[pt] Esta dissertação tem como objetivo principal a proposição de modelos para previsão, em um curto prazo, do número de processos que são ajuizados em desfavor de uma empresa do setor elétrico. A metodologia utilizada consiste em, a partir de uma análise exploratória dos dados, construir modelos usando uma estratégia bottom-up, ou seja, parte-se de um modelo simples e processa-se seu refinamento até encontrar um modelo apropriado que mais se adeque à realidade. Partiu-se então de um modelo auto projetivo indo até uma formulação de um modelo de regressão dinâmica. Os modelos são então comparados segundo alguns critérios, basicamente no que tange à sua eficiência preditiva. Conclui-se ao final sobre a eficiência de se utilizar modelos de regressão dinâmica para este tipo de previsão tendo em vista a presença de correlação serial dos resíduos, comumente presentes nas séries econômicas. Propõe-se, ao final, uma ferramenta para, a partir dos valores estimados, analisar a viabilidade econômica de estimular ou desestimular as medidas responsáveis pela geração de processos contra a empresa. / [en] The aim of this dissertation is to develop short term models to forecast the number of judicial process in electric sector companies. From the methodology point of view, data is analyzed and models using bottom-up strategy is developed. In other words, a simple model is improved step by step until a proper model that fits well the reality is found. From a univariate model it ends up in a dynamic regression model. The models obtained in this study are compared according to some criterion, mainly forecast accuracy. In the end the conclusion is about the efficiency of dynamic regression models for this kind of forecast, which one presents data with serial correlation of residues, commonly present in economic series. In the end, from the estimated values, it´s proposed a mechanism to analyze the economic viability, to encourage or not, actions which are responsible for instigating judicial processes against the company.

[pt] O sistema hidroelétrico é responsável por 83,7% da energia elétrica gerada no país. Assim sendo, a geração de energia elétrica no Brasil depende basicamente das vazões naturais que afluem aos aproveitamentos hidroelétricos distribuídos por doze bacias hidrográficas no país. Sendo o Operador Nacional do Sistema Elétrico (ONS) o órgão responsável por elaborar a previsão e a geração de cenários de vazões naturais médias diárias, semanais e mensais para todos os locais de aproveitamentos hidroelétricos do Sistema Interligado Nacional (SIN), a qualidade da previsão da vazão natural é de suma importância para este órgão. A qualidade dessa previsão impacta diretamente no planejamento e em programas de operação do SIN, tal como o Programa Mensal de Operação - PMO. Mesmo com a melhoria na qualidade da previsão de vazões por meio da criação e adoção dos mais diversos modelos determinísticos e estocásticos nos últimos anos, os erros de previsão são, ainda, significativos. Deste modo, o objetivo principal desta dissertação foi propor um novo modelo capaz de proporcionar um significativo ganho de qualidade na previsão de vazões nas regiões dos aproveitamentos hidrelétricos das bacias hidrográficas do país. O modelo proposto, baseado em redes neurais, tem como ferramenta primordial a utilização de transformadas wavelets, que filtram os dados históricos de vazões, ou seja, as entradas das redes neurais de previsão, dividindo esses dados de entrada (sinais) em diversas escalas, no intuito de que as redes neurais possam melhor analisá-los. Para verificar a eficácia do modelo proposto, aqui denominado MIP (Modelo Inteligente de Previsão), procedeu-se um estudo de caso que realiza a previsão de vazões naturais incrementais médias diárias e semanais no trecho incremental entre as Usinas Hidroelétricas (UHE) Porto Primavera, Rosana e Itaipu da Bacia do Rio Paraná, chegando-se a um erro de aproximadamente 3,5% para previsão de vazões um dia à frente, 16% para 12 dias à frente, e 9% para previsão média semanal. Esta dissertação objetiva, também, investigar a eficácia do uso de informações das precipitações observadas e previstas na previsão de vazão, em conjunção com o uso do histórico de vazões. / [en] The hydroelectricity system is responsible for 83.7% of the electric energy generated at Brazil. Therefore, the generation of electric power in Brazil depends basically on the natural flow rates distributed by twelve basins in the country. The quality of prediction of natural flow is of crucial importance for the Brazilian governmental agency, ONS (from the portuguese language Electrical National Operator System), responsible for preparing the forecast and the generation of scenarios of daily, weekly and monthly average natural streamflows of all places of hydroelectric exploitations of SIN (from the portuguese language National Linked System). The quality of that forecast impacts directly in the planning and operation programs of SIN, for example, the PMO (from the portuguese language Monthly Operation Program). Even with the improvement in the quality of river flow forecasts through the creation and adoption of the various deterministic and stochastic models in recent years, the errors of forecasting are still significant. Thus, the main goal of this dissertation was proposing a new model capable of providing a significant improvement in Streamflow forecasts in regions of exploitations of hydroelectric basins of the country. The proposed model, based on neural networks, has the primary tool the use of wavelet transforms, to filter streamflows historical data, or the entries of predict neural networks, dividing the input data (signals) in several scales, in order that the neural networks can better analyse them. In order to check the effectiveness of the proposed model, here called MIP (from the portuguese language Forecast Intelligent Model), it was developed a case study to forecast daily and weekly average of natural incremental streamflows between the Hydroelectric Plants: Porto Primavera, Rosana e Itaipu belonging to the the Parana River Basin. The model reaches up an error of about 3,5% to estimates of streamflows one day ahead, 16% to 12 days ahead, and 9% for average weekly forecast. This thesis aims to also investigate the effectiveness of the use of information of observed and predicted rainfall in the forecast flow, in conjunction with the use of the historical streamflows.

[pt] O objetivo principal desta dissertação é desenvolver um método de previsão de carga elétrica de curto prazo (previsão horária), através de um sistema híbrido (Redes Neurais e Lógica Fuzzy) utilizando temperaturas máximas e mínimas como variáveis explicativas. Como primeiro passo, foram definidos os perfis homogêneos das curvas de carga diárias através de um classificador utilizando os Mapas Auto Organizáveis (Self-Organizing Maps- SOM). Um previsor será adicionado ao esquema de previsão através da Lógica Fuzzy que associará as variáveis climáticas aos perfis criados pela SOM produzindo as previsões. O modelo foi aplicado em dados de duas concessionárias de energia elétrica do Brasil usando dados horários coletados durante dois anos. / [en] This dissertation presents a short-term load forecasting procedure mixing a classifier scheme and a predictive scheme. The classifier is implemented through an artificial neural network using a non-supervised learning procedure (SOM). Concerning the predictive scheme, a fuzzy logic procedure uses climatic variables and their prediction to choose the appropriate profiles created by SOM and then combines them to produce the desired forecast. The model is applied to two utilities in Brazil using hourly observations collected during two calendar years and the results obtained, in terms of mean absolute percentage error (MAPE) through the period analyzed, are presented.

[pt] O Mercado Futuro adquire cada vez mais importância no cenário das Finanças Corporativas mundiais. O interesse principal das empresas neste segmento das finanças é a necessidade de proteção contra a volatilidade dos mercados financeiros. Neste sentido, uma das commodities mais negociadas é o petróleo. A dificuldade em precificar os contratos futuros do barril faz com que muitos modelos sejam criados para demonstrar a evolução dos preços ao longo do tempo. A utilização de processos estocásticos para representar possíveis trajetórias das séries temporais vem alcançando cada vez mais notoriedade, pois incorpora a aleatoriedade nas análises. O presente trabalho pretende testar a eficácia do modelo proposto na previsão do preço dos contratos futuros um passo à frente, ou seja, em estimar o preço para certa data na data imediatamente anterior. Neste sentido, o objetivo do estudo é coerente com o principal objetivo da análise de séries temporais que é construir modelos capazes de realizar previsões. Além disso, será estimado o preço à vista, variável a qual não é observável no mercado, e posteriormente serão confrontados os valores obtidos com uma proxy. O preço do mercado spot possui utilidade para os traders que necessitam obter o valor de um ativo que não é transacionado desta forma em bolsa. As estimativas dos parâmetros dos processos estocásticos serão feitas através de uma ferramenta estatística que passou a ser muito utilizada em modelos financeiros, o Filtro de Kalman. O procedimento consistirá em adotar um modelo de processo estocástico consagrado para uma série de preços de contratos futuros de uma commodity, estimando seus parâmetros e variáveis de estado com o Filtro, utilizando-o para previsão dos preços dos contratos futuros e para estimar o preço à vista, e posteriormente confrontando as estimativas e os valores reais coletados do mercado. Desta forma, se avaliará a capacidade do modelo em se adequar a novas mudanças estruturais na série. As ferramentas serão sempre explicitadas de maneira acessível, demonstrando cada passo tomado e sempre que possível fazendo paralelo com outros conhecimentos mais básicos. / [en] The Future Market is becoming increasingly important in the global scenario of Corporate Finance. The main interest in this segment of finance is the need of being protected against the volatility of financial markets. Accordingly, one of the most traded commodity is oil. Because of difficulty in determine the value of future contracts on oil barrel, many models were created to demonstrate the evolution of their prices over time. The use of stochastic processes to represent possible trajectories of the time series is reaching more and more notoriety because it incorporates the randomness in the analysis. This study seeks to test the effectiveness of the proposed model in predicting the price of future contracts one step ahead, i.e. to estimate the price for a certain date on the preceding date. Consequently, the objective of the study is consistent with the primary objective of time series analysis that is to build models capable of forecasting. Furthermore, it will be estimated the spot price, variable that is not observable in the market, then the values obtained will be faced with a proxy. The spot price is useful for traders who need to obtain the value of an asset that is not transacted in this way at the exchange. Estimates of the parameters of stochastic processes will be made through a statistical tool that has become widely used in financial models, the Kalman filter. The procedure is to adopt well known model of stochastic process for a series of prices of commodity futures contracts, estimating its parameters and state variables with the filter, using it to forecast the prices of future contracts and to estimate the spot price, and later comparing the estimates and the real values collected from the market. Thus, it will be evaluated ability of the model to fit the new structural changes in the time series. The tools will always be explained in an accessible way, demonstrating each step and where possible making parallel with other more basic knowledge.

[pt] No Brasil e no mundo, grande parte das carteiras de investimento das seguradoras e entidades de previdência complementar é composta por títulos emitidos por governos. Sendo assim, os retornos destes papéis respondem por parte relevante da rentabilidade destas carteiras. Este trabalho tem como finalidade a análise do impacto da incorporação de informações econômicas (taxa de juros, hiato do produto e taxa de inflação) na previsão da Estrutura a Termo de Taxa de Juros de quatro países: EUA, Reino Unido, Brasil e Chile. Diferentes modelos de vetores auto-regressivos (VAR) são testados e comparados com outros modelos, como passeio aleatório e modelos auto-regressivos (AR), em termos de performance de previsão out-of-sample. / [en] In Brazil and the world, much of the investment portfolios of insurers and complementary pension funds consists of securities issued by governments. Thus, the returns of these papers account for the relevant part of the profitability of these portfolios. This work aims at analyzing the impact of the incorporation of economic data (interest rate, output gap and inflation rate) in the forecast of the Term Structure of Interest Rates in four countries: USA, UK, Brazil and Chile. Different models of vector autoregression (VAR) are tested and compared with other models such as random walk and autoregressive models (AR), in terms of performance of out-of-sample forecasts.

[pt] Este trabalho apresenta um novo modelo de previsão de curto prazo de carga elétrica que reúne técnicas de inteligência computacional e métodos estatísticos. Ele permite aproveitar as vantagens de inteligência computacional, relativas à criação de classes da série de entrada e ao processamento de variáveis climáticas de forma lingüística, e aquelas provenientes de modelos estatísticos, onde os parâmetros e a ordem do modelo são conhecidos e o intervalo de confiança das previsões é determinado. O modelo é uma extensão do método desenvolvido por P.C. Gupta, onde são empregadas técnicas de inteligência computacional junto com o método original. O modelo resultante compreende um classificador, um previsor e um procedimento para aprimorar as estimativas. O classificador é implementado por uma rede neural artificial com aprendizado não-supervisionado, enquanto o previsor emprega modelos estatísticos, combinando métodos de média móvel, amortecimento exponencial e auto- regressivo. Um sistema com lógica nebulosa utiliza variáveis climáticas no aprimoramento da previsão obtida. / [en] A new short-term load forecasting procedure is presented in this work, mixing techniques from the statistical models and those from computational intelligence (CI). It takes advantage of the CI techniques to establish the various load profiles and to process climatic variables in a linguistic way, and those from the statistical side, where the parameters and the order of the model are known and a spread measure is determined. The model is an adaptation of the method developed by P.C.Gupta, where CI techniques are added to the original method. The final model includes a classifer scheme, a predictive scheme and a procedure to improve the estimations. The classifier is implemented via an artificial neural network using a non-supervised learning moving average, exponential smoothing and ARMA type of models. A fuzzy logic procedure uses climating variables to improve the forecast.

[pt] A energia eólica é uma das alternativas mais promissoras para geração de energia elétrica, pois assegura a diversidade e segurança no fornecimento de energia e atende à necessidade premente de reduzir os níveis de emissão de gases poluentes. Na operação de sistemas elétricos com forte presença de geração eólica é fundamental prever com pelo menos um dia de antecedência os valores futuros (pelo menos horários) da veloci-dade do vento, pois assim pode-se avaliar a disponibilidade de energia para o próximo dia, uma informação útil no despacho das unidades geradoras e no controle do sistema elétrico. A proposta dessa dissertação objetiva especificamente desenvolver modelos de previsão de curto prazo da velocidade do vento, baseado em técnicas de inteligência artificial, modelo da rede neural artificial e neuro-fuzzy adaptativa (ANFIS) e um mode-lo Estatístico composto por um modelo de regressão harmônica e Box-Jenkins. Para aplicação da metodologia considerou-se o município de São João do Cariri (Estado de Paraíba), onde está localizada uma das estações de referência do projeto SONDA (Sis-tema Nacional de Dados Ambientais para o setor de energia). O desempenho dos mode-los rede neural, neuro-fuzzy (ANFIS) e modelo Estatístico são comparados nas previ-sões de 6 horas, 12 horas, 18 h e 24horas a frente. Os resultados obtidos mostram o me-lhor desempenho da modelagem ANFIS e encorajam novos estudos no tema. / [en] Wind power is one of the most promising options for power generation. It ensures the diversity and security of energy supply and meets the pressing need to reduce the levels of emission of polluting gases. In the operation of electrical systems with a strong presence of wind generation, it is essential to provide at least one day in advance the future values (at least hourly) of wind speed, so that we can assess the availability of energy for the next day, a useful information in the order of the generating units and electrical control system. The purpose of this dissertation aims to develop models spe-cifically to develop models to forecast short-term wind speed, based on artificial intelligence techniques, artificial neural network model and adaptive neuro-fuzzy Systems (ANFIS) and a statistical model composed of a harmonic regression model and Box-Jenkins. For application of the methodology, the city of São João do Cariri (State of Paraíba), where a reference station of SONDA project (National Environmental Data for the energy sector) is located, was considered.To apply the methodology was consi-dered the city of the ray tracing model (State of Paraíba), which is located a station ref-erence design (National Environmental Data for the energy sector). The performance of artificial neural network model and adaptive neuro-fuzzy Systems (ANFIS) and a statis-tical model are compared mixed forecasts of 6 hours, 12 hours, 18hours and 24 hours ahead. The results show the best performance of the ANFIS model and encourage fur-ther studies on the subject.

[pt] Esta dissertação analisa o problema da gestão de estoque de sanduíches de uma empresa prestadora de serviços de alimentação, a Tok Take Alimentação Ltda. Para tanto, foi feito um levantamento bibliográfico na área de gestão de estoques e de previsão de demanda. Para o estudo de caso, dados históricos do consumo diário de sanduíches em um determinado cliente foram coletados e submetidos à análise por meio de dois métodos de previsão de demanda: o método de médias móveis dupla e o método de amortecimento direto para dados sazonais. Desta forma, foram determinados dois modelos que possibilitam a previsão de demanda diária deste produto. / [en] This report analyzes the issue of managing the inventory of sandwiches of a food vending enterprise, Tok Take Alimentação Ltda. For that purpose, a bibliographic survey was made on inventory management and demand forecasting. In the case studied it was found that no gain could be obtained by expanding the replenishment period. Hence the analysis turned its focus to demand forcasting. For the case study, historical data of sandwich consumption at a specific client site were colected and submited to analysis by means of two forecasting methods namely: double moving average and direct smoothing for seasonal data. After that, a model that enables daily forecasting of that product`s demand was determined.

[pt] Esta dissertação investiga o desempenho de técnicas de inteligência computacional na previsão de carga em curto prazo. O objetivo deste trabalho foi propor e avaliar sistemas de redes neurais, lógica nebulosa, neuro-fuzzy e híbridos para previsão de carga em curto prazo, utilizando como entradas variáveis que influenciam o comportamento da carga, tais como: temperatura, índice de conforto e perfil de consumo. Este trabalho envolve 4 etapas principais: um estudo sobre previsão de carga e sobre as variáveis que influenciam o comportamento da carga; um estudo da aplicação de técnicas de inteligência computacional em previsão de carga; a definição de sistemas de redes neurais, lógica fuzzy e neuro-fuzzy em previsão de carga; e estudo de casos. No estudo sobre previsão de carga, foi observada a influência de algumas variáveis no comportamento da curva de carga de uma empresa de energia elétrica. Entre estas variáveis se encontram alguns dados meteorológicos (Temperatura, Umidade, Luminosidade, Índice de conforto, etc.), além de informações sobre o perfil de consumo de carga das empresas. Também foi observado o comportamento da série de carga com relação ao dia da semana, sua sazonalidade e a correlação entre o valor atual e valores passados. Foi realizado um levantamento bibliográfico sobre a aplicação de técnicas de inteligência computacional na previsão de carga. Os modelos de redes neurais, são os mais explorados até o momento. Os modelos de lógica fuzzy começaram a ser utilizados mais recentemente. Modelos neuro-fuzzy são mais recentes que os demais, não existindo portanto, muita bibliografia a respeito. Os projetos de aplicação dos três modelos foram classificados quanto à sua arquitetura, desempenho, erros medidos, entradas utilizadas e horizonte da previsão. Foram propostos e implementados 4 sistemas de previsão de carga: lógica fuzzy, redes neurais, sistema neuro-fuzzy hierárquico e um sistema híbrido neural/neuro- fuzzy. Os sistemas foram especializados para cada dia da semana, pelo fato do comportamento da carga ser distinto entre estes dias. Para os sistemas neural, neuro-fuzzy e híbrido os dados também foram separados em inverno e verão, pois o perfil de consumo de carga é diferente nestas estações. O sistema com lógica fuzzy foi modelado para realizar previsões de curtíssimo prazo (10 em 10 minutos), utilizando para isto o histórico de carga, hora do dia e intervalo de dez minutos dentro da hora do dia. As regras do sistema foram geradas automaticamente a partir do histórico de carga e os conjuntos nebulosos foram pré-definidos. O sistema com redes neurais teve sua arquitetura definida através de experimentos, utilizando- se apenas dados de carga, hora do dia e mês como entradas. O modelo de rede escolhido foi com retropropagação do erro (backpropagation). Foram realizados testes incluindo outras entradas como temperatura e perfil de consumo. Para o sistema neuro-fuzzy foi escolhido um sistema neuro-fuzzy hierárquico, que define automaticamente sua estrutura e as regras a partir do histórico dos dados. Em uma última etapa, foi estudado um sistema híbrido neural/ neuro- fuzzy, no qual a previsão da rede neural é uma entrada do sistema neuro-fuzzy. Para os três últimos modelos as previsões realizadas foram em curto prazo, com um horizonte de uma hora Os sistemas propostos foram testados em estudos de casos e os resultados comparados entre si e com os resultados obtidos em outros projetos na área. Os dados de carga utilizados no sistema com lógica fuzzy foram da CEMIG, no período de 1994 a 1996, em intervalos de 10 minutos, para previsões em curtíssimo prazo. Os resultados obtidos podem ser considerados bons em comparação com um sistema de redes neurais utilizando os mesmos dados. Para os demais modelos foram utilizados os seguintes dados: dados horários de carga da Light e da CPFL, no períod / [en] This thesis examines the performance of computational intelligence in short term load forecasting. The main objective of the work was to propose and evaluate neural network, fuzzy logic, neurofuzzy and hybrid systems in the role of short term load forecast, considering some variables that affect the load behavior such as temperature, comfort indexes and consumption profile. The work consisted in four main steps: a study about load forecasting; the modeling of neural network systems, fuzzy logic and neurofuzzy related to load forecast; and case studies. In the load forecasting studies, some variables appeared to affect the behavior of the load curve in the case of electrical utilities. These variables include meteorological data like temperature, humidity, lightening, comfort indexes etc, and also information about the consumption profile of the utilities. It was also noted the distinct behavior of the load series related to the day of the week, the seasonableness and the correlation between the past and present values. A bibliographic research concerning the application of computational intelligence techniques in load forecasting was made. This research showed that neural network models have been largely employed. The fuzzy logic models have just started to be used recently. Neuro-fuzzy are very recent, and there are almost no references on it. The surveyed application projects using the three models were classified by its architecture, performance, measured errors, inputs considered and horizon of the forecast. In this work four systems were proposed and implemented for load forecasting: fuzzy logic, neural network, hierarchical neuro-fuzzy and hybrid neural/neuro- fuzzy. The systems were specialized for each day of the week, due to the different behavior of the load found for each of the days. For the neural network, neuro-fuzzy and hybrid, the data were separated in winter and summer, due to the different behavior of the load in each of the seasons. The fuzzy logic system was modeled for very short term forecasting using the historic load for each hour of the day, in steps of 10 minutes within each hour. The fuzzy system rules were generated automatically based on the historic load and the fuzzy sets were pre-defined. The system with neural network had its architecture defined through experiments using only load data, hour of the day and month as input. The network model chosen was the back- propagation. Tests were performed adding other inputs such as temperature and consumption profile. For the neural- fuzzy, a hierarchical neuro-fuzzy system, which defines automatically its structure and rules based on the historical data, was employed. In a further step, a hybrid neural/neuro-fuzzy was studied, so as the neural network forecast is the input for the neuro-fuzzy system. For the last three models, short term forecasting was made for one hour period. The proposed systems were tested in case studies, and the results were compared themselves and with results obtained in other projects in the same area. The load data of CEMIG between 1994 and 1996 was used in the fuzzy logic system in steps of 10 minutes for very short term forecasting. The performance was good compared with a neural network system using the same data. For the other models, short term load forecasting (I hour, 24 steps ahead) was done using the following data: load data of LIGHT and CPFL between 1996 and 1998; temperature (hourly for LIGHT and daily for CPFL); the codification of month and hour of the day; and a profile of load by consumption class. For doing. The error results obtained by the models were around 1,15% for the fuzzy logic, 2,0% for the neural network, 1,5% for the neuro-fuzzy system, and 2,0% for the hybrid system. This work has showed the applicability of the computational intelligence techniques on load forecasting, demonstrating that a preliminary study of the series and their relation with

[pt] O Avô do Tempo, Diário de um Meteorologista é o título da dissertação de mestrado que teve como objeto os vinte e oito volumes de diários deixados por Joaquim de Sampaio Ferraz. A partir da documentação deixada por um indivíduo de classe média urbana, um profissional liberal, pai de família, foi possível perceber valores éticos, regras de bem-viver, saber cotidiano, saúde, dificuldades em manter uma família numerosa, construção de uma vida profissional dentro de uma especialidade que começava a se desenvolver no mundo ocidental e a se estruturar no Brasil. O tempo é o grande protagonista, a mudança do ritmo do tempo, sua aceleração sensível na época em que o autor/ editor viveu, a virada do século XX, tempo de grandes e rápidas transformações. A valorização dos diários e de outras escritas de si data de poucas décadas e vem despertando interesse e motivando a criação de organizações nacionais e internacionais; na academia os estudos ainda são relativamente raros, daí o interesse de desenvolver o tema a partir das fontes preservadas, por mais de um século, pela família Sampaio Ferraz. / [en] The Grandfather of time, joumal of a meteorologist, is the title of the Msc dissertation based on the analysis of the twenty-eight volumes of the joumal written by Joaquim de Sampaio Ferraz from 1900 to 1940. From the documentation left by an ordinary middle class man, civil servant and urban professional, a family man, it became possible to aprehend ethical values, life sty1e, rules for everyday life, and also to acknowledge his difficulties to develop a scientific career that was new in Brazil and modem for the world of the turn of the twentieth century, a time of rapid changes and transformation. The appreciation of joumals and other types of writing of the self dates back from just a few decades and has arisen interest and motivated the creation of numerous national and international organizatons. In academia the studies are still relatively rare, thus the interest in developing this issue from the sources preserved by the Sampaio Ferraz family over more than a century.