This work took place a procedure for processing the data fluxes measured by a system eddy covariance in an experimental site with representative vegetation of the Pampa biome in conjunction with measures of a meteorological station for the period 2013-11-20 to 2015-09-07. From this set of data was performed an analysis of the seasonality of surface energy fluxes and meteorological variables. The results showed that the application of different methods of corrections for the calculation of energy fluxes produces fluxes with different quality levels in relation to the energy balance closure (EBC). The slope varies up to 20% due to different combinations of corrections applied in the processing of data for calculating the average within a 30 minute interval. The correction options that showed greater sensibility were the time constant and the method of removing the turbulent fluctuations. By the diagnosis EBC has found that the change of IRGA closed path to open path improved to about 12% of the EBC, indicating a deficiency of IRGA closed path. It was also verified that the soil term (flow and storage) increased by ~ 4% EBC, indicating its importance for the natural pasture energy balance. Due to non-closure of the energy balance observed in most studies, and this also, a new method of post-closure of the energy balance was proposed, simple but careful because it is based on the quality of classification of energy fluxes (H and LE). The objective of the method is to generate a corrected series of fluxes, it is important for the calibration and validation surface models. In relation to energy partition, evapotranspiration (ET) was the predominant component, with a Fev = 61% of the available radiation and β = 51%. It varies from ~ 4 mm d-1 in the summer to ~ 1 mm d-1 in winter and is mainly controlled by atmospheric forcing (Rn, DPV, Tar) which determined its seasonal variation. In winter, its reduction was also associated with low photosynthetic activity of the vegetation. The daytime average albedo of natural grasslands of Rio Grande do Sul was 18%, with little seasonal variation. Finally, it is here suggested the inclusion of the procedures carried out in this work for the processing of data from the experimental sites SULFLUX. / Neste trabalho realizou-se um procedimento para o processamento dos dados de fluxos medidos por um sistema de covariância dos vórtices turbulentos em um sítio experimental com vegetação representativa do bioma Pampa, em conjunto com medidas de uma estação meteorológica para o período de 20/11/2013 a 07/09/2015. A partir deste conjunto de dados foi realizada uma análise da sazonalidade dos fluxos superficiais de energia e das variáveis meteorológicas. Os resultados mostraram que a aplicação de diferentes métodos de correções para o cálculo dos fluxos de energia produz fluxos com diferentes níveis de qualidade em relação ao fechamento do balanço de energia (FBE). O coeficiente angular (CA) variou até 20% em razão das diferentes combinações de correções aplicadas no processamento dos dados para o cálculo das médias num intervalo de 30 minutos. As opções de correção que mostraram maior sensibilidade foram a constante de tempo e o método de remoção das flutuações turbulentas. Pelo diagnóstico do FBE constatou-se que a mudança de IRGA caminho fechado para caminho aberto melhorou cerca de 12% o FBE, indicando alguma deficiência do IRGA caminho fechado. Também foi verificado que o termo de solo (fluxo e armazenamento) aumentou ~4% o FBE, indicando sua importância para o balanço de energia de pastagem natural. Em virtude do não fechamento do balanço de energia observado na maioria dos estudos, e neste também, foi proposto um novo método de pós-fechamento do balanço de energia, simples, mas criterioso, pois se baseia na classificação de qualidade dos fluxos de energia (H e LE). O objetivo do método é gerar uma série de fluxos corrigidas, importante para a calibração e validação de modelos de superfície. Em relação à partição da energia, a evapotranspiração (ET) foi a componente predominante, com uma Fev = 61% da radiação disponível e β = 51%. Ela variou de ~4 mm d-1 no verão para ~1 mm d-1 no inverno, sendo controlada principalmente pelas forçantes atmosféricas (Rn, DPV, Tar) que determinaram a sua variação sazonal. No inverno, a sua redução foi associada também a baixa atividade fotossintética da vegetação. O albedo médio diurno da pastagem natural do Rio Grande do Sul foi 18%, com pouca variação sazonal. Por fim, fica sugerido aqui a inserção dos procedimentos realizados neste trabalho para o processamento de dados dos sítios experimentais da SULFLUX.

Made available in DSpace on 2015-03-26T13:42:26Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1374116 bytes, checksum: ec67cf5421d0b5a96e6d3df6a4e026a0 (MD5) Previous issue date: 2012-07-16 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / A total of 17,356 test-day records from 642 first lactations of Alpine goats and 13,278 records of 470 Saanen goats from the herd of Universidade Federal de Viçosa were used in this study. The objective was to model variations in test-day milk yield during the first lactation of Alpine and Saanen goats by random regression model (RRM), using orthogonal Legendre polynomials and B-splines in order to obtain adequate and parsimonious models for the estimation of genetic parameters. The analyses were performed using a single-trait RRM, including the direct additive, permanent environmental and residual random effects. In addition, contemporary group, type of kidding, genetic grouping, kidding order and linear and quadratic effects of the age of goat at calving were included as fixed effects. The mean trend of milk yield, and the additive genetic and permanent environmental covariance functions were estimated by random regression using different orders of orthogonal Legendre polynomial (3 to 6) and on B-spline functions (linear, quadratic and cubic, with 3 to 6 knots) and was evaluated different number of classes of residual variances. The criteria for selection of the models were the logarithm of restricted maximum likelihood function, Akaike information criterion, Bayesian information criterion and the Likelihood Ratio Test (LRT). The covariance components and the genetic parameters were estimated by the restricted maximum likelihood method. The program WOMBAT was used in all genetic analysis. Heritability estimates presented similar trends for the both functions and the estimates were different for Alpine and Saanen breeds. RRM s with a higher number of parameters were more useful to describe the genetic variation of test-day milk yield throughout the lactation. The most suitable RRM for genetic evaluation of PLDC of Alpine goat breed is a quadratic B-spline function, with six knots, to the mean trend and curves of additive genetic effects, permanent environmental effects and five classes of residual variance. The most recommendable RRM for genetic evaluation of PLDC Saanen goat breed is a cubic B-spline function, with six knots, to all curves and five classes of residual variances. / Foram analisados 17.356 registros de produção de leite no dia do controle (PLDC) de 642 primeiras lactações de cabras da raça Alpina e 13.278 registros de 470 cabras da raça Saanen do rebanho da Universidade Federal de Viçosa. O objetivo foi modelar variações na PLDC durante a primeira lactação de cabras das raças Alpina e Saanen através de modelos de regressão aleatória (MRA), usando polinômios ortogonais de Legendre e B-splines para a obtenção de modelos mais parcimoniosos e adequados para a estimativa de parâmetros genéticos. As análises foram realizadas usando um MRA unicaracterístico, incluindo os efeitos aleatórios aditivo direto, ambiente permanente e residual. Além disso, o grupo contemporâneo, tipo de parto, agrupamento genético, e os efeitos linear e quadrático da idade da cabra ao parto foram incluídos como efeitos fixos. A curva média de produção de leite, e as funções de covariâncias dos efeitos genético aditivo e de ambiente permanente foram estimados por regressão aleatória utilizando polinômios ortogonais de Legendre de várias ordens (3 a 6) e funções B-spline (linear, quadrática e cúbica, com 3 a 6 nós). Além disso, foram avaliados números diferentes de classes de variâncias residuais. Os critérios para seleção dos modelos foram o logaritmo da função de máxima verossimilhança restrita, critério de informação de Akaike, critério de informação Bayesiano e o Teste da Razão de Verossimilhança (TRV). Os componentes de covariância e os parâmetros genéticos foram estimados pelo método da máxima verossimilhança restrita. O programa WOMBAT foi utilizado em todas as análises genéticas. As estimativas de herdabilidade apresentaram tendências semelhantes para ambas as funções e as estimativas foram diferentes para as raças Alpina e Saanen. Os modelos com um maior número de parâmetros foram mais eficazes para descrever a variação genética de PLDC ao longo da lactação. O MRA mais adequado para avaliação genética da PLDC de caprinos da raça Alpina é uma função B-spline quadrática, com seis nós, para a curva média e para as curvas de efeitos genéticos aditivos e de ambiente permanente e cinco classes de variância residual. O MRA mais recomendável para a avaliação genética da PLDC de caprinos da raça Saanen é uma função B-spline cúbica, com seis nós e cinco classes de variância residual, para todas as curvas.

No description available.

Orientador: Rubén Romero Lázaro / Resumo: Neste trabalho apresenta-se uma versão especializada da meta-heurística Algoritmo dos Fogos de Artifício de Busca Dinâmica com Mutação de Covariância (AFABDMC) para resolver o problema de Fluxo de Potência Ótimo (FPO) em sistemas de transmissão. No algoritmo proposto consideram-se como variáveis contínuas de controle a magnitude da tensão e a geração de potência ativa nas barras de geração e como variáveis de controle discretas o estado de operação dos shunts e a posição do comutador de taps em transformadores. Assim, o modelo para o problema é de Programação Não-Linear Inteira Mista (PNLIM). A estratégia de resolução adotada consiste em controlar, em cada iteração, os valores das variáveis de controle discretas utilizando-se a meta-heurística AFABDMC e a partir desses valores escolhidos pela meta-heurística, resolver um problema de Programação Não-Linear (PNL) que fornece os valores das variáveis de controle contínuas junto com o estado de operação do sistema. A meta-heurística AFABDMC foi escrita em linguagem MATLAB e o modelo do problema em AMPL. Os subproblemas de PNL foram resolvidos utilizando-se o solver KNITRO, sendo que a interface entre o MATLAB e o AMPL foi feita utilizando-se o AMPL API. Foram realizados testes com os sistemas IEEE de 14, 30, 57 e 118 barras e os resultados indicam que a metodologia proposta é capaz de encontrar soluções de muito boa qualidade para o problema. / Abstract: In this work, a new specialized metaheuristic based on the Dynamic Search Fireworks Algorithm with Covariance Mutation (DSFWACM) is applied on the Optimal Power Flow (OPF) problem in transmission systems. In the proposed method, generator bus voltage magnitudes and active power generation are considered as continuous variables and the operating state of the shunts and transformer taps settings are considered as discrete variables. Thus, the model is a Mixed-Integer Nonlinear Programming (MINLP) problem. The adopted resolution strategy is to control, in each iteration, the value of the discrete control variables using the DSFWACM metaheuristic and from the metaheuristic’s chosen values, solve the Nonlinear Programming (NLP) problem that provides the values of the continuous control variables along with the system’s operation state. The DSFWACM metaheuristic was written in MATLAB and the problem model in AMPL. The NLP sub-problems were solved using the KNITRO solver, and the interface between MATLAB and AMPL was implemented using the AMPL API. Tests were conducted with the IEEE 14, 30, 57 and 118-bus systems and the results show that the proposed method is able to find high quality solutions to the problem. / Mestre

Resumo: Para o presente estudo foram utilizadas 3.202 primeiras lactações, de vacas da raça Holandesa pertencentes a quatro fazendas da região Sudeste, registradas semanalmente, com o objetivo de verificar a influência da estrutura de dados de produção de leite no decorrer da lactação, sobre os parâmetros genéticos estimados por modelos de regressão aleatória. Foram testados quatro arquivos contendo estruturas diferentes de dados. O arquivo de controles semanais (CS) contava com 122.842 controles, o arquivo mensal (CM) com 30.883 controles, o bimestral (CB) com 15.837 controles, e por fim, o arquivo de controles trimestrais (CT) continha de 12.702 controles. O modelo utilizado foi o de regressão aleatória, e como aleatórios foram considerados os efeitos genético aditivo e o de ambiente permanente de animal. A ordem das funções de covariância para estes dois efeitos foi de sexta ordem para efeito genético aditivo e de sétima ordem para o efeito de ambiente permanente, com variâncias residuais heterogêneas a estrutura de variâncias residuais foi modelada por meio de uma "step function" O modelo teve como efeito fixo os grupos de contemporâneos (GC) comuns para todos os arquivos de dados. Os GC foram compostos por fazenda, mês e ano do controle,e como co-variável a idade da vaca ao parto (regressão linear e quadrática) e o número de dias em lactação (regressão fixa para a média populacional). Todos os arquivos de dados estudados foram analisados incluindo arquivo de genealogia composto por 4.380 animais com 3202 mães e 228 touros. As estimativas de herdabilidades para produção de leite apresentaram tendências semelhantes entre os arquivos de dados analisados, com maior semelhança entre os bancos CS, CM e CB. As estimativas de herdabilidade para produção de leite no dia do controle (PLDC) do banco CT apresentou pequenas diferenças, em relação aos demais... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: To this study the first 1293 Holstein dairy lactation registered weekly were used, having cows belonging to four farms in the Southeast region of Brazil, aiming verify the milk production data structure influence during lactation under genetic parameters estimated by random regression models. Four files with different data structures were tested. The week control files (CS) counted with 122,842 controls; the month files (CM), 30,883 controls; the bimestrial (CB) had 15,837 controls and finally the quarterly (CT) had 12,702 controls. It was used the random regression model and, as random, the genetic additive and the animal permanent environmental effects were considered. The covariance function to these two effects was the sixth grade to the genetic effect additive and the seventh grade to the permanent environmental effect, having heterogeneous residual variances, and the residual variance structure was modeled by a "step function". The model had as the fixed effect the contemporaneous groups (GC) commons to all data set, GC were compounded by farm, month, and year of control. The co-variable was the cow age at birth (linear and quadratic regression) and the milking days (fixed regression to the population average). All evaluated data files presented genealogy file composed by 4,380 animals having 1,416 mothers and 228 bulls. The estimate of heritability presented tendencies similar among the analyzed data, having the higher similarity CS, CM and CB. The CT presented small differences in the estimate of heritability when compared to the others. The CB data file presented all the analyzed genetic parameters estimative with the same tendency and magnificence of the CS and CM, allowing the milk control in a CB structure, random regression model in genetic evaluations speaking. The genetic values (VG) to partial milking period production were predicted (MRA100, MRA200, MRA300 e MRA90_305) ...(Complete abstract click electronic access below) / Orientadora: Lucia Galvão de Albuquerque / Coorientadora: Lenira El Faro Zadra / Banca: Danísio Prado Munari / Banca: Humberto Tonhati / Banca: Maria Eugênia Zerlotti Mercadante / Banca: Claudia Cristina Paro de Paz / Doutor

abstract: Distributed inference has applications in a wide range of fields such as source localization, target detection, environment monitoring, and healthcare. In this dissertation, distributed inference schemes which use bounded transmit power are considered. The performance of the proposed schemes are studied for a variety of inference problems. In the first part of the dissertation, a distributed detection scheme where the sensors transmit with constant modulus signals over a Gaussian multiple access channel is considered. The deflection coefficient of the proposed scheme is shown to depend on the characteristic function of the sensing noise, and the error exponent for the system is derived using large deviation theory. Optimization of the deflection coefficient and error exponent are considered with respect to a transmission phase parameter for a variety of sensing noise distributions including impulsive ones. The proposed scheme is also favorably compared with existing amplify-and-forward (AF) and detect-and-forward (DF) schemes. The effect of fading is shown to be detrimental to the detection performance and simulations are provided to corroborate the analytical results. The second part of the dissertation studies a distributed inference scheme which uses bounded transmission functions over a Gaussian multiple access channel. The conditions on the transmission functions under which consistent estimation and reliable detection are possible is characterized. For the distributed estimation problem, an estimation scheme that uses bounded transmission functions is proved to be strongly consistent provided that the variance of the noise samples are bounded and that the transmission function is one-to-one. The proposed estimation scheme is compared with the amplify and forward technique and its robustness to impulsive sensing noise distributions is highlighted. It is also shown that bounded transmissions suffer from inconsistent estimates if the sensing noise variance goes to infinity. For the distributed detection problem, similar results are obtained by studying the deflection coefficient. Simulations corroborate our analytical results. In the third part of this dissertation, the problem of estimating the average of samples distributed at the nodes of a sensor network is considered. A distributed average consensus algorithm in which every sensor transmits with bounded peak power is proposed. In the presence of communication noise, it is shown that the nodes reach consensus asymptotically to a finite random variable whose expectation is the desired sample average of the initial observations with a variance that depends on the step size of the algorithm and the variance of the communication noise. The asymptotic performance is characterized by deriving the asymptotic covariance matrix using results from stochastic approximation theory. It is shown that using bounded transmissions results in slower convergence compared to the linear consensus algorithm based on the Laplacian heuristic. Simulations corroborate our analytical findings. Finally, a robust distributed average consensus algorithm in which every sensor performs a nonlinear processing at the receiver is proposed. It is shown that non-linearity at the receiver nodes makes the algorithm robust to a wide range of channel noise distributions including the impulsive ones. It is shown that the nodes reach consensus asymptotically and similar results are obtained as in the case of transmit non-linearity. Simulations corroborate our analytical findings and highlight the robustness of the proposed algorithm. / Dissertation/Thesis / Ph.D. Electrical Engineering 2013

The main goal of this study is to propose a methodology that measures directed relations between locally stationary processes. Unlike stationary processes, locally stationary processes may present sudden pattern changes and have local characteristics in specific intervals. This behavior causes instability in measures based on Fourier transforms. The relevance of this study relies on considering these processes and propose robust methodologies that are not affected by outliers, sudden pattern changes or local behavior. We start reviewing the Partial Directed Coherence (PDC) and the Wavelet Coherence. PDC measures the directed relation between components of a multivariate stationary Vector Autoregressive (VAR) model in the frequency domain, while Wavelet Coherence is based on complex wavelets decomposition. We then propose a causal wavelet decomposition of the covariance structure for bivariate locally stationary processes: the Directed Wavelet Covariance (DWC). Compared to Fourier-based quantities, wavelet-based estimators are more appropriate for non-stationary processes and processes with local patterns, outliers and rapid regime changes like in EEG experiments with the introduction of stimuli. We then propose its estimators and calculate its expectation and analyze its variance. Next we propose a decomposition for the variance of multivariate processes with more than two components: the Partial Directed Wavelet Covariance (pDWC). Considering a N-variate locally stationary process, the pDWC calculates the Directed Wavelet Covariance of X_1(t) with X_2(t) eliminating the effect of the other components X_3(t), ... ,X_N(t). We propose two approaches to this situation. First we filter the multivariate process to remove all the exogenous influences and then we calculate the directed relation between the components. In the second case, as in Partial Directed Coherence, we consider the multivariate process as a time-varying Vector Autoregressive Model (tv-VAR) and use its coefficients in the decomposition of the covariance function to isolate the effects of the other components. We also compare results of the PDC, Wavelet Coherence and Directed Wavelet Covariance with simulated data. Finally, we present an application of the proposed Directed Wavelet Covariance and Partial Directed Wavelet Covariance on EEG data. Simulation results show that the proposed measures capture the simulated relations. The pDWC with linear filter has shown more stable estimations than the proposed pDWC considering the tv-VAR. Future studies will discuss the DWC\'s and pDWC\'s asymptotic distributions and significance tests. The proposed Directed Wavelet Covariance decomposition is a different approach to deal with non-stationary processes in the context of causality. The use of wavelets is a gain and adds to the number of studies that can be addressed when Fourier transform does not apply. The pDWC is an alternative for multivariate processes and it removes linear influences from observed external components. / O objetivo deste trabalho é propor uma metodologia para mensurar o impacto direcionado entre processos localmente estacionários. Diferente de processos estacionários, processos localmente estacionários podem apresentar mudanças bruscas e características específicas em determinados intervalos. Tal comportamento pode causar instabilidade em medidas baseadas na transformada de Fourier. A importância deste estudo se dá em englobar processos com tais características, propondo metodologias robustas que não são afetadas pela existência de mudanças bruscas, pontos discrepantes e comportamentos locais. Inicialmente apresentamos conceitos já existentes na literatura, como a Coerência Parcial Direcionada (PDC) e a Coerência de Ondaletas. A PDC mede o impacto direcionado entre componentes de um modelo vetorial autoregressivo (VAR) no domínio da frequência. A coerência de ondaletas é baseada em transformadas complexas de ondaletas. Propomos então uma decomposição no domínio de ondaletas para a estrutura de covariância de processos bivariados localmente estacionários: a Covariância Direcionada de Ondaletas (DWC). Em comparação com as quantidades baseadas na tranformada Fourier, os estimadores baseados em ondaletas são mais apropriados para processos não estacionários com padrões locais, pontos discrepantes ou mudanças rápidas de regime, como em experimentos de eletroencefalograma (EEG) com a introdução de estímulo. Ainda, propomos um estimador para a DWC, calculamos a esperança deste estimador e avaliamos sua variância. Em seguida, propomos uma quantidade análoga à DWC para processos multivariados com mais de duas componentes: a Covariância Parcial Direcionada de Ondaletas (pDWC). Considerando um processo N-variado localmente estacionário, a pDWC calcula a Covariância Direcionada de Ondaletas entre X_1(t) e X_2(t) eliminando o efeito das outras componentes X_3(t), ... , X_N(t). Propomos duas abordagens para a pDWC: na primeira, a pDWC é calculada após a aplicação de um filtro linear que remove o efeito das variáveis exógenas. No segundo caso, a exemplo da Coerência Parcial Direcionada, consideramos o processo multivariado como um Modelo Autoregressivo de Vetorial variante no tempo (tv-VAR) e usamos seus coeficientes na decomposição da função de covariância para isolar os efeitos das demais componentes. Também comparamos os resultados da PDC, Coerência de Ondaletas e Covariância Direcionada de Ondaletas com dados simulados. Por fim, apresentamos uma aplicação da DWC e da pDWC em dados de EEG. Identificamos nas simulações que tanto as medidas já existentes na literatura quanto as quantidades propostas identificaram as relações simuladas. A pDWC proposta com filtros lineares apresentou estimações mais estáveis do que a pDWC considerando os modelos tv-VAR. Estudos futuros discutirão as propriedades assintóticas e testes de significância da DWC e pDWC.

Os experimentos agronômicos que envolvem somente um fator longitudinal são bastante comuns. No entanto, existem casos em que as observações são tomadas considerando dois ou mais desses fatores, como nos casos em que são feitas medidas de uma variável resposta em profundidades diferentes ao longo do tempo, por exemplo. Admite-se que essas observações, tomadas de modo sistemático em cada unidade experimental, sejam correlacionadas e as variâncias nos diferentes níveis do fator longitudinal sejam heterogêneas. Com o uso de modelos mistos, essa correlação entre medidas repetidas e a heterogeneidade de variâncias podem ser modeladas convenientemente. Para que esses modelos sejam ajustados a um conjunto de dados envolvendo presença de dois fatores longitudinais, existe a necessidade de se adaptarem algumas estruturas de variâncias e covariâncias que são comuns em experimentos com somente um fator longitudinal. O objetivo do presente trabalho é utilizar a classe dos modelos lineares mistos para estudar a massa seca de raiz no solo de uma plantação de cana-de-açúcar. O experimento foi casualizado em blocos e as parcelas receberam quatro doses de nitrogênio. Foram feitas medidas repetidas ao longo de dois fatores longitudinais, sendo um qualitativo ordinal (profundidades) e um quantitativo (distâncias da linha de plantio). Por meio dos testes de razão de verossimilhanças, de Wald e utilizando os critérios de informação AIC e BIC, selecionou-se uma estrutura de covariâncias parcimoniosa e outra estrutura para explicar o comportamento médio das respostas. A verificação do ajuste foi feita por meio de gráficos de diagnósticos de resíduos. / Agronomic experiments involving only one longitudinal factor are quite common. However, there are cases that the observations are made by considering two or more of these factors such as where measurements are made in a response variable at different depths along the time, for example. It is admitted that these observations, taken in a systematic way in each experimental unit are correlated and variances are heterogeneous in different levels of longitudinal factor. Using mixed models, this correlation between repeated measures and heterogeneity of variances can be modeled conveniently. To fit these models to data set involving presence of two longitudinal factors, there is need to adapt some variance and covariance structures that are common in experiments with only one longitudinal factor. The objective of this work is to use the class of linear mixed models to study the dry root mass in the soil of a plantation of cane sugar. The experiment was the randomized complete blocks design and parcels received four doses of nitrogen. Repeated measurements were made along two longitudinal factors being one ordinal qualitative (depths) and one quantitative (distances from the row). With the aid of likelihood ratio, Wald tests and using the AIC and BIC information criteria, we selected a parsimonious covariance structure and another structure to explain the average behavior of the responses. Checking the fit was made using diagnostic graphics of residuals.

Neste trabalho são apresentadas estratégias para a estimação, em processos químicos, de estados, parâmetros e covariâncias do ruído de processo e das medidas que são testadas com dados experimentais. Para a estimação de estados e parâmetros foram implementadas desde a técnica mais tradicional, o filtro estendido de Kalman (EKF) até as mais modernas da literatura, como o filtro de Kalman Unscented (UKF) e o Moving Horizon Estimator (MHE). A técnica Autocovariance Least-Squares (ALS) permite a estimação das matrizes de covariância do processo e das medidas a partir dos estados medidos dos processos analisados. Três processos foram analisados com as técnicas citadas: a reação de hidrólise de anidrido acético, o aquecimento de um reator de polimerização completamente carregado (sem iniciador) e por fim oito reações diferentes de polimerização em emulsão. Os resultados mostraram que uma sintonia por tentativa e erro para as matrizes de covariância não apresenta um desempenho adequado. Adicionalmente, o UKF mostra um melhor desempenho, quando comparado com o EKF para o monitoramento de processos de polimerização regime em batelada com covariâncias obtidas através de otimização direta. Quando a estimação da covariância com a técnica ALS é implementada e os resultados utilizados em estimadores estocásticos, o desempenho dos estimadores recursivos melhora consideravelmente. Além disso, o MHE mostrou ser uma ferramenta robusta para o monitoramento do coeficiente global de troca térmica (UA) e do calor gerado pela reação para a polimerização em emulsão em regime semi-contínuo. Finalmente, duas características vantajosas da metodologia proposta devem ser destacadas: a independência em relação ao valor inicial para o estado UA e o fato de um único conjunto de matrizes de covariância (quando obtida pela técnica ALS) poder ser utilizado em reações diferentes, sem necessidade de sintonizar novamente as matrizes para cada reação. / In this work, strategies for state, parameter and covariance estimation in chemical processes are presented and tested with experimental data. For state and parameter estimation techniques have been implemented that spread from the traditional Extended Kalman Filter (EKF) to the most modern techniques from literature, such as the Unscented Kalman Filter (UKF) and the Moving Horizon Estimator (MHE). The Autocovariance Least-Squares technique (ALS) allows the covariance matrices of the process and measurement noise to be estimated based on the measured states of the processes analyzed. Three cases were studied using these techniques: the hydrolysis of acetic anhydride, the warming-up stage of a fully charged polymerization reactor (without initiator) to the desired temperature and finally, eight different emulsion polymerization reaction runs. Results showed that determining covariance matrices by trial and error does not lead to an adequate performance. Additionally, the UKF presents a better performance than the EKF for batch polymerization processes with covariance matrices obtained by direct optimization. When the estimation of the covariance is performed by the ALS technique and they are used in a stochastic estimator, the performance of the recursive estimators is considerably improved. Furthermore, the MHE proved to be a robust tool for monitoring the overall heat transfer coefficient (UA) and the heat of reaction for fedbatch emulsion polymerization. Finally, two positive features of the proposed methodology must be highlighted, its low dependency on the initial state condition of UA and the fact that a unique set of covariance matrices (when obtained by the ALS technique) can be used for different reaction runs, without the necessity of tuning the matrices again for each reaction.

Made available in DSpace on 2014-06-12T18:29:15Z (GMT). No. of bitstreams: 2 arquivo4279_1.pdf: 1161561 bytes, checksum: 80aee0b17f88de11dd7d0999ad1594a1 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Esta tese de doutorado trata da realização de inferências no modelo de regressão linear sob heteroscedasticidade de forma desconhecida. No primeiro capítulo, nós desenvolvemos estimadores intervalares que são robustos à presença de heteroscedasticidade. Esses estimadores são baseados em estimadores consistentes de matrizes de covariâncias propostos na literatura, bem como em esquemas bootstrap. A evidência numérica favorece o estimador intervalar HC4. O Capítulo 2 desenvolve uma seqüência corrigida por viés de estimadores de matrizes de covariâncias sob heteroscedasticidade de forma desconhecida a partir de estimador proposto por Qian eWang (2001). Nós mostramos que o estimador de Qian-Wang pode ser generalizado em uma classe mais ampla de estimadores consistentes para matrizes de covariâncias e que nossos resultados podem ser facilmente estendidos a esta classe de estimadores. Finalmente, no Capítulo 3 nós usamos métodos de integração numérica para calcular as distribuições nulas exatas de diferentes estatísticas de testes quasi-t, sob a suposição de que os erros são normalmente distribuídos. Os resultados favorecem o teste HC4