete description of the strain field, including the neck region. Despite the potential of DIC in polymers, its use is still incipient due to the recent development of the technique. Thus, the present work has the objective of evaluating the behavior of thermoplastic polymers under large deformation using DIC. Given the high cost of commercial DIC systems, a simple arrangement and procedure for the acquisition and analysis of the digital images was developed. In order to predict the mechanical behavior and to better understand the mechanisms of deformation involved, several constitutive models were also tested.

[pt] Nesta tese apresenta-se o Modelo de Redes Neurais Globais- Locais (RNGL) dentro do contexto de modelos de séries temporais. Esta formulação abrange alguns modelos não- lineares já existentes e admite também o enfoque de Mistura de Especialistas. Dedica-se especial atenção ao caso de especialistas lineares, e são discutidos extensivamente aspectos teóricos do modelo: condições de estacionariedade, identificabilidade do modelo, existência, consistência e normalidade assintótica dos estimadores dos parâmetros. Considera-se também uma estratégia de construção do modelo e são discutidos os procedimentos numéricos de estimação, apresentando uma solução para o cálculo de valores iniciais. Finalmente, ilustra-se a metodologia apresentada em duas séries temporais reais, amplamente utilizada na literatura de modelos não lineares. / [en] In this thesis, the Local Global Neural Networks model is proposed within the context of time series models. This formulation encompasses some already existing nonlinear models and also admits the Mixture of Experts approach. We place emphasis on the linear expert case and extensively discuss the theoretical aspects of the model: stationary conditions, existence, consistency and asymptotic normality of the parameter estimates, and model identifiability. A model building strategy is also considered and the whole procedure is illustrated with two real time-series.

[pt] Nos últimos anos, a estimativa de parâmetros florestais, como a altura das árvores (CH) e a biomassa acima do solo (AGB) tem ganhado muita importância devido ao seu papel essencial na compreensão do ciclo global do carbono, na mitigação das mudanças climáticas e na prevenção da perda de biodiversidade. A inferência precisa desses parâmetros é crucial porque eles são indicadores chave da saúde da floresta e da capacidade de armazenamento de carbono. A Amazônia brasileira, uma floresta tropical vital, desempenha um papel crucial na absorção de tanto carbono quanto o que é liberado pelo desmatamento e pela degradação. A compreensão e o monitoramento da CH e da AGB permitem melhores estratégias de gestão e conservação, e promovem práticas sustentáveis. Tradicionalmente, esses parâmetros florestais, têm sido estimados por meio de métodos de campo, como inventário florestal, que envolvem medição física das árvores. No entanto, esses métodos são altamente precisos, são trabalhosos e, muitas vezes, impraticáveis para avaliações em larga escala devido à natureza vasta e inacessível das florestas. Além disso, a aplicação de técnicas de aprendizado de máquina (ML) e aprendizado profundo (DL) oferece vantagens significativas em relação aos métodos tradicionais, fornecendo soluções rápidas e dimensionáveis para a estimação dos parâmetros florestais em áreas extensas. Além disso, esses métodos podem integrar dados de diferentes fontes, aumentando a robustez das estimativas. Embora muitos estudos tenham utilizado dados de inventário florestal, RS e técnicas de ML, as técnicas de DL permanecem pouco exploradas em estudos na Amazônia brasileira. Este estudo visa avaliar técnicas de DL para estimar a CH e a AGB em florestas tropicais densas usando diferentes imagens de RS, incluindo o Sentinel-1, ALOS-2/PALSAR-2, Sentinel-2 e GEDI. Três modelos de DL foram testados para a estimativa da CH, sendo que o melhor modelo alcançou um R(2) de 0.751, um MAE de 4.068 metros, e um RMSE 5.737 metros. Além disso, várias técnicas de ML foram avaliadas para a estimativa de AGB, resultando em um R(2) de 0.648, MAE de 48.842 Mg·ha(-1), e RMSE of 70.745 Mg·ha(-1) . / [en] In recent years, estimating forest parameters such as Tree Height (CH) and AboveGround Biomass (AGB) has gained importance due to their essential role in understanding the global carbon cycle, mitigating climate change, and preventing biodiversity loss. Accurate inference of these parameters is crucial because they are key indicators of forest health and carbon storage capacity. The Brazilian Amazon, a vital tropical forest, plays a crucial role in absorbing as much carbon as is released through deforestation and degradation. Understanding and monitoring CH and AGB enable better management and conservation strategies and promote sustainable practices. Traditionally, these forest parameters have been estimated through ground-based methods, such as forest inventory plots, which involve physically measuring trees. While these methods are highly accurate, they are labor-intensive and often impractical for large-scale assessments due to the vast and inaccessible nature of forests. Additionally, the application of Machine Learning (ML) and Deep Learning (DL) techniques offers significant advantages over traditional methods, providing rapid and scalable solutions for estimating forest parameters across extensive areas. Moreover, they can integrate data from various sources, enhancing the robustness of the estimates. While many studies have utilized forest inventory plots, RS, and ML techniques, DL techniques remain underexplored in studies within the Brazilian Amazon. This study aims to evaluate DL techniques for estimating TH and AGB in dense tropical forests using various RS imagery, including Sentinel-1, ALOS-2/PALSAR-2, Sentinel-2, and GEDI. Three DL models were tested for CH estimation, where the best of the models achieve a R(2) of 0.751, an MAE of 4.068 meters, and an RMSE of 5.737 meters. Furthermore, various ML techniques were evaluated for AGB estimation, resulting in an R(2) of 0.648, an MAE of 48.842 Mg·ha(-1), and RMSE of 70.745 Mg·ha(-1).