Submitted by ALVARO MARI JUNIOR (professor.alvaro.mari@gmail.com) on 2018-06-22T03:02:50Z No. of bitstreams: 1 GEOESTATÍSTICA NA AVALIAÇÃO DE TEOR DE CLOROFILA EM AVEIA PRETA - ALVARO MARI JUNIOR (VERSÃO DEFINITIVA).pdf: 3351234 bytes, checksum: fa5294d4f6f7367d954a62fac7605582 (MD5) / Approved for entry into archive by Maria Lucia Martins Frederico null (mlucia@fca.unesp.br) on 2018-06-22T18:04:24Z (GMT) No. of bitstreams: 1 mari junior_a-dr_botfca.pdf: 3292205 bytes, checksum: f4699d765f96836c3f5b45238411b7b6 (MD5) / Made available in DSpace on 2018-06-22T18:04:24Z (GMT). No. of bitstreams: 1 mari junior_a-dr_botfca.pdf: 3292205 bytes, checksum: f4699d765f96836c3f5b45238411b7b6 (MD5) Previous issue date: 2018-05-08 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A atual demanda por informações precisas e de baixo custo de obtenção causa um aumento na procura por serviços remotos, como o geoprocessamento, a geoestatística e o aprendizado de máquinas. Este trabalho objetiva a obtenção de informações relacionadas a leituras de teores de clorofila, a partir de um banco de dados de campo e por imagens de satélite aplicadas a uma área de cultivo de aveia preta, com baixos custos. Com um banco de dados preciso sobre o teor de clorofila, acredita-se ser possível reduzir custos na implantação e execução de sistemas de irrigação. Diversos autores já realizaram a comparação entre o teor de clorofila e a disponibilidade de água e outros já pontuaram o grande benefício da irrigação sobre diversos cultivares. Com a hipótese de que é possível através da utilização de técnicas de baixo custo a obtenção de valores de teor de clorofila, o trabalho utilizou de técnicas de geoestatística para procurar uma correlação entre os dados físicos e os índices de vegetação gerados a partir de imagens do satélite Landsat 5. Ao encontrar resultados insatisfatórios, partiu-se para um estudo dos dados em treinamento de máquinas e mineração de dados. Após passar por vários processos, o algoritmo Gradient Boosting Machine (GBM) possibilitou a geração de uma imagem com valores estimados clorofila bastante semelhante aos reais obtidos em campo. / 1421969

O histórico de incêndios florestais pode ajudar o gestor na localização de áreas de maior risco e, consequentemente, alocar de maneira mais eficaz os recursos de produção. Este trabalho mostra como o histórico de incêndios em florestas de eucalipto pode ser usado para gerar dois modelos preditivos, um de probabilidade de incêndio em nível de talhão e outro de cicatrizes que identificam áreas com cobertura florestal danificada por incêndio. O ajuste do modelo preditivo de probabilidade anual de incêndio teve como variáveis preditivas, uma combinação de variáveis biométricas (volume comercial com casca), climáticas (face de exposição do terreno, precipitação anual, precipitação total anualizada, temperatura média anual e média de umidade relativa do ar), sociais (distância para área urbana, para estradas e para assentamento rural, população municipal, densidade demográfica, e população da zona rural) e de dados processados de levantamentos a laser aerotransportados (ALS): volume estimado por métricas ALS; índice de área foliar para altura total das árvores (LAI), para frações de altura de 1 a 5 metros (LAI_1_5m) e 1 a 10 metros (LAI_1_10m), e estimativa de sub-bosque (proporção entre LAI_1_5m e LAI). Foram utilizadas como técnicas de ajuste, a regressão logística (LOGIT) e o algoritmo Random Forest (RF), que se mostrou superior após o processo de validação-cruzada (tipo \"k-fold\", com k=10). Dados ALS não se mostraram significativos, e o método RF com as variáveis volume comercial com casca, precipitação total anualizada, distância para áreas urbanas e para assentamentos e população da zona rural foi o de melhor eficácia. Esse resultado se expressou nas medidas de especificidade (classificação correta de áreas com registro de incêndio) e performance (classificação correta de áreas preditas como incendiadas). O melhor resultado revela especificidade e performance de 77%. Dentre as variáveis preditoras, a de maior importância foi a precipitação total anualizada. O modelo preditivo de cicatrizes de áreas com cobertura danificada teve sua classificação baseada em três classes: Incêndio, Colheita/Terra Nua e Plantação. O ajuste utilizou como variáveis preditivas 16 métricas multiespectrais, derivadas do sensor RapidEye, e 29 métricas ALS. A resolução espacial das predições é de 5m. Os algoritmos Support Vector Machine (SVM) e Random Forest foram usados como técnicas de classificação, que após a validação-cruzada (\"k-fold\" com k=10), identificou o RF como superior. Neste caso, a inclusão das métricas ALS ao cenário em que se usam apenas dados multiespectrais, aumentaram a sensibilidade para aspectos estruturais da vegetação, verificado para as classes \"Incêndio\" e \"Plantação\" e melhorou a acurácia das predições de 94%, para 97%, e o índice kappa de 90% para 95%. Por importância de capacidade preditiva de cicatrizes de dano, destacam-se as variáveis banda vermelho e NDVI para o RapidEye e, as variáveis relacionadas à cobertura e densidade do dossel, para os dados ALS. Os modelos gerados são úteis para gestores florestais, pois permitem melhor planejamento das operações de combate a incêndio, podendo, inclusive, reduzir custos na operação devido a melhor eficiência logística. / Historical forest fire data can help managers to locate risk areas and, consequently, allocate more efficiently production resources. This work shows how historical fire data from eucalyptus plantations can be used to generate two predictive models, one for fire probability at stand level and another of scars generated from areas with forest cover damaged by fire. The adjustment of the predictive model for fire probability used, as predictive variables, a combination of biometric (volume), climatic (aspect, annual precipitation, annualized total precipitation, annual mean temperature and mean relative air humidity), social (distance to urban area, to roads and to rural settlement, municipal population, demographic density, and rural population), and LiDAR variables: predicted volume by ALS metrics, leaf area index for tree\'s total height (LAI), and for fractions of 1 to 5 meters heigth (LAI_1_5m) and 1 to 10 meters (LAI_1_10m), and a shrub estimation (fraction between LAI_1_5_m and LAI). Logistic regression (LOGIT) and Random Forest (RF) algorithms were compared and RF achieved better accuracy after the 10-fold cross-validation. Adding LiDAR data resulted non significance, and the best adjustment for RF method used wood volume, annualized total precipitation, distance to urban areas, distance to settlements and rural population. The model predictive performance was evaluated by computing the specificity (correct classification of areas with fire registry) and performance (correct classification of areas predicted as burned). The best model yelds specificity and performance of 77%. Among the predictive variables, the one that presented the greatest importance was the annualized total precipitation. The predictive fire scars model had its classification based on three classes: Fire, Harvest / BareLand and Plantation. The adjustment used as predictive variables, 16 multispectral metrics, derived from the RapidEye sensor, and 29 ALS metrics. The spatial resolution of the predictions is 5m. The algorithms Support Vector Machine (SVM) and Random Forest were used as classification techniques, and, after the 10-fold cross-validation RF reached the best tune. In this case, combining ALS metrics to the scenario that used only multispectral data, the sensitivity increased for vegetation structure, verified for the \"Fire\" and \"Plantation\" classes, and improved the prediction accuracy from 94% to 97%, and the kappa index from 90% to 95%. Red band and NDVI were the dominant factors from RapidEye to predict fire scars pixels, and variables related to canopy cover and canopy density were the most important variables from the ALS data. The generated models are useful for forest managers, as they allow better planning of fire-fighting operations, and may even reduce operating costs due to better logistics efficiency.

Submitted by Filipe dos Santos (fsantos@pucsp.br) on 2018-12-14T11:45:48Z No. of bitstreams: 1 Lenilson Lemos Vilas Boas.pdf: 4297593 bytes, checksum: 1aa03b41410e014c8021095ee73b5e7b (MD5) / Made available in DSpace on 2018-12-14T11:45:48Z (GMT). No. of bitstreams: 1 Lenilson Lemos Vilas Boas.pdf: 4297593 bytes, checksum: 1aa03b41410e014c8021095ee73b5e7b (MD5) Previous issue date: 2018-11-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Systems that use Computer Vision Application Program Interfaces (APIs) can learn and identify patterns and thus perform associations to retrieve additional data. They are able to obtain results much faster than any human agent is. The study uses three computational vision APIs and evaluates their application in the identification of four plant leave diseases. Based on a corpus of fifty images, the API training was conducted in two stages, the first with thirty images and the second training with twenty more images. After the two trainings, the results of the diseases were collected for each API studied, which made it possible to evaluate the identification capacity and its evolution of learning after each training. The results corroborated the hypothesis. They gave evidence of the feasibility of identification of plant leaf diseases by means of computer vision APIs / Sistemas que utilizam APIs (Interfaces de Programação de Aplicação) de visão computacional têm a capacidade de aprender e identificar padrões, e assim realizar associações com outros resultados, sendo capaz de apresentar resultados mais rápidos do que uma pessoa. O trabalho identificou três APIs de visão computacional e avaliou sua aplicação na identificação de doenças em folhas de plantas, comparando os resultados de quatro diferentes doenças de plantas. Os treinamentos das APIs foram realizados em duas etapas, sendo o primeiro treinamento com uma quantidade de imagens e o segundo treinamento adicionando mais imagens. Após os dois treinamentos foram coletados os resultados das doenças para cada API estudada, sendo possível avaliar a capacidade de identificação e sua evolução de aprendizado após cada um dos treinamentos. Os resultados obtidos corroboram as expectativas, apontando para a viabilidade de identificação de doenças em folhas de plantas através de APIs de visão computacional

Correias transportadoras têm sido utilizadas como um modo eficiente de transporte de materiais por diversos ramos da indústria. A vida útil desse equipamento é influenciada pelo desgaste natural ocasionado pelo uso excessivo e falhas, tais como rasgos, cortes e perfurações. Nesse trabalho, é proposto um método de identificação de falhas em correia transportadora por meio de processamento digital de imagens, combinadas com técnicas de escaneamento 3D a laser e aprendizado de máquinas (redes neurais e SVM (Support Vector Machine - Máquina de Vetores de Suporte)). A averiguação experimental foi efetuada em duas etapas: a primeira etapa inicia-se com a aquisição, o pré-processamento e a geração do banco de imagens; a segunda, com a extração e a classificação das amostras. O vetor de características foi submetido a dois classificadores: rede neural do tipo Perceptron Múltiplas Camadas (com 15 topologias candidatas) e um classificador SVM, variando sua função kernel: linear, quadrática, polinomial, gaussiano, RBF (Radial-Basis Function - Função de Base Radial) e MLP (Multilayer Perceptron – Perceptron Múltiplas Camadas). Os resultados experimentais mostram que a metodologia proposta obtém uma boa acurácia na estimação das falhas, mostrando-se promissora na tarefa de diagnosticar e classificar falhas em correias transportadoras. / Conveyor belts have been used as an efficient way of transporting materials by various industry branches. This equipment\'s lifespan is influenced by natural wear caused by overuse and flaws, such as tears, cuts, and perforations. This work proposes a method of identifying flaws in the conveyor belt using digital image processing, combined with 3D laser scanning techniques and machine learning (neural networks and SVM - Support Vector Machine). The experimental investigation has been carried out in two stages: the first stage begins with the acquisition, preprocessing, and generation of an image bank; the second, with the extraction and classification of the samples. The characteristic\'s vector has been submitted to two classifiers: Multi-Layer Perceptron neural network (with 15 candidate topologies) and an SVM classifier, varying its kernel function: linear, quadratic, polynomial, Gaussian, RBF (Radial-Basis Function) and MLP (Multilayer Perceptron). The experimental results show that the proposed methodology obtains a good accuracy in the failure estimation, being promising in the task of diagnosing and classifying flaws in conveyor belts.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2017-12-20T16:43:33Z No. of bitstreams: 1 felipeleitefagundes.pdf: 505347 bytes, checksum: 828890d64eac8d09b9c56eb30e6505df (MD5) / Rejected by Adriana Oliveira (adriana.oliveira@ufjf.edu.br), reason: Favor corrigir Métricas e Função no título para minúsculas on 2017-12-21T11:00:24Z (GMT) / Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2017-12-21T11:56:28Z No. of bitstreams: 1 felipeleitefagundes.pdf: 505347 bytes, checksum: 828890d64eac8d09b9c56eb30e6505df (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-12-22T12:00:32Z (GMT) No. of bitstreams: 1 felipeleitefagundes.pdf: 505347 bytes, checksum: 828890d64eac8d09b9c56eb30e6505df (MD5) / Made available in DSpace on 2017-12-22T12:00:32Z (GMT). No. of bitstreams: 1 felipeleitefagundes.pdf: 505347 bytes, checksum: 828890d64eac8d09b9c56eb30e6505df (MD5) Previous issue date: 2017-08-31 / A utilização de diferentes métricas em algoritmos de aprendizado de máquinas pode mudar completamente os resultados de análises realizadas em bases de dados. Variar as maneiras de medir distâncias ou similaridades dos dados pode gerar reflexos para a captura de informações dessas bases e, com isso, influenciar diretamente a tomada de decisões. Neste sentido, métodos de aprendizagem de métricas têm sido abordados e aplicados em diversos ramos das pesquisas que manipulam bases de dados, com a finalidade de encontrar métricas mais adequadas para soluções de problemas de análise de cluster, classificação, mineração de dados, dentre outros relacionados ao reconhecimento de padrões de dados. O método de aprendizado de métricas utilizado como base deste trabalho foi originalmente formulado como um problema de otimização, com o objetivo de minimizar um conjunto parametrizado de distâncias de Mahalanobis. No método original é necessário estabelecer uma lista com pares de vetores similares ou dissimilares, que possibilitam a correção dos parâmetros para medição das distâncias. Já neste trabalho é proposto um novo método, que não necessita da comparação par a par entre vetores, mas apenas da comparação de distâncias de cada vetor do conjunto de treinamento com dois centroides: o definido pelo algoritmo Seeded k-means e o definido por um especialista como sendo um centroide esperado. A distância entre o vetor e os dois centroides é usada como fator global de correção dos parâmetros para medição das distâncias. Os novos parâmetros para medição de distâncias alteram a forma como os vetores são agrupados, melhorando sensivelmente os resultados em relação à métrica Euclideana. A maior contribuição deste estudo foi a formulação de um método para aprendizado desses parâmetros que reduzisse a complexidade em tempo em relação a outros métodos de aprendizado propostos na literatura, denominado MAP – Método de Aprendizado de Parâmetros. O MAP demonstrou melhoras significativas para problemas de classificação em diversas bases de dados do UCI Machine Learning Repository com métricas aprendidas em conjuntos de treinamento. / The use of different metrics in machine learning algorithms is able to change the results of analyzes carried out in databases. By varying how to measure distances or data similarities we can generate reflexes for information capture, which can influence the decision-making. In this sense, metric learning methods have been approached and applied in several branches of the research in the world, in order to find better metrics for problems of cluster analysis, classification, data mining, among others related data pattern recognition. The metric learning method used as the basis of this work was ori-ginally formulated as an optimization problem, in order to minimize a parameter set of Mahalanobis distances. In the original method, it is necessary to define a list of similar or dissimilar vectors pairs, which allow the correction of the distance measurement pa-rameters. In this work, a new method is proposed, which does not require the pairwise comparison, but only the distance comparison from each vector of a training set to two points: one defined by the Seeded k-means and other defined by an expert as being an expected centroid. The distance between the vector and the two centroids is used as correction factor of the parameters for measuring distances. The new learned parame-ters for distances measurement can change the clusters improving the results compared to the Euclidean metric. The major contribution of this study was the formulation of a method to learn these parameters that reduces the complexity in time if compared to other methods proposed in the literature. The proposal of PLM – Parameter Learning Method – have been demonstrated significant improvements in classification problems for several UCI Machine Learning Repository databases.

Orientador: Lucilene Arilho Ribeiro Bicudo / Resumo: A Síndrome de Microdeleção 22q11 (SD22q11), causada por uma deleção de aproximadamente 3Mb na região 22q11, apresenta uma frequencia média de 1 em 4000 a 9800 nascidos vivos sendo considera a síndrome de microdeleção mais frequente e a segunda causa mais comum de atraso no desenvolvimento e de doença congênita grave, após a síndrome de Down. De acordo com o tamanho e a localização da deleção, diferentes genes podem ser afetados e o principal gene considerado como responsável pelos sinais clássicos da síndrome é o TBX1. A SD22q11 caracteriza-se por um espectro fenotípico bastante amplo, com efeitos pleiotrópicos que resultam no acometimento de praticamente todos os órgãos e/ou sistemas, altamente variáveis com mais de 180 sinais clínicos já descritos, tanto físicos como comportamentais. Nesse trabalho aplicamos ferramentas de bioinformática com o intuito de descobrir padrões clínicos e sistêmicos da deleção 22q11, classificando casos sindrômicos em típicos e atípicos e estudando o impacto da deleção em redes de interação proteína-proteína (PPI). Para avaliação dos sinais clínicos que pudessem diferenciar pacientes sindrômicos foi aplicado uma metodologia baseada em aprendizado de máquina para classificar os casos em típico e atípico de acordo com os sinais clínicos através do algoritmo J48 (um algoritmo de árvore de decisão). As árvores de decisão selecionadas foram altamente precisas. Sinais clínicos como fissura oral, insuficiência velofaríngea, atraso no desenvolvimento de ... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The 22q11 Microdeletion Syndrome (22q11DS), caused by a deletion of approximately 3Mb in the 22q11 region, has an average frequency of 1 in 4000 to 9800 live births and is considered the most frequent microdeletion syndrome and the second most common cause of developmental delay and severe congenital disease after Down syndrome. According to the size and location of the deletion, different genes may be affected and the main gene considered to be responsible for the classic signs of the syndrome is TBX1. 22q11DS is characterized by a very broad phenotypic spectrum with pleiotropic effects that result in the involvement of variable organs and/or systems with more than 180 clinical signs already described, both physical and behavioral. In this work, we applied bioinformatics tools to detect clinical and systemic patterns of 22q11 deletion, classifying typical and atypical syndromic cases, and studying the impact of deletion on protein-protein interaction (PPI) networks. To evaluate clinical signs that could differentiate syndromic patients, a machine-learning based methodology was used to classify the cases into typical and atypical according to the clinical signs through the algorithm J48 (a decision tree algorithm). The selected decision trees were highly accurate. Clinical signs such as oral fissure, velopharyngeal insufficiency, speech and language development delay, specific learning disability, behavioral abnormality and growth delay were indicative for case classification... (Complete abstract click electronic access below) / Mestre

O objetivo deste trabalho é estudar como a distribuição de investidores entre aleatórios, grafistas, fundamentalistas e híbridos afeta a dinâmica de um mercado de ações representada por fatos estilizados. Para realização desse trabalho, foi desenvolvido um simulador de mercado de ações baseado em agentes, no qual são incorporadas regras e características do mercado de ações da BM&FBOVESPA. Os agentes grafistas, fundamentalistas e híbridos aprendem com a experiência. O simulador foi executado um número de vezes para diversas distribuições de perfis e os resultados foram analisados com o objetivo de identificar relações entre tais distribuições e os fatos estilizados estudados / The objective of this work is to study how the distribution of investors among random, chartists, fundamentalists and hybrids affects the dynamics of a stock market represented by stylized facts. To carry out this work, we developed a stock market simulator based on agents, which incorporates rules and characteristics of the BM&FBOVESPA stock market. Chartists, fundamentalists and hybrids agents can learn from experience. The simulation was performed a number of times for various profiles distributions and the results were analyzed in order to identify relationships between these distributions and the stylized facts studied

O objetivo deste trabalho é estudar como a distribuição de investidores entre aleatórios, grafistas, fundamentalistas e híbridos afeta a dinâmica de um mercado de ações representada por fatos estilizados. Para realização desse trabalho, foi desenvolvido um simulador de mercado de ações baseado em agentes, no qual são incorporadas regras e características do mercado de ações da BM&FBOVESPA. Os agentes grafistas, fundamentalistas e híbridos aprendem com a experiência. O simulador foi executado um número de vezes para diversas distribuições de perfis e os resultados foram analisados com o objetivo de identificar relações entre tais distribuições e os fatos estilizados estudados / The objective of this work is to study how the distribution of investors among random, chartists, fundamentalists and hybrids affects the dynamics of a stock market represented by stylized facts. To carry out this work, we developed a stock market simulator based on agents, which incorporates rules and characteristics of the BM&FBOVESPA stock market. Chartists, fundamentalists and hybrids agents can learn from experience. The simulation was performed a number of times for various profiles distributions and the results were analyzed in order to identify relationships between these distributions and the stylized facts studied

Orientador: Janito Vaqueiro Ferreira / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-24T20:57:24Z (GMT). No. of bitstreams: 1 CastanedaJimenez_GermanEfrain_M.pdf: 6173136 bytes, checksum: 10447f1e90575f51111560bad8f24df0 (MD5) Previous issue date: 2014 / Resumo: Na indústria do petróleo é comum à utilização de bombas centrífugas submersas (BCS) operando em escoamento multifásico líquido-gás. A presença de elevadas vazões de gás causam uma degradação severa no desempenho da bomba, gerando instabilidades nas curvas de pressão-vazão, como o `surging¿ e o `gas locking¿. Portanto o conhecimento destas instabilidades é fundamental para a adequada operação da bomba e assim evitar falhas prematuras no equipamento. Na atualidade não existem modelos matemáticos que representem de forma adequada o comportamento da BCS na região de `surging¿ e no `gas locking¿, gerando a necessidade de empregar circuitos de testes para fazer o levantamento das curvas de desempenho das bombas. A maioria dos circuitos de testes é operada de forma manual para obter às condições de operação da bomba, tornando os ensaios repetitivos, cansativos e trabalhosos. Por isto nasce a necessidade de automatizar estas bancadas com a finalidade de facilitar o processo do levantamento das curvas de desempenho das bombas. Este trabalho apresenta o projeto e simulação de um controle robusto tipo H_? que permita manter o escoamento multifásico na entrada de uma BCS em diferentes condições de operação da bomba. Este controlador é projetado a partir de um circuito de testes para BCS virtual que é modelado empregando formulações físicas e modelos ajustados mediante dados experimentais usando algoritmos de aprendizagem de máquinas baseados em máquinas de suporte vetorial para regressão (SVMr). Após o projeto de controle, o controlador projetado é testado no circuito de testes virtual mediante simulações em tempo real `software in the loop¿ (SIL) / Abstract: In the oil industry, it is common to use electrical submersible pumps (ESP) operating with gas -liquid multiphase flow. The presence of high gas flows cause severe degradation in performance of the pump, generating instabilities in the flow-pressure curves, as "surging" and "gas locking". Therefore knowledge of these instabilities is essential for the proper functioning of the pump and thereby prevents premature failure of the equipment. Currently there are no mathematical models that adequately represent the behavior of the EPS in the region of "surging" and "gas locking", creating the need to use test circuits to make a study of the performance curves of the pumps. Most test circuits are operated manually to reach the operating conditions of the pump, making repetitive, tedious and laborious trials. Therefore there is a need to automate these circuits in order to facilitate the process of obtaining the performance curve of the pump. In this paper the project and simulation of a robust control type H_? for keeping the multiphase flow in the entrance of a EPS operating at different conditions is performed. This controller is designed based on a test circuit virtual for EPS which is modeled using physical formulations and adjusted models obtained by experimental data using machine learning algorithms based on support vector machines for regression (SVMR). After the controller design, the control is tested in the virtual test circuits using simulations in real time "software in the loop" (SIL) / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica

Submitted by Adriana Martinez (amartinez@unoeste.br) on 2017-08-03T20:13:27Z No. of bitstreams: 1 Jamile Tomiazzi.pdf: 1140169 bytes, checksum: 85ab1353f7aab9dbdd62efcda0bc0e0c (MD5) / Made available in DSpace on 2017-08-03T20:13:27Z (GMT). No. of bitstreams: 1 Jamile Tomiazzi.pdf: 1140169 bytes, checksum: 85ab1353f7aab9dbdd62efcda0bc0e0c (MD5) Previous issue date: 2017-03-27 / The growing increase in the use of agrochemicals by small and large rural producers has generated environmental impacts and in the health of the exposed population. Another relevant public health problem, whose adverse effects have been widely documented, is smoking. Studies have indicated that isolate exposure to these xenobiotics can lead to ototoxicity and genotoxicity. Thus, the objective of this study was to evaluate the possible auditory and cytogenetic alterations in rural workers exposed to smoking and agrochemicals in isolation or in combination and to identify possible classification patterns of exposure groups. Were evaluated 127 workers of both sexes, with ages ranging from 18 to 39 years, divided into four groups: Control Group - CG; Group exposed to smoking - GT; Group exposed to agrochemicals - GA and Group exposed to the association between smoking and agrochemicals - GTA. Initially, a questionnaire was used to measure the exposure to the study compounds and general and auditory health. Auditory examinations (meatoscopy, conventional and high-frequency audiometry, logoaudiometry and imitanciometry) and cytogenetic evaluation (from cells of the bucal mucosa, stained by Giemsa method) were performed. The data were evaluated by the following pattern recognition algorithms Artificial Neural Network (ANN), Bayes Classifier (BAY) and Support Vector Machine (SVM). The results of the audiological evaluation demonstrated a lowering of high frequency thresholds, a higher incidence of descending type, type A tympanometry and absence of reflex of the stapedic muscle in the three exposed groups (GT, GA and GTA). In addition, these groups showed an increase in the total number of nuclear alterations and in the number of micronuclei, binucleate cells, karyotype, karynx, pycnotic cells and nuclear bud. The computational analysis did not recognize the GTA group as a real value, as with GT and GA in relation to GC, in which the data were distributed with standard and correctly classified. Therefore, it was concluded that exposure to agrochemicals and cigarettes, in isolation or in combination, has been shown to be potentially ototoxic and genotoxic. However, the concomitant use of xenobiotics did not lead to additive or potentiating effect. / O crescente aumento do uso de agroquímicos por pequenos e grandes produtores rurais tem gerado impactos ambientais e à saúde da população exposta. Outro problema relevante de saúde pública, cujos efeitos adversos têm sido amplamente documentados, é o tabagismo. Estudos têm indicado que a exposição isolada a estes xenobióticos pode levar a ototoxicidade e genotoxicidade. Assim, o objetivo deste estudo foi avaliar as possíveis alterações auditivas e citogenéticas de trabalhadores rurais expostos ao tabagismo e aos agroquímicos de maneira isolada ou em combinação e identificar possíveis padrões de classificação dos grupos de exposição. Foram avaliados 127 trabalhadores de ambos os sexos, com faixa etária de 18 a 39 anos, divididos em quatro grupos: Grupo Controle – GC; Grupo exposto ao tabagismo – GT; Grupo exposto a agroquímicos – GA e Grupo exposto à associação entre tabagismo e agroquímicos - GTA. Inicialmente foi aplicado um questionário, para coleta de dados sobre a exposição aos compostos de estudo e saúde geral e auditiva. Em seguida, foram realizados exames auditivos (meatoscopia, audiometria convencional e de alta frequência, logoaudiometria e imitânciometria) e avaliação citogenética (a partir de células da mucosa bucal, coradas pelo método Giemsa). Os dados foram avaliados pelos seguintes algoritmos de reconhecimento de padrões: Artificial Neural Network (ANN), Bayes Classifier (BAY) e Support Vector Machine (SVM). Os resultados da avaliação audiológica demonstraram rebaixamento de limiares auditivos em alta frequência, maior incidência de curva do tipo descendente, timpanometria tipo A e ausência de reflexo do músculo estapédico nos três grupos expostos (GT, GA e GTA). Além disso, nestes grupos foi observado aumento do número total de alterações nucleares e no número de micronúcleos, células binucleadas, cariólise, cariorréxis, células picnóticas e broto nuclear. A análise computacional não reconheceu o grupo GTA como um valor real, como ocorreu com GT e GA em relação ao GC, onde os dados foram distribuídos com padrão e classificadas corretamente. Diante disso, concluiu-se que a exposição a agroquímicos e cigarro, de maneira isolada ou em combinação, demonstrou ser potencialmente ototóxica e genotóxica. No entanto, o uso concomitante dos xenobióticos não levou a efeito aditivo ou de potencialização.