Ce travail présente le Contrôle en Temps Réel (CTR) des Réseaux d’Assainissement (RA) dans le cadre des villes intelligentes. Le CTR nécessite de comprendre le fonctionnement du RA et d'effectuer des simulations sur des évènements mesurés, prévus et synthétiques. Par conséquent, un système de Surveillance en Temps Réel (STR) a été installé sur le site expérimental, et combinée à un modèle de simulation. Une méthode d'auto-calage des modèles hydrauliques et un système de prévision des conditions aux limites, ont été développés. Visant à protéger les citoyens et d'atténuer les conséquences des inondations, le CTR est composé d'un système de prévision des inondations suivi d'une gestion dynamique. Le concept et les méthodes proposés ont été appliqués sur le campus de l'Université de Lille 1, au sein du projet SunRise. STR a été trouvé très utile pour comprendre le fonctionnement du RA et pour le calage du modèle de simulation. L'Algorithme Génétique suivi par Pattern Search ont formé une procédure d'auto-calage efficace. NARX Neural Network a été développé et validé pour la prévision des conditions aux limites. Une fois l’opération du RA est analysée, le CTR a été développé. NARX Neural Network a été trouvé capable de prévoir les inondations. Une gestion dynamique pour augmenter la capacité de rétention du réservoir, a été étudiée sur la base du calcul de la variation temporaire de l’ouverture d’une vanne, et les résultats ont été satisfaisants en utilisant l'Algorithme Génétique et l’Algorithme des Abeilles, comme méthodes d'optimisation. Une gestion qualitative a également été examinée et testée pour vérifier son potentiel dans la réduction des volumes d'inondation. / This work presents the Real Time Control (RTC) of Urban Drainage Systems (UDS) within smart cities. RTC requires to understand the UDS operation and to perform simulations on measured, forecasted and synthetic events. Therefore, a Real Time Monitoring system (RTM) was implemented on the experimental site, and combined to a simulation model. A model auto-calibration process and hydraulic boundary conditions forecast system were developed, in order to simulate the hydrologic-hydraulic response. Aiming to protect the citizens and mitigate flooding consequences, the RTC was composed of a flooding forecast system followed by a dynamic management strategy. The proposed concept and methodologies were applied and evaluated on the Lille 1 University Campus, within the SunRise project. RTM was found very helpful in understanding the system operation and calibrating the simulation model. Genetic Algorithm followed by Pattern Search formed an effective auto-calibration procedure for the simulation model. NARX Neural Network was developed and validated for forecasting hydraulic boundary conditions. Once understanding the UDS operations, the RTC was developed. NARX Neural Network was found capable to forecast flooding events. A dynamic management for increasing a tank retention capacity, was studied based on calculating a Valve State Schedule, and results were satisfying by using Genetic Algorithm and a modified form of Artificial Bee Colony, as optimization methods. A qualitative management was also proposed and tested for verifying its potential in reducing flooding volumes.

This study focuses on bicycle travel flow to prevent traffic accidents at non-signalized intersections. A bicycle's behavior can be characterized by various parameters, such as travel speed position, trajectory, acceleralion, and deceleration. The prevention of vehicle collisions with bicycles traveling at 10-15 km/h was regulated in the Advanced Emergency Braking System (AEBS) for passenger cars in regulation No. 152 of the World Forum for Harmonization of Vehicle Regulations in the United Nations. Therefore, it is essential to analyze the characteristics of bicycles in a reall trafflc environment to prevent traffic accidents involving cyclists. Meijer et. al. (2017) investigated bicycle behavior and charactericics using measurement devices installed on biccycles [1 ]. Ma et al. (2016) conducted a model of acceleration behavior on eleven cyclists using GPS data [2]. And it was pointed out that there was a need for modeling research for more cyclists.Hirose et al. (2021) examined bicycles' both travel speed and trajectory as bicycle travel flows based on data obtained from fixed-point observations at a non-signalized intersection in Tokyo, Japan [3]. This used fixed-point observalions to obtain raw data of bicycle travel flows in real traffic environment and reported various traffel speed, trajectory, and acceleration/deceleration patterns for bicycles entering intersections. The purpose of this study was to construct a model of bicycle travel flows based on fixed-point observations. It could simulate actual bicycle behaviors based on data that was obtained from measuring bicycle travel flows for 2828 cases from fixed-point observations. Furthermore, the data was divided into five patterns of bicycles entering intersections, and the accuracy of the model was evaluated for each pattern.

Os MEMS (Micro Electro Mechanical Systems) compõem uma tecnologia que tem ganhado destaque nas últimas décadas e sua difusão reflete um constante crescimento tanto em aplicações quanto em volume financeiro envolvido. Um MEMS de fundamental importância é o comb-drive. Várias são as áreas da indústria que se beneficiam das virtudes deste microdispositivo. Confiabilidade, invisibilidade e economia de energia são as principais qualidades desses sistemas. Os produtos desta tecnologia representam um mercado emergente e que movimenta bilhões de dólares anuais, contudo, há de se considerar a crescente exigência no quesito qualidade por parte daqueles que a utilizam. A forma como estes dispositivos tem sido testados, por amostragem, não garante esta qualidade com a segurança desejada. Também cabe destacar que os testes precisam ser realizados de forma rápida e com baixo custo. Este trabalho objetiva investigar um modelo matemático que expresse uma dinâmica próxima daquela observada em MEMS, visando contribuir para agilidade e qualidade dos testes. A técnica utilizada para encontrar os regressores e o emprego de modelos não-lineares são as principais diferenças deste trabalho em relação aos comumente encontrados na literatura no âmbito de MEMS. As técnicas utilizadas são oriundas da identificação de sistemas. Por se tratar de dispositivos com dimensões micrométricas, a coleta de dados reais torna-se inviável. Assim, os dados foram obtidos através de ensaios em uma plataforma de testes elaborada no software ANSYS®. De posse desses dados e considerando a estrutura do modelo NARX foi possível a elaboração de uma série de modelos, cada um deles com alguma diferença na estrutura. O método dos mínimos quadrados foi o escolhido para estimação dos parâmetros. Os resultados obtidos para cada modelo foram comparados aos coletados na plataforma. Esta comparação se deu na forma qualitativa e quantitativa e com base nisso foi possível identificar um modelo matemático acurado para a dinâmica não linear de dispositivos MEMS. / 98 f.

Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2015. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2016-09-01T16:18:22Z No. of bitstreams: 1 2016_ElderOroski.pdf: 2262722 bytes, checksum: 3c0d332397c2608f2c4bb935b2acfb5d (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2016-10-17T17:00:27Z (GMT) No. of bitstreams: 1 2016_ElderOroski.pdf: 2262722 bytes, checksum: 3c0d332397c2608f2c4bb935b2acfb5d (MD5) / Made available in DSpace on 2016-10-17T17:00:27Z (GMT). No. of bitstreams: 1 2016_ElderOroski.pdf: 2262722 bytes, checksum: 3c0d332397c2608f2c4bb935b2acfb5d (MD5) / Identificar um sistema não linear pode constituir uma tarefa complexa. Para tratar tal complexidade uma série de modelos e métodos de identificação de sistemas foram desenvolvidos ao longo das últimas décadas. Neste cenário, dois dos modelos não lineares mais promissores são as chamadas séries de Volterra e os modelos NARX que, embora sejam implementações computacionalmente exigentes, apresentam boa precisão e representatividade do sistema a ser modelado. Tais modelos podem ter seu custo de implementação computacional reduzido pelo uso de funções ortonormais. Assim, nesta tese, tem-se por objetivo identificar um conjunto de sistemas não lineares a partir de modelos NARX, simplificados através do uso de funções ortonormais, conhecidos como modelos NARX-OBF. Para tanto, são expostos métodos de otimização determinísticos e heurísticos, com foco na determinação dos parâmetros de modelo. Foram criados métodos de otimização heurística, como o inédito Algoritmo do Princípio Antrópico, que são utilizados na determinação da estrutura do modelo bem como de seus parâmetros. São apresentados ainda exemplos de identificação de sistemas não lineares reais, dois levitadores magnéticos, baseados nestas propostas. A partir da comparação entre os modelos citados, foi constatado que o modelo NARX-OBF apresentou menor MSE que o modelo Volterra-OBF, para modelos com o mesmo número de termos, superando também os modelos clássicos de identificação de sistemas neste quesito. Como perspectivas futuras para este trabalho, tem-se a possibilidade de utilização de Programação Genética na determinação da estrutura do modelo e a exploração de diferentes funções ortonormais. / Identifying a nonlinear system generally is a complex task. In order to manage this complexity many system identification methods were developed over the past decades. Among them, two of the most promising models are the Volterra series and the NARX series. Their implementation normally are computationally costly, but they have good accuracy and representativeness. These kind of models have their indentification cost reduced by using orthonormal functions. Thus, this thesis has the objective of identifying a class of nonlinear systems, with Volterra and NARX models, simplified by orthonormal functions. In order to achieve this goal, some optimization methods are presented, deterministic and heuristic, focusing on model parameter determination. Heuristic optimization methods were created, as the novel Antropic Principle Algorithm, which are used in determining the model structure and their parameters. Examples of real nonlinear system identification is presented, as two magnetic levitators, based on these proposals. From the comparison of the above models, it was found that the NARX-OBF model showed lower MSE than the Volterra-OBF model, to models with the same number of terms. As future work, is possible using Genetic Programming in the model structure determinination and to expore different kind of orthonormal functions.

Cloud computing has emerged to change the way computing is offered and used. Instead of having all the necessary hardware and software to manipulate and to store their data, users just need a mechanism to access the Internet. So, the efficient provisioning on demand of computational resources is a challenge to comply with the needs of users. Thus, there is a problem related to the lack of an underlying mechanism to assist a cloud management system to maintain acceptable levels of Quality of Service (QoS) pro-actively. In this context, this work makes a comparative analysis of the predictive ability of different statistical models in seeking to define the most suitable for resource provisioning in a cloud environment. In this way, linear time series techniques namely ARIMA and ARMAX and nonlinear ones based on neural networks so-called MLP and NARX were applied on a dataset of a cluster from Google. The prediction results of usage of cpu, disk and memory shown that the NARX neural network can predict with low error the expected values, being feasible for application in a provisioning mechanism of servers in cloud computing environments. / A computação em nuvem surgiu para mudar a forma como a computação é oferecida e utilizada. Ao invés de possuir todo o hardware e software necessários para manipular e armazenar seus dados, os usuários apenas necessitam de um mecanismo que acesse a Internet. Com isso, o provisionamento eficiente de recursos computacionais sob demanda é um desafio para atender as necessidades dos usuários. Dessa forma, percebe-se que existe um problema relacionado à necessidade de mecanismos que auxiliem um sistema de gerenciamento de nuvem a manter níveis adequados de qualidade de serviço (QoS) de forma pro-ativa. Nesse contexto, este trabalho faz uma análise comparativa da capacidade de predição de diferentes modelos estatísticos com vistas a definir o mais adequado ao provisionamento de recursos em um ambiente de nuvem. Para isso, foram aplicadas técnicas de séries temporais lineares ARIMA e ARMAX e não lineares baseadas em redes neurais MLP e NARX em um dataset de um cluster de computadores da Google. Os resultados de predição de uso de cpu, memória e disco demonstraram que a rede neural NARX consegue predizer com baixo erro os valores esperados, sendo viável a sua aplicação em um mecanismo de provisionamento de servidores em ambientes de nuvem computacional

This research work focuses at first on the intelligent model development for process state (special for fault) detection, behavior prediction and process control for complex industrial processes. In the model architecture, Fuzzy Neural Networks (FNNs) are employed as process state classifiers for process state (fault) detection; other (different) Neural Networks (NNs) models are applied for system identification of process characteristics in different process states. The model detects process states (faults) and predicts process behavior according to process input and historical behaviors, whose combination of influences generates the final results of process state (fault) detection and quantitative prediction. The whole model is constructed based on Fuzzy TS NARX models. Secondly, an optimal model is designed to two purposes, one is for optimal process diagnosis and another is for optimal prediction. To time varying processes, an adaptive strategy and algorithm, applying the Least Squares algorithm, has been developed for model adaptability to cover time depending process changes. Thirdly, a specific state space equation of discrete time varying system is being derived from the model. In the state space equation, the state transition matrix A is determined by the fuzzy degree of process state classification produced by process historical behavior in time t instant, and the input transition matrix B by process real input in time t instant. The state observer vector H is determined by optimization results generated by model adaptive or optimal scheme. Finally, to confirm the validity of the theoretical results from above, an application case has been studied for supply forecasting. The study and application results indicate that the model not only has good performance for fault detection, but also provides excellent quantitative prediction of process output. It can be applied in process state (fault) detection, diagnosis and prediction for process behavior, as well as fault predictive control.

This master thesis describes the creation and optimization of artificial neural networks which are subsequently utilized to predict the development of time series.

No description available.

Neste trabalho, redes neurais dinÃmicas sÃo avaliadas como modelos nÃo-lineares eficientes para prediÃÃo de sÃries temporais complexas. Entre as arquiteturas avaliadas estÃo as redes FTDNN, Elman e NARX. A capacidade preditiva destas redes sÃo testadas em tarefas de prediÃÃo de um-passo-adiante e mÃltiplos-passos-adiante. Para este fim, sÃo usadas as seguintes sÃries temporais: sÃrie laser caÃtico, sÃrie caÃtica Mackey-Glass, alÃm de sÃries de trÃfego de rede de computadores com caracterÃsticas auto-similares. O uso da rede NARX em prediÃÃo de sÃries temporais à uma contribuiÃÃo desta dissertaÃÃo. Esta rede possui uma arquitetura neural recorrente usada originalmente para identificaÃÃo entrada-saÃda de sistemas nÃo-lineares. A entrada da rede NARX à formada por duas janelas deslizantes (sliding time window), uma que desliza sobre o sinal de entrada e outra que desliza sobre sinal de saÃda. Quando aplicada para prediÃÃo caÃtica de sÃries temporais, a rede NARX à projetada geralmente como um modelo autoregressivo nÃolinear (NAR), eliminando a janela de atraso da saÃda. Neste trabalho, à proposta uma estratÃgia simples, porÃm eficiente, para permitir que a rede NARX explore inteiramente as janelas de tempo da entrada e da saÃda, a fim de melhorar sua capacidade preditiva. Os resultados obtidos mostram que a abordagem proposta tem desempenho superior ao desempenho apresentado por preditores baseados nas redes FTDNN e Elman.

Made available in DSpace on 2014-12-17T14:56:16Z (GMT). No. of bitstreams: 1 AmandaDOSD_DISSERT.pdf: 3108692 bytes, checksum: 6c24c65f349d3aca5d9122aa78c3b00c (MD5) Previous issue date: 2013-07-26 / A modelagem de processos industriais tem auxiliado na produ??o e minimiza??o de custos, permitindo a previs?o dos comportamentos futuros do sistema, supervis?o de processos e projeto de controladores. Ao observar os benef?cios proporcionados pela modelagem, objetiva-se primeiramente, nesta disserta??o, apresentar uma metodologia de identifica??o de modelos n?o-lineares com estrutura NARX, a partir da implementa??o de algoritmos combinados de detec??o de estrutura e estima??o de par?metros. Inicialmente, ser? ressaltada a import?ncia da identifica??o de sistemas na otimiza??o de processos industriais, especificamente a escolha do modelo para representar adequadamente as din?micas do sistema. Em seguida, ser? apresentada uma breve revis?o das etapas que comp?em a identifica??o de sistemas. Na sequ?ncia, ser?o apresentados os m?todos fundamentais para detec??o de estrutura (Modificado Gram- Schmidt) e estima??o de par?metros (M?todo dos M?nimos Quadrados e M?todo dos M?nimos Quadrados Estendido) de modelos. No trabalho ser? tamb?m realizada, atrav?s dos algoritmos implementados, a identifica??o de dois processos industriais distintos representados por uma planta de n?vel did?tica, que possibilita o controle de n?vel e vaz?o, e uma planta de processamento prim?rio de petr?leo simulada, que tem como objetivo representar um tratamento prim?rio do petr?leo que ocorre em plataformas petrol?feras. A disserta??o ? finalizada com uma avalia??o dos desempenhos dos modelos obtidos, quando comparados com o sistema. A partir desta avalia??o, ser? poss?vel observar se os modelos identificados s?o capazes de representar as caracter?sticas est?ticas e din?micas dos sistemas apresentados nesta disserta??o