[pt] O presente trabalho apresenta o desenvolvimento de um modelo neural para a inferência da qualidade do polietileno de baixa densidade (PEBD) a partir dos valores das variáveis de processo do sistema reacional. Para tal, fez- se uso de dados operacionais de uma empresa petroquímica, cujo pré-processamento incluiu a seleção de variáveis, limpeza e normalização dos dados selecionados e preparação dos padrões. A capacidade de inferência do modelo neural desenvolvido neste estudo foi comparada com a de dois modelos fenomenológicos existentes. Para tal, utilizou-se como medida de desempenho o valor do erro médio absoluto percentual dos modelos, tendo como referência valores experimentais do índice de fluidez. Neste contexto, o modelo neural apresentou-se como uma eficiente ferramenta de modelagem da qualidade do sistema reacional de produção do PEBD. / [en] This work comprises the development of a neural network- based model for quality inference of low density polyethylene (LDPE). Plant data corresponding to the process variables of a petrochemical company`s LDPE reactor were used for model development. The data were preprocessed in the following manner: first, the most relevant process variables were selected, then data were conditioned and normalized. The neural network- based model was able to accurately predict the value of the polymer melt index as a function of the process variables. This model`s performance was compared with that of two mechanistic models developed from first principles. The comparison was made through the models` mean absolute percentage error, which was calculated with respect to experimental values of the melt index. The results obtained confirm the neural network model`s ability to infer values of quality-related measurements of the LDPE reactor.

[pt] O objetivo dessa dissertação é o desenvolvimento de um algoritmo para a análise automática de sinais eletrocardiográficos, baseado em Redes Neurais Artificiais. O sistema é dividido em vários sub- programas utilizados para extrair informações do registro eletrocardiográfico de pacientes, informando a existência de anormalidades a partir da comparação dos valores obtidos com os valores de normalidade disponíveis na literatura biomédica. O programa utiliza 4 segundos do sinal de eletrocardiograma para uma análise classificatória inicial, verificando a viabilidade da extração de informações. Sendo possível esta extração, são obtidos os ciclos cardíacos existentes nesse sinal, e deles são extraídas informações quantitativas dos componentes de suas ondas, que posteriormente serão comparadas com faixas de normalidade por meio de um conjunto de regras heurísticas, indicando assim a possível presença de alterações morfológicas do registro. Esse programa pode ser utilizado em comunidades carentes para orientar a necessidade de encaminhamento a um especialista, cuja presença é rara na maior parte dos postos de atendimento generalista. Também pode auxiliar ao médico especialista, indicando de forma objetiva as possíveis alterações do registro eletrocardiográfico. Os resultados obtidos podem ser considerados satisfatórios, sendo que os valores são compatíveis com a sua natureza, principalmente no que diz respeito aos problemas de baixa razão sinal/ruído existente nos sinais analisados. Para verificação dos resultados de localização dos pontos inicial e final de cada componente do ECG, uma das métricas utilizadas foi o MAPE, obtendo-se, 19,44 por cento para onda P,4,85 por cento para o complexo QRS, 8,93 por cento para o início da onda T e 7,76 por cento para o final da onda T. Outra métrica utilizada para comparar os resultados obtidos com outro artigo, foi a Média Aritmética/Desvio Padrão, onde se obteve mi=-0,8264 ms e sigma=3,7037 ms para o início da onda P, mi=-1,5082 ms e sigma=2,2890 ms para o fim da onda P, mi=-0,2104 ms e sigma=3,2486 ms para o início do complexo QRS, mi=-0,4309 ms e sigma=3,9542 ms para o fim do complexo QRS, mi=-0,1926 ms e sigma=5,7413 ms para o início da onda T, mi=-0,3346 ms e sigma=6,3991 ms para o fim da onda T. / [en] The objective of this dissertation is implementing an algorithm for automatic analysis of electrocardiographic signals, using Artificial Neural Networks. The system is divided into several subprograms that extract relevant information about the cardiac signal measured from patients, and points out possible abnormalities by comparison with normal values found in biomedical bibliography. The algorithm uses 4 seconds of the electrocardiogram signal for an initial classification, verifying the feasibility of information extraction. If the extraction is possible, the separate cardiac cycles are collected from the signal and quantitative values for the various components are determined. Finally, these values are compared with the normal values, indicating alterations of wave morphology. This algorithm has a clear relevance in low-income communities, being useful for an initial classification of the patients, being then forwarded to a cardiologist when ECG abnormalities are identified. Another potential use is in helping the cardiologist to automatically determine accurate values from the electrocardiographic register. The results can by considered satistactory, because the values are being compatible with their nature, mainly due to problems of low signal-to-noise ratio in analysed signals. For verification of the results, one metric used was the MAPE, obtaining 19,44 percent for the P wave, 4,85 percent for the QRS complex, 8,93 percent for the begining of the T wave and 7,76 percent for the end of T wave. Another metric used for comparing results with another article, was the Arithmetic Mean/Standard Deviation, obtaining u=-0,8264 ms and ó=3,7037 ms for the onset of the P wave, u=-1,5082 ms and ó=2,2890 ms for the offset of P wave, u=-0,2104 ms and ó=3,2486 ms for the onset of the QRS complex, u=-0,4309 ms and ó=3,9542 ms for the offset of the QRS complex, u=-0,1926 ms and ó=5,7413 ms for the onset of the T wave, u=-0,3346 ms and ó=6,3991 ms for the offset of the T wave.

[pt] Este trabalho investiga a utilização de Redes Neurais Artificiais (RNAs) na inferência sobre as propriedades de derivados de petróleo. A inferência de propriedades visa fornecer uma boa estimativa de propriedades de derivados de petróleo (p.ex: ponto final de ebulição, pressão de vapor, etc.). Essas propriedades podem ser determinadas pro analisadores de processo ou análises de laboratório. Contudo, esses sistemas nem sempre apresentam resultados satisfatórios ou na freqüência necessária para permitir o controle. Porém, se o valor estimado de uma determinada propriedade estiver disponível, o mesmo pode ser utilizado para permitir o controle ou a otimização do processo produtivo. Este trabalho subdivide-se em quatro partes principais: (1) um estudo sobre a inferência de propriedades em torres de destilação; (2) um estudo sobre os principais métodos de inferência e de análise de dados, com ênfase nas RNAs; (3) uma sistemática para a obtenção e testes de modelos; e (4) o estudo de casos. No estudo sobre os a inferência de propriedades, foram analisadas as técnicas utilizadas para a estimação de propriedades em torres de destilação, enfatizando os aspectos da estrutura da modelagem, os problemas, os problemas da influência cruzada entre as entradas do modelo, e a determinação das variáveis principais a serem utilizadas na modelagem. O estudo sobre os principais métodos de inferência abrangeu um levantamento bibliográfico sobre as técnicas de regressão linear MLR ( Multiple Linear Regression), PCR (Principal Component Regression) e PLS (Partial Least Squares), a Modelagem Semi-empírica e as RNAs. Apesar do objetivo principal deste trabalho ser avaliar o desempenho das RNAs, o estudo dos outros métodos foi importante para a comparação dos resultados. Além dos diferentes métodos de modelagem, foram também estudadas algumas técnicas de análise do conjunto de dados, entre elas o PCA (Principal Component Analysis). Na sistemática para a obtenção e testes de modelos, são apresentados os diversos problemas encontrados e a abordagem utilizada, na obtenção e avaliação dos modelos. É também apresentado o ambiente de testes e avaliação, que foi desenvolvido visando fornecer uma plataforma para a obtenção e avaliação de modelos inferenciais. Neste ambiente, pode-se obter modelos com todos os métodos estudados, inclusive alterando alguns parâmetros importantes. No ambiente foram utilizadas as facilidades do pacote MATLAB. Para o estudo de casos, foram utilizados dados reais de refinarias de petróleo do sistema Petrobrás. Foram analisados 3 casos distintos: o primeiro corresponde à modelagem da destilação ASTM do Querosene; o segundo abrangendo a destilação ASTM do Óleo Diesel e o terceiro sobre o Intemperismo do GLP. Para todos os casos, analisou- se a influência de cada entrada sobre a variável a ser modelada, utilizando principalmente a técnica PCA . Foram avaliadas várias arquiteturas de RNAs, comparando-as com as outras técnicas estudadas. Os modelos obtidos com as RNAs foram plenamente satisfatórios, fornecendo resultados superiores aos métodos estatísticos. Também constatou-se a influência do pré-processamento e da análise estatística dos dados no sucesso da modelagem. Na indústria química e petroquímica, as RNAs têm sido aplicadas em diversas áreas. Na área de inferência de propriedades, as RNAs permitem a obtenção de modelos de inferência abrangentes e precisos, podendo ser utilizadas no controle em tempo real, nos arranjos de controle em malha simples, ou em arquiteturas de controle multivariável. / [en] This work investigates the use of Artificial Neural Networks (ANN) on the inferential modelling of properties of petroleum products. Inferential modelling aims to provide a good estimation of chemical properties of petroleum products (i.e: final boiling point, vapour pressure). These properties can be determined by on-line process analysers or laboratory analysis. However, these systems provide neither systematically good results nor the necessary frequency to allow control of the process in real time. However if a good estimation of a property of interest is available, it can be used to achieve the control or the optimisation of production process. This work is subdivided in four main sections: (1) a study about the inference of properties of products in a distillation column; (2) a study about the main methods used on inferential modellind and data analysis, with emphasis on ANN; (3) a systematic about development and testing of inference models; (4) and a case study. In the study about principal methods used on inferential modelling involved a bibliographic reserch about the linear regression techniques Multiple Linear Regression (MLR), Principal Component Regression (PCR) and Partial Least Squares (PLS), a semi empirical model and ANNs. Although the main objective of this work was to evaluate the ANNs perfonmance, the study of other methods was important to compare the results. In addition to the many modelling techniques, some other techniques of data analysis were studied, like Principal Component Analysis (PCA). In the systematic about the development and testing of models, the various problems encontered and the approach used to develop and test the model were presented. An environment of development and testing was also implemented in order to provide a platform to produce and test inferential models. The environment can work with all models studied, and some important settings of the models can also be modified. Many capabilities fo MATLAB software were used on the environment. For the development of the case studies, real data gathered from refineries of Petrobras group were used. Three distinct cases were analysed: the first and second cases are models of kerosene (jet fuel) and diesel ASTM distillation; the third is a model of the Liquefied Petroleum Gas (LPG) 95% boil-off point. In all cases, the influence of each input over the modelled variable was analysed, using mainly the PCA technique. Many ANN arquitetures were tested, comparing them with other studied techniques. The developed ANN models achieved good performance, with better results than the statistical methods. It was also verified the influence of pre- processing and statistical analysis on the success of the modeling. Chemical and Petrochemical process industries have used ANNs in many areas. In the field of inferential modelling of properties, the ANNs allow the accomplished of inferential models in a broad and accurate way. It may be used either for control in real time in single control loops or as part of a multivariable controller.

[pt] Na supervisão em tempo-real de sistemas de potência é fundamental que as informações recebidas do sistema de aquisição de dados não contenham erros. As decisões tomadas durante a operação do sistema se baseiam em análise que utilizam uma base de dados supostamente confiável. A presença de erros nos dados compromete as análises realizadas conseqüentemente as decisões tomadas a partir delas, podendo ocasionar problemas para a operação do sistema. Este trabalho propõe um novo método para a identificação de erros nos dados na supervisão em tempo-real de sistemas de potência. Técnicas de projeção de dados baseadas no mapa de Kohonen são utilizadas para mostrar que as inovações normalizadas, obtidas no estimadores de estado com capacidade de previsão, apresentam excelente capacidade de discriminação de erros quando comparadas a outras variáveis tais como medidas cruas e resíduos normalizados. É proposto um método que trata o problema de identificação de erros de dados como um problema de reconhecimento de padrões, onde as inovações normalizadas são utilizadas como variáveis de entrada para uma rede neural plástica que é responsável por identificar o erro presente. O método é capaz de tratar de forma integrada erros grosseiros nas medidas de erros topológicos envolvendo ramos de transmissão ou barras. Método proposto é testado para várias condições de operação envolvendo os mais diversos tipos de erro, utilizando os sistemas IEEE 24-barras e IEEE 118-barras. O desempenho do método é avaliado e aspectos como eficiência computacional, capacidade de generalização e implementação em tempo-real, entre outros, são também discutidos. / [en] Bad data detection and identification is one of the most important problems to be solved in real-time power system monitoring. During system operation, the decision-making process is based on analyses that use a database which is assumed to be reliable. Bad data can affect the results of these analyses and as a consequence the decisions taken may not be valid anymore. This may cause serious problems to system operation. This work presents a new method for debugging data in real- time power system monitoring. Data projection tecniques based on Kohonen´s self-organizing maps are employed to show that normalized innovations, obtained from a forecasting-aided state estimator, present excellent discrimination capability when compared to other variables such as raw measurements and normalized residuals. In the proposed method the problem of bad data identification is viewed as a pattern recognition problem, in which normalized innovations are use as input variables to a constructive artificial neural network that is responsible for identifying bad data. The method is able to distinguish between gross measurement and topological errors. Which can include branch or bus misconfigurations. The proposed method is tested for many different operating conditions involving different types of error. Tests are performed using data from the IEEE 24-bus and IEEE 118-bus systems. The performance of the method is evaluated and aspects such as computational efficiency, generalization capability and real-time implementation, among others, are also discussed.

[pt] A deterioração do desempenho da turbina a gás é resultado de vários tipos de falhas, como acúmulo de sujeira, erosão e corrosão, que afetam os componentes no caminho do gás, sendo os principais o compressor, o combustor e a turbina. No presente trabalho é avaliado o desempenho de Redes Neurais Artificiais (RNA) no emprego de diagnóstico de falha de turbinas a gás. Todas as redes projetadas são do tipo MLP (multi-layer perceptron) com algoritmo de retropropagação (backpropagation). Para cada função de diagnóstico, várias arquiteturas foram testadas, modificando parâmetros de rede como o número de camadas escondidas e o número de neurônios em cada uma destas camadas. As RNAs para diagnóstico de falhas foram aplicadas ao modelo termodinâmico de uma turbina a gás industrial. Este modelo foi responsável pela criação de dados da usina saudável e também degradada, utilizados para o treinamento e validação das redes. Com os resultados obtidos do treinamento das redes é possível mostrar que as mesmas são capazes de detectar, isolar e quantificar falhas de componentes de turbinas a gás de forma satisfatória. / [en] The gas turbine performance deterioration is a result of several types of faults such as fouling, erosion and corrosion, which affects the components throughout the gas path. As the most significant of these components we can enumerate the compressor, the combustion chamber and the turbine itself. In this work the performance of different types of Artificial Neural Networks (ANN) are evaluated in the diagnosis of this kind of fault. Every neural network designed in this work is MLP (multi-layer perceptron) with back propagation algorithm. For each diagnosis function several architectures were tested, varying network parameters as the numbers of hidden layers and the number of neurons in each layer. The ANNs for fault diagnosis were applied in an industrial gas turbine thermodynamic model. This model was also used for healthy and degraded turbine data generation, which were used for ANNs training and validation. With the ANNs training results we can conclude that these networks are capable of detecting, isolating and quantifying gas turbine components faults in a satisfactory way.

[pt] A presente dissertação tem por objetivo desenvolver um modelo inteligente que permita, por uma análise quantitativa e probabilística, gerar uma carteira otimizada composta de um ativo financeiro e opções sobre este ativo. Procurou-se estudar inicialmente as características da distribuição de retornos e da volatilidade das ações mais líquidas da Bolsa de Valores de São Paulo, no período de Jan/2005 a Jul/2010, através de regressões polinomiais univariadas e bivariadas. Observouse características como a de reversão a média da volatilidade, correlação da volatilidade futura com um período histórico mais longo e outro mais curto e uma relação possivelmente quadrática entre a volatilidade histórica e a volatilidade futura. Desenvolveu-se então, satisfatoriamente, uma rede neural para prever a volatilidade futura das ações, por este ser o fator mais crítico para se determinar o preço de uma opção. Utilizando-se da precificação das opções, avaliou-se o desempenho de algoritmos genéticos na otimização de carteiras estruturadas com esses derivativos, com três funções de avaliação diferentes, a fim de aumentar o potencial retorno de um investimento, minimizando seus riscos. O sistema evolucionário implementado demonstrou ser satisfatório quando comparado a carteira otimizada com diversas outras estratégias comuns de mercado, demonstrando ser uma alternativa de apoio a decisão para investidores e gestores de carteiras. / [en] This dissertation develops an intelligent, quantitative and probabilistic model to determine an optimal composition of a portfolio consisting of a financial asset and options over this asset. Initially we studied the characteristics of the historical distribution of returns and volatility of the most liquid stocks from the BOVESPA Stock Exchange, from January 2005 to July 2010, through a univariate and a bivariate polynomial regression. Characteristics such as mean reversion of volatility, strong correlation of historical and future volatility and a quadratic polynomial relationship between them were observed. A neural network was then developed to predict the future volatility of these stocks, since that is the most critical variable in determining an option´s price. Using the option pricing, we evaluated the performance of genetic algorithms in optimizing portfolios, structured with these derivatives, with three different evaluation functions in order to increase the potential return of investments while minimizing downside risks. The developed evolutionary system showed satisfactory results when the optimal portfolio was compared with several other market option strategies, demonstrating to be a relevant decision support system for investors and portfolio managers.

[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] A presente dissertação tem por objetivo o estudo quantitativo da previsão da demanda de carga elétrica semanal para a região sudeste e em particular, para os Estados do Rio de Janeiro e São Paulo. Foram estudadas para tanto as séries reais dos últimos 7(sete) anos, ou seja, de janeiro de 1991 a novembro de 1997 das concessionárias LIGHT, CERJ, CESP, CPFL e ELETROPAULO. Para o estudo de previsão foi utilizado o conceito in sample, ou seja, parte real dos dados foram separados e mais tarde comparados com os valores previstos experimentalmente para aquela mesma época dos dados reais separados. Desta forma, permitiu-se averiguar qual seria a precisão da previsão, verificando-se os erros entre os valores experimentais e reais. Para os cálculos das previsões, também foi utilizado o conceito de bayesiano de combinação de previsões (outperformance) das duas técnicas a saber: redes neurais artificiais (software Neunet) e o modelo clássico Box & Jenkins (software Autobox). Para se obter o valor combinado das previsões, foi utilizado software matlab que se comportou de maneira adequada para o estudo em questão. Além disso vale acrescentar que o software Neunet foi utilizado, pois possui em seu ambiente a técnica de eliminação de sinapses enquadra-se dentro do conceito de redes neurais multicamadas com retropropagação dos erros. / [en] The goal of this dissertation is to present a quantitative study in time series of weekly electrical charge demand at the southeast region, particulary at Rio de Janeiro and São Paulo. In this work will be analysed the last 7 years, from january 1991 to november of 1997. The next time series were study: LIGHT, CERJ, CESP, CPFL and ELETROPAULO. Aimming to test the model against real data the concept of sample data was utilized in this dissertation. Another concept used in this work was outperformance. Outperformance is a Bayesian concept that involves the combination of two or more techniques in order to enchance the forecasting results. Artificial neural network and Box and Jenkins method are combined in this work. It is also interesting to notice that weight elimination, which is a new ANN technique, proved to be faster then classical back- propagation and yielded better results.

[pt] Processo Estocástico é um ramo da teoria da probabilidade onde se define um conjunto de modelos que permitem o estudo de problemas com componentes aleatórias. Muitos problemas reais apresentam características complexas, tais como não-linearidade e comportamento caótico, que necessitam de modelos capazes de capturar as reais características do problema para obter um tratamento apropriado. Porém, os modelos existentes ou são lineares, cuja aplicabilidade a esses problemas pode ser inadequada, ou necessitam de uma formulação complexa, onde a aplicabilidade é limitada e específica ao problema, ou dependem de suposições a priori sobre o comportamento do problema para poderem ser aplicados. Isso motivou a elaboração de um novo modelo de processo estocástico genérico, intrinsecamente não-linear, que possa ser aplicado em uma gama de problemas de fenômenos não-lineares, de comportamento altamente estocástico, e até mesmo com características periódicas. Como as redes neurais artificiais são modelos paramétricos não-lineares, simples de entendimento e implementação, capazes de capturar comportamentos de variados tipos de problemas, decidiu-se então utilizá-las como base do novo modelo proposto nessa tese, que é denominado Processo Estocástico Neural. A não-linearidade, obtida através das redes neurais desse processo estocástico, permite que se capture adequadamente o comportamento da série histórica de problemas de fenômenos não-lineares, com características altamente estocásticas e até mesmo periódicas. O objetivo é usar esse modelo para gerar séries temporais sintéticas, igualmente prováveis à série histórica, na solução desses tipos de problemas, como por exemplo os problemas que envolvem fenômenos climatológicos, econômicos, entre outros. Escolheu-se, como estudo de caso dessa tese, aplicar o modelo proposto no tratamento de afluências mensais sob o contexto do planejamento da operação do sistema hidrotérmico brasileiro. Os resultados mostraram que o Processo Estocástico Neural consegue gerar séries sintéticas com características similares às séries históricas de afluências mensais. / [en] Stochastic Process is a branch of probability theory which defines a set of templates that allow the study of problems with random components. Many real problems exhibit complex characteristics such as nonlinearity and chaotic behavior, which require models capable of capture the real characteristics of the problem for a appropriate treatment. However, existing models have limited application to certain problems or because they are linear models (whose application gets results inconsistent or inadequate) or because they require a complex formulation or depend on a priori assumptions about the behavior of the problem, which requires a knowledge the problem at a level of detail that there is not always available. This motivated the development of a model stochastic process based on neural networks, so that is generic to be applied in a range of problems involving highly stochastic phenomena of behavior and also can be applied to phenomena that have periodic characteristics. As artificial neural networks are non-linear models, simple to understand and implementation, able to capture behaviors of varied types problems, then decided to use them as the basis of new model proposed in this thesis, which is an intrinsically non-linear model, called the Neural Stochastic Process. Through neural networks that stochastic process, can adequately capture the behavior problems of the series of phenomena with features highly stochastic and / or periodical. The goal is to use this model to generate synthetic time series, equally likely to historical series, in solution of various problems, eg problems phenomena involving climatology, economic, among others. It was chosen as a case study of this thesis, applying the model proposed in the treatment of monthly inflows in the context of operation planning of the Brazilian hydrothermal system. The Results showed that the process can Stochastic Neural generate synthetic series of similar characteristics to the historical monthly inflow series.

[pt] Esta tese investiga a Nanotecnologia Computacional Inteligente, isto é, o apoio de técnicas de Inteligência Computacional (IC) nos desafios enfrentados pela Nanociência e Nanotecnologia. Por exemplo, utilizam-se as Redes Neurais para construir sistemas de inferência capazes de relacionar um conjunto de parâmetros de entrada com as características finais das nanoestruturas, permitindo aos pesquisadores prever o comportamento de outras nanoestruturas ainda não realizadas experimentalmente. A partir dos sistemas de inferência, Algoritmos Genéticos são então empregados com o intuito de encontrar o conjunto ótimo de parâmetros de entrada para a síntese (projeto) de uma nanoestrutura desejada. Numa outra linha de investigação, os Algoritmos Genéticos são usados para a otimização de parâmetros de funções de base para cálculos ab initio. Neste caso, são otimizados os expoentes das funções gaussianas que compõem as funções de base. Em outra abordagem, os Algoritmos Genéticos são aplicados na otimização de agregados atômicos e moleculares, permitindo aos pesquisadores estudar teoricamente os agregados formados experimentalmente. Por fim, o uso destes algoritmos, aliado ao uso de simuladores, é aplicado na síntese automática de OLEDs e circuitos de Autômatos Celulares com Pontos Quânticos (QCA). Esta pesquisa revelou o potencial da IC em aplicações inovadoras. Os sistemas híbridos de otimização e inferência, por exemplo, concebidos para prever a altura, a densidade e o desvio padrão de pontos quânticos auto-organizáveis, apresentam altos níveis de correlação com os resultados experimentais e baixos erros percentuais (inferior a 10%). O módulo de elasticidade de nanocompósitos também é previsto por um sistema semelhante e apresenta erros percentuais ainda menores, entorno de 4%. Os Algoritmos Genéticos, juntamente com o software de modelagem molecular Gaussian03, otimizam os parâmetros de funções que geram expoentes de primitivas gaussianas de funções de base para cálculos hartree-fock, obtendo energias menores do que aquelas apresentadas nas referencias. Em outra aplicação, os Algoritmos Genéticos também se mostram eficientes na busca pelas geometrias de baixa energia dos agregados atômicos de (LiF)nLi+, (LiF)n e (LiF)nF-, obtendo uma série de novos isômeros ainda não propostos na literatura. Uma metodologia semelhante é aplicada em um sistema inédito para entender a formação de agregados moleculares de H2O iônicos, partindo-se de agregados neutros. Os resultados mostram como os agregados podem ser obtidos a partir de diferentes perspectivas, formando estruturas ainda não investigadas na área científica. Este trabalho também apresenta a síntese automática de circuitos de QCA robustos. Os circuitos obtidos apresentam grau de polarização semelhante àqueles propostos pelos especialistas, mas com uma importante redução na quantidade de células. Por fim, um sistema envolvendo Algoritmos Genéticos e um modelo analítico de OLEDs multicamadas otimizam as concentrações de materiais orgânicos em cada camada com o intuito de obter dispositivos mais eficientes. Os resultados revelam um dispositivo 9,7% melhor que a solução encontrada na literatura, sendo estes resultados comprovados experimentalmente. Em resumo, os resultados da pesquisa permitem constatar que a inédita integração das técnicas de Inteligência Computacional com Nanotecnologia Computacional, aqui denominada Nanotecnologia Computacional Inteligente, desponta como uma promissora alternativa para acelerar as pesquisas em Nanociência e o desenvolvimento de aplicações nanotecnológicas. / [en] This thesis investigates the Intelligent Computational Nanotechnology, that is, the support of Computational Intelligence (CI) techniques in the challenges faced by the Nanoscience and Nanotechnology. For example, Neural Networks are used for build Inference systems able to relate a set of input parameters with the final characteristics of the nanostructures, allowing the researchers foresees the behavior of other nanostructures not yet realized experimentally. From the inference systems, Genetic Algorithms are then employees with the intention of find the best set of input parameters for the synthesis (project) of a desired nanostructure. In another line of inquiry, the Genetic Algorithms are used for the base functions optimization used in ab initio calculations. In that case, the exponents of the Gaussian functions that compose the base functions are optimized. In another approach, the Genetic Algorithms are applied in the optimization of molecular and atomic clusters, allowing the researchers to theoretically study the experimentally formed clusters. Finally, the use of these algorithms, use together with simulators, is applied in the automatic synthesis of OLEDs and circuits of Quantum Dots Cellular Automata (QCA). This research revealed the potential of the CI in innovative applications. The hybrid systems of optimization and inference, for example, conceived to foresee the height, the density and the height deviation of self-assembled quantum dots, present high levels of correlation with the experimental results and low percentage errors (lower to 10%). The Young’s module of nanocomposites is also predicted by a similar system and presents percentage errors even smaller, around 4%. The Genetic Algorithms, jointly with the package of molecular modeling Gaussian03, optimize the parameters of functions that generate exponents of primitive Gaussian functions of base sets for hartree-fock calculations, obtaining smaller energies than those presented in the literature. In another application, the Genetic Algorithms are also efficient in the search by the low energy geometries of the atomic clusters of (LiF) nLi +, (LiF) n and (LiF) nF-, obtaining a set of new isomers yet not propose in the literature. A similar methodology is applied in an unpublished system for understand the formation of molecular cluster of ionic H2O from neutral clusters. The results show how the clusters can be obtained from different perspectives, forming structures not yet investigate in the scientific area. This work also presents the automatic synthesis of robust QCA circuits. The circuits obtained present high polarization, similar to those proposed by the specialists, but with an important reduction in the quantity of cells. Finally, a system involving Genetic Algorithms and an analytic model of multilayer OLEDs optimize the concentrations of organic material in each layer in order to obtain more efficient devices. The results reveal a device 9.7% better that the solution found in the literature, being these results verified experimentally. In summary, the results of the proposed research allow observe that the unpublished integration of the techniques of Computational Intelligence with Computational Nanotechnology, here named Intelligent Computational Nanotechnology, emerges as a promising alternative for accelerate the researches in Nanoscince and the development of application in Nanotechnology.