Orientador: Luiz Fernando Costa Nascimento / Banca: Leonardo Mesquita / Banca: Claúdio Ribeiro Aguiar / Resumo: O objetivo deste trabalho foi construir um modelo lingüístico utilizando as propriedades da lógica fuzzy com 4 variáveis de entrada: peso ao nascer, idade gestacional, Apgar, fração inspirada de oxigênio e de saída a variável risco de morte. Foi oferecido uma planilha com dados reais a 4 especialistas para que estes estimassem a possibilidade de óbito. Os valores fornecidos pelos especialistas foram correlacionados com os valores fornecidos pelo modelo; o estudo incluiu 100 recém nascidos e ocorreram 8 óbitos. A possibilidade média de óbito do modelo foi de 49,7% (dp=29,3%) e para alta a média foi de 24% (dp=17,5%). Estes valores são diferentes quando comparados pelo teste t Student (t=2,44) mostrando que são diferentes com significância estatística p< 0,001. A correlação entre os especialistas e o modelo proposto foi de 80% e a acurácia do modelo foi de 81,9%. Foi notado que o risco de morte neonatal diminui quando o peso ao nascer, a idade gestacional e o Apgar aumentam, e a fração de oxigênio diminui. Este modelo preditivo não invasivo e de baixo custo financeiro pode ser usado em berçários e UTIN, pois é facilmente utilizado. / Abstract: The aim of the present study was to construct a linguistic model using the properties of fuzzy logic with four input variables (birth weight, gestational age, Apgar and inspired oxygen fraction) and risk of death as the output variable. A spreadsheet with real data was given to four specialists to estimate the possibility of death. The values provided by the specialists were correlated to those provided by the model; the study included 100 and eight deaths occurred. The mean chance of death in the model was 49.7% (sd=29.3%) and the mean chance of discharge was 24% (sd=17.5%). When compared using the Student's t-test (t=2.44), the difference between these values was statistically significant (p< 0.001). The correlation between the specialists and the proposed model was 80% and the accuracy of the model was 81.9%. The risk of neonatal death diminished with an increase in birth weight, gestational age and Apgar as well as a reduction in oxygen fraction. This non-invasive, low-cost predictive model is easy to use and may be used in nurseries and NICUs. / Mestre

Orientador: Marcelo Carvalho Minhoto Teixeira / Banca: Edvaldo Assunção / Banca: Aparecido Augusto de Carvalho / Banca: Cristiano Quevedo Andrea / Banca: Valtemir Emerencio do Nascimento / Resumo: Os sistemas fuzzy e neuro fuzzy têm sido usados com sucesso para resolver problemas em diversas áreas, como medicina, indústria, controle, agronomia e aplicações acadêmicas. Nas últimas décadas, as redes neurais têm sido utilizadas para identificação, avaliação e previsão e dados na medicina e na agronomia. Nesta tese, realizou-se um novo estudo comparativo entre as redes neuro fuzzy (ANFIS), rede perceptron multicamadas (MLP), rede função de base radial (RBF) e regressão generalizada (GRNN) na área de engenharia biomédica. Na engenharia biomédica as redes neurais e neuro fuzzy foram treinadas e validadas com dados de pacientes hígidos e hemiplégicos (pacientes com sequela motora após acidente vascular cerebral no hemicorpo direito ou esquerdo do cérebro) coletados por meio de um baropodômetro eletrônico (91 indivíduos, sendo 81 hígidos e 10 hemiplégicos). A rede GRNN apresentou o menor erro RMSE (Raiz Quadrada do Erro Médio Quadrático), porém a rede MLP conseguiu identificar um caso de hemiplegia. Na área de agricultura foi proposto um novo estudo comparativo utilizando redes neurais para previsão de produção de trigo (Triticum aestivum). Para este estudo utilizou-se uma base de dados experimental de trigo avaliada no período dois anos na região de Selvíria-MS. A validação foi realizada comparando-se a produção estimada pelas redes neurais MLP, GRNN e RBF com a curva de regressão quadrática, comumente utilizada para este fim, e com a rede neuro fuzzy ANFIS. O erro RMSE calculado com as redes neurais GRNN e RBF foi menor do que o obtido com a regressão quadrática e com o ANFIS utilizando o treinamento (híbrido). Para validação dos resultados obtidos em hemiplegia utilizou-se o RMSE, a matriz de confusão, a sensitividade, a especificidade e a acurácia. Os resultados mostraram que a utilização das redes neurais e redes neuro fuzzy, na engenharia biomédica, pode ser uma alternativa viável para ... / Abstract: The fuzzy and neuro fuzzy systems have been successfully used to solve problems in various fields such as medicine, manufacturing, control, agriculture and academic applications. In recent decades, neural networks have been used to the identification, assessment and diagnosis of diseases. In this thesis we performed a comparative study among fuzzy neural networks (ANFIS), multilayer perceptron neural networks (MLP), radial basis function network (RBF) and generalized regression (GRNN) in the area of biomedical engineering and agronomy. In biomedical engineering neural networks and neuro fuzzy were trained and validated with data set from patients (91 subjects, 81 healthy and 10 hemiplegic). The GRNN network had the lowest Root Mean Square Error (RMSE), but the MLP network was able to identify a case of hemiplegia. In the area of agriculture a comparative study to estimate the wheat (Triticum aestivum) productivity was proposed using neural networks. For this study it was used data from an experimental database of wheat cultivars evaluated during two years in the region of Selvíria - MS. The validation was performed by comparing the estimated productivity through the quadratic regression curve and the output of the ANFIS with the neural networks. The RMSE error calculated with the GRNN and RBF neural networks was lower than that obtained with the quadratic regression and the ANFIS. The results obtained in the study of hemiplegia were validated using the RMSE, the confusion matrix, the sensitivity, the specificity and the error accuracy. The results showed that the use of neural networks and fuzzy neural networks, in biomedical engineering, can be a viable for monitoring the progress of patients and discovery new information through a combination of parameters. In agriculture this methodology can bring benefits in combining several evaluation parameters of production to optimize production while minimize financial costs in new plantations / Doutor

Orientador: Carlos Roberto Minussi / Banca: Walmir de Freitas Filho / Banca: Jacqueline Gisèle Rolim / Banca: Antonio Padilha Feltrin / Banca: Laurence Duarte Colvara / Resumo: Esta pesquisa tem por objetivo o desenvolvimento de uma metodologia, para análise de estabilidade transitória e para o controle preventivo de sistemas de energia elétrica, formulada por redes neurais feedforward multicamadas. A margem de segurança (método da energia) é empregada como critério de análise de estabilidade transitória, considerando-se defeitos tipo curto-circuito trifásico com saída de linha de transmissão. O funcionamento das redes neurais é constituído por duas fases principais: treinamento (ou aprendizado) e análise. A fase de treinamento requer uma grande quantidade de processamento para a sua realização, enquanto que a fase de análise é efetivada, praticamente, sem esforço computacional. Trata-se, por conseguinte, da principal justificativa para o uso de redes neurais para a resolução de problemas complexos que exigem soluções rápidas, sendo, portanto, adequadas para aplicações em tempo real. O treinamento da rede neural é realizado usando o algoritmo retropropagação (backpropagation) com controlador nebuloso e a adaptação da inclinação e deslocamento da função sigmóide (pós-sináptica). O controlador nebuloso é usado visando proporcionar uma convergência mais rápida e resultados mais precisos, se comparado ao algoritmo retropropagação tradicional. A adaptação da taxa de treinamento é efetuada usando a informação do erro global e a variação do erro global. A adaptação da inclinação e deslocamento da função sigmóide também é usada com o objetivo de melhorar a capacidade da obtenção de uma solução, ou seja, ampliar o espaço de busca. Após ter sido concluído o treinamento, a rede neural deverá estar apta a estimar a margem de segurança e a análise de sensibilidade. Com esta informação é possível desenvolver um método para a realização da correção da segurança (controle preventivo)... (Resumo completo, clicar acesso eletrônico abaixo). / Abstract: This work presents a procedure, for transient stability analysis and for preventive control of electric power systems, formulated by multilayer feedforward neural network. The security margin (energy method) is used as a criterion of the transient stability analysis considering faults like three-phase short-circuits with outage of transmission line. The performance of neural networks is constituted of two principal phases: training (or learning) and analysis. The training phase needs a great quantity of processing time for the realization, whereas the analysis phase is effectuated almost without computational effort. Therefore, this is the principal justification to use neural networks for solving complex problems that need fast solutions, and as a consequence being adequate for real time applications. The neural network training is realized using the backpropagation algorithm with fuzzy controller and the sigmoid (postsynaptic) function slope and translation adaptation. The fuzzy controller is used to provide a faster convergence and more precise results, if compared to the traditional Backpropagation algorithm. The adapting of the training rate is effectuated using the information of the global error, and global error variation. The adaptation of the slope and translation of the postsynaptic function is used for improving the capacity of obtaining a solution, i.e., to enlarge the space of search. After finishing the training, the neural network is capable to estimate the security margin, and the sensitivity analysis. With these information it is possible to develop a method for the realization of the security correction (preventive control) based on generation reallocation and load shedding. The preventive control idealization is based on the sensitivity... (Complete abstract, click electronic address below). / Doutor

Orientador : Carlos Roberto Minussi / Banca: Arlan Luiz Bettiol / Banca: Geraldo Roberto Martins da Costa / Banca: Jose Roberto Sanches Mantovani / Banca: Laurence Duarte Colvara / Resumo: Esta pesquisa apresenta uma metodologia para a análise de estabilidade transitória (de primeira oscilação) de sistema de energia elétrica usando uma rede neural baseada na arquitetura ART (Adaptive Resonance Theory), designada rede neural nebulosa ARTMAP modular para aplicações em tempo real. A margem de segurança é empregada como critério da análise de estabilidade transitória, considerando-se faltas tipo curto-circuito trifásico com saída de linha de operação. O funcionamento das redes neurais é constituído por duas fases fundamentais: treinamento e análise. A fase de treinamento requer uma grande quantidade de processamento para a sua realização, enquanto que a fase de análise é efetivada, praticamente, sem esforço computacional. Esta é, portanto, a principal justificativa para o uso de redes neurais para a resolução de problemas complexos que exigem soluções rápidas, como é caso de aplicações em tempo real. As redes neurais ART, possuem como características primordiais, a plasticidade e a estabilidade, as quais são qualidades essenciais para a execução do treinamento e para a análise de modo eficiente. A rede neural ARTMAP nebulosa modular está sendo proposta visando proporcionar um desempenho superior, em termos de precisão e rapidez, se comparada à formulação ARTMAP convencional, muito maior ainda quando comparada ao emprego de redes neurais com treinamento realizado via técnica retropropagação (que é um benchmark em termos de precisão no contexto de redes neurais). O treinamento da rede neural será realizado usando como "professor" um método de energia para o cálculo das margens de segurança. A metodologia proposta nesta pesquisa é um procedimento que incorpora inovações em relação à literatura existente, em destaque: (1) desenvolvimento de um novo modelo apropriado para a resolução... (Resumo completo, clicar acesso eletrônico abaixo). / Abstract: This work presents a methodology for transient stability analysis (first swing) of electrical energy systems, using a neural network based on ART (adaptive resonance theory), called modular fuzzy ARTMAP neural network for applications in real time. The security margin is used as a criterion for transient stability analysis, considering three-phase short circuit with outage of a transmission line faults. The neural network functioning is composed of two fundamental phases: training and analysis. The training phase needs a great quantity of processing, while the test phase is realized almost without computational effort. Therefore, this is the principal reason for using neural networks to solve complex problems that demand fast solutions, as the real time applications. The ART neural networks have as prime characteristics the plasticity and the stability, which are essential qualities for the training execution and for analysis in an efficient way. The modular fuzzy ARTMAP neural network is proposed to provide a superior performance, in precision and velocity, when compared to the conventional ARTMAP formulation, and much faster when compared to the neural networks using backpropagation training (benchmark in precision in a neural network context). The neural network training is realized using as a "teacher" an energy method to calculate the security margin. The proposed methodology is a proceeding that incorporates innovations in relation to the existent literature emphasizing: (1) development of a new appropriated model for solving the transient stability analysis by neural networks; (2) theoretical-practical development of the neural network output variable, represented in this work by the IMS (security margin interval) variable in a binary way. It is a convenient representation for the transient stability analysis approach; (3) proposition of a... (Complete abstract click electronic address below). / Doutor

Orientador: Vicente Lopes Júnior / Coorientador: Gustavo Luiz Chagas Manhães de Abreu / Banca: Michael John Brennan / Banca: Paulo Roberto Gardel Kurka / Resumo: Este trabalho estuda diversas estratégias de controle semi-ativo para a redução de vibração em suspensões veiculares empregando amortecedores magnetoreológicos (MR). A modelagem do amortecedor MR é feita utilizando o modelo de Bouc-Wen modificado. A fim de entender o princípio de funcionamento de um amortecedor MR, uma análise dinâmica é conduzida. Nesta análise o comportamento não linear do amortecedor MR é caracterizado através de laços histeréticos. Quando incorporado ao modelo da suspensão de ¼ de carro, outros efeitos não lineares são evidenciados. Compreendido o comportamento de todo o modelo da suspensão semi-ativa, diversos controladores são estudados e projetados. Este trabalho pode ser dividido em duas frentes. A primeira é o projeto de controladores via LMIs, que possuem uma formulação sólida e permitem o projeto de controladores com altos índices de desempenho. A segunda é o projeto de controladores nebulosos, cuja formulação teórica sobre estabilidade ainda encontra dificuldades, entretanto, é muito utilizada e tem experimentado grandes avanços devido a sua fácil implementação. O controlador nebuloso utilizado neste trabalho foi projetado por um processo automático através da otimização por algoritmo genético. Todos os controladores projetados neste trabalho são comparados com as estratégias de controle passivo. Outras comparações também foram realizadas com o controle semi-ativo utilizando um controlador LQR e um controlador nebuloso do tipo Mamdani sem otimização. Simulações numéricas com diversas excitações de entrada foram conduzidas. O trabalho termina demonstrando a superioridade do controle nebuloso via algoritmo genético e sua potencialidade para o futuro. Houve destaque também para o controlador que reduz a norma H2 via LMI. / Abstract: This work studies several semi-active control strategies for vibration attenuation in vehicle suspensions employing magnetorheological dampers (MR). The modeling of MR damper is made using the Bouc-Wen modified model. In order to understand the principle of operation of an MR damper, a dynamic analysis is conducted. In this analysis the nonlinear behavior of the MR damper is characterized by hysteretic loops. When it is incorporated into the ¼ car suspension model, other nonlinear effects are evident. After this study, different controllers are designed. This work can be divided into two phases. The first one applies controllers projected via by LMIs, which has a solid formulation and allows high performances to the controllers. The second one uses a fuzzy controller, whose theoretical formulation on stability still faces difficulties. However, it is widely used and has been demonstrating great advances due to its easy implementation. The fuzzy controller used in this work was designed by an automatic process through optimization by genetic algorithm. All controllers projected are compared with passive control strategies. Other comparisons were also performed with semi-active control using a LQR controller and a Mamdani fuzzy controller without optimization. Numerical simulations with different input excitations were conducted. The work ends up demonstrating the superiority of the fuzzy controller with genetic algorithm and its potential for the future. There was also a highlight for the controller that reduces the H2 norm by LMIs. / Mestre

Made available in DSpace on 2013-08-07T18:53:08Z (GMT). No. of bitstreams: 1 000423824-Texto+Completo-0.pdf: 6424309 bytes, checksum: 1f3b110bca0fe71d61e0581ebee127c5 (MD5) Previous issue date: 2010 / Correct forced outage diagnosis is fundamental for utilities to establish priorities of investment on improvements in power systems. Thereby it is possible to avoid losses and improve quality of supply service. This dissertation deals a method to diagnose forced outage faults using an integrated system of models based on fuzzy logic and bayesian networks (BN). For the training stage and rule base constitution in fuzzy domain, it is introduced the analysis of a database treated with Knowledge Discovery in Databases (KDD) techniques, allowing map input and output variables of the database. This mapping composed a knowledge base, allowing apply clusters technique on data to visualize overload pattern coherent with power systems. The fuzzy stage evaluates events with more occurrences, using minimal values of acceptance as parameter of answer. The BN part deduces other events faults, prioritizing those considered with low uncertainty. Using 8,000 events obtained by split-half method, the integrated system proved effective with resultant error of 5. 94%. Other analysis were studied aiming conditions to minimize outage assess error, using extended input variables and discarding multiple outputs events. After the discard step, it was obtained 15. 994 events and, for this sample, the total diagnosis error by BN was reduced from 15. 94% to 4. 60%. Considering 172 events, with the inclusion of three input variables, the BN error was reduced from 5. 81% to 1. 16%.The integrated system behavior is also analysed on diagnosis of incoherent data, resulting an error of 84. 38%, showing applicable to detect outage records without electric power characteristics. Through these analyses, the proposed methodology showed effective in forced outage diagnosis. / A correta determinação de causas de desligamentos não programados é fundamental para as empresas de energia definirem prioridades de investimento em melhorias no sistema elétrico. Dessa maneira, é possível evitar perdas e aperfeiçoar a qualidade do serviço de fornecimento. Esta dissertação aborda um método para a identificação de causas de interrupções forçadas utilizando um sistema integrado de modelos baseados em lógica fuzzy e Redes Bayesianas (RB). Para a etapa de treino da RB e estabelecimento de regras no domínio fuzzy, apresenta-se a análise de um banco de dados tratado com técnicas de Knowledge Discovery in Databases (KDD), permitindo o mapeamento de variáveis de entradas e saídas dos dados. Este mapeamento compôs uma base de conhecimentos, possibilitando agrupar dados de forma a visualizar o padrão de sobrecarga coerente com um sistema elétrico. O bloco fuzzy avalia eventos com maiores recorrências, utilizando como parâmetro valores mínimos de aceitação da resposta, e o bloco RB estima as causas dos demais eventos, priorizando as respostas que se consideram com baixa incerteza. Com o método split-half a partir de 8. 000 eventos, o sistema integrado se mostrou eficiente com o erro resultante de 5,94%. Apresentam-se outras análises visando a minimizar o erro de estimação de causas, através da ampliação do número de variáveis de entrada e o descarte de eventos com saídas múltiplas. Após o descarte, obteve-se um total de 15. 994 eventos, sendo que para esta amostra, o erro final de identificação pela RB foi reduzido de 15,94% para 4,60%. Considerando 172 registros, com a inclusão de três variáveis de entrada na base de dados, o erro na RB foi reduzido de 5,81% para 1,16%.Também se verifica que o comportamento do sistema ao avaliar dados incoerentes resultou em erro de 84,38%, mostrando-se a aplicabilidade em detectar registros sem características com um sistema elétrico. Por essas análises, a metodologia proposta mostrou-se eficaz na determinação de causas de desligamentos não programados.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, Programa de Pós-graduação em Engenharia Elétrica, 2012. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2012-09-27T15:12:55Z No. of bitstreams: 1 2012_LuizGustavoFlorencio.pdf: 1554783 bytes, checksum: bf39a5fc7d6b25cbdf7268d765b0665d (MD5) / Rejected by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br), reason: Alaíde, O arquivo carregado é de outro trabalho. Por favor, verifique. Obrigada! Jacqueline on 2012-10-04T13:30:48Z (GMT) / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2012-10-04T15:00:53Z No. of bitstreams: 1 2012_WesleyGongoradeAlmeida.pdf: 2251518 bytes, checksum: 14fca6cffeac84fa4f60de38f24f756e (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2012-10-05T10:34:44Z (GMT) No. of bitstreams: 1 2012_WesleyGongoradeAlmeida.pdf: 2251518 bytes, checksum: 14fca6cffeac84fa4f60de38f24f756e (MD5) / Made available in DSpace on 2012-10-05T10:34:44Z (GMT). No. of bitstreams: 1 2012_WesleyGongoradeAlmeida.pdf: 2251518 bytes, checksum: 14fca6cffeac84fa4f60de38f24f756e (MD5) / O impacto da má qualidade dos dados sobre a tomada de decisão, a confiança organizacional e a satisfação do cliente é bem conhecida. Ademais, fatores emergentes, tais como o aumento no volume dos dados, têm agravado o problema. Nas organizações atuais, sistemas de Business Intelligence (BI) têm oferecido suporte à gestão de negócios e se constituindo uma evolução natural e lógica dos Sistemas de Apoio a Decisão. Neste novo cenário, implementações de soluções de BI tem falhado devido a má qualidade dos dados. Supondo que é possível avaliar a qualidade dos dados com base em metadados, a questão principal, então, é: Como fornecer ao usuário informações relativas à qualidade dos dados? Atrelado a esta questão, encontra-se um segundo fator relevante: Durante muito tempo, preocupou-se com a qualidade dos dados sem levar em consideração a questão da confiança. Esta dissertação apresenta uma nova visão a respeito da qualidade e da confiança dos dados, porque, ao contrário do senso comum, a qualidade dos dados não é o único fator influenciando a confiabilidade dos dados e estes dois conceitos não são necessariamente correlacionados. Baixa qualidade pode ser confiável em algumas situações e dados de alta qualidade podem ter baixa confiança em outro contexto. Em nosso trabalho, a avaliação da confiabilidade dos dados em ambientes de BI é baseada em um conjunto de métricas, obtidas a partir de uma taxonomia dos problemas de qualidade. Para representar a incerteza da avaliação, lógica fuzzy é empregada como método de obtenção de uma pontuação global de confiabilidade. Por fim, a proposta desenvolvida é avaliada através de simulações, de forma a ilustrar sua eficácia e demonstrar um avanço em relação aos métodos estado-da-arte conhecidos da literatura. _______________________________________________________________________________________ ABSTRACT / The impact of poor data quality on decision making, organizational trust and customer satisfaction is well known. Furthermore, emerging factors, such as increasing the volume of data, have aggravated the problem. In today's organizations, Business Intelligence (BI) systems have offered support to business management and providing a natural and logical evolution of Decision Support Systems. In this new scenario, implementations of BI solutions have failed due to poor data quality. Assuming it is possible to assess the quality of data based on metadata, the main question then is: How to provide the user with information relating to data quality? Tied to this question lies a second relevant factor: For a long time, worried about the quality of data without taking into account the question of trust. This dissertation presents a new vision about the quality and trustworthiness of the data, because, contrary to common sense, data quality is not the only factor influencing the trustworthiness of data and these two concepts are not necessarily correlated. Low quality can be unreliable in some situations and high-quality data can have little confidence in another context. In our study, evaluating the trustworthiness of data in BI environments is based on a set of metrics, obtained from taxonomy of quality problems. To represent the uncertainty of the evaluation, fuzzy logic is employed as a method of obtaining an overall score of trustworthiness. Finally, the proposal developed is evaluated through simulations, in order to illustrate its effectiveness and demonstrate an improvement over methods state-of-the-art known from the literature.

O conhecimento da probabilidade de ocorrência de precipitações é de grande importância para o planejamento de atividades como produção agrícola, sistemas de abastecimento de água e geração de energia. Neste sentido, a análise regional de freqüências se apresenta como uma ferramenta para a redução de incertezas na estimativa das probabilidades, podendo também diminuir a dimensionalidade das informações. Desta forma, esta pesquisa tem por objetivo estudar uma metodologia para análise regional de freqüências, aplicada à precipitação, na qual se admite que as séries que formam uma região homogênea seguem uma mesma distribuição, que dispensa a utilização de fatores de escala locais, e que seus parâmetros podem ser satisfatoriamente estimados pela média dos parâmetros de ajuste das séries locais. Para compor a metodologia foi construído um teste de homogeneidade regional e um teste para avaliar a qualidade do agrupamento, que leva em consideração os objetivos da análise. Os dois testes citados e a verificação da qualidade da obtenção da distribuição regional pela média dos parâmetros locais foram baseados na medida da máxima diferença de probabilidades entre duas séries e no teste de aderência de Kolmogorov-Smirnov (KS), auxiliando, então, numa melhor compreensão dos resultados, já que esse teste é referência na avaliação da qualidade do ajuste de funções probabilísticas. Como estudo de caso, a metodologia foi aplicada na análise de precipitações totais mensais e anuais no Rio Grande do Sul e em Santa Catarina, utilizando-se o método de agrupamento difuso Fuzzy CMeans para identificação das regiões. Verificou-se que o modelo de obtenção da distribuição regional proposto é satisfatório, embora necessite de um fator de correção para a distribuição Gama. O teste de aderência regional mostrou-se bastante útil para orientar a ponderação das variáveis e para auxiliar na determinação do melhor número de regiões, o que foi comprovado pelo alto grau de homogeneidade verificado, mesmo antes de serem aplicados ajustes nas regiões resultantes do agrupamento. Constatou-se ainda que a utilização dos graus de pertinência não produziu resultados satisfatórios para fazer estimativas pontuais e pouco contribuiu para a realização de ajustes no agrupamento. Todavia, o ajuste do modelo de alocação para novos pontos, através da matriz de pertinência, apresentou bons resultados, embora ainda seja necessária sua verificação em situação real. A análise regional da área de estudo resultou em nove regiões, que foram consideradas heterogêneas em apenas dois dos 117 períodos avaliados. Além disso, a partir do teste KS ( = 20%), verificou-se que as distribuições regionais se mostraram válidas para 97,8% das séries, confirmando a possibilidade de utilizar a distribuição regional, sem a necessidade dos fatores de escala locais. / Information on rainfall probability are helpful for some activities planning including agriculture, water supply and hydropower generation. For such purpose, the regional frequency analysis is a powerful tool to reduce uncertainties in probabilities estimation and also information’s dimension. This research evaluates the possibility of taking rainfall regional frequency analysis considering that in a homogeneous region the site frequency distributions are identical, setting aside local scaling factors, and that its parameters may satisfactorily be estimated by average parameters of local series fitting. To address such goals, the methodology consisted of elaborating a regional homogeneity test and a test to assess the cluster quality. Both tests and the assessment over the regional distribution quality were based on the maximum probability differences between two series and on the Kolmogorov-Smirnov test (KS). As a case study, the methodology was applied on Rio Grande do Sul and Santa Catarina States monthly and annual precipitation data, using clustering method Fuzzy CMeans for identification of regions. It was verified that the regional distribution model is satisfactory, although it needs a correction factor for Gamma distribution. The test of regional adherence was useful to guide the variables weighting and to help on the determination of the optimum number of regions, once a high degree of homogeneity was obtained, even before the application of adjustments on the resultant regions from the cluster analysis. The use of membership degrees was not satisfactory on estimating at-site features and resulted on low contribution for cluster adjustments. However, the allocation model fitting for new points presented good results, though a real case assessment is still required. The regional analysis resulted in nine regions, which were heterogeneous in only two of the 117 evaluated periods. Moreover, from the KS test ( = 20%), it was verified that the regional distributions were valid for 97.8% of the series, confirming the possibility to use regional distribution, without any local scaling factor.

No description available.

No description available.