Frente às mudanças climáticas, foi estabelecido via Acordo de Paris o compromisso do Brasil em reduzir as emissões de gases do efeito estufa em 37% até 2025 e 43% até 2030. A restauração de 12 milhões de hectares de florestas, dado o potencial das florestas em sequestrar carbono, é apresentada como uma das formas para atingir essas metas. Assim, entender o real potencial das florestas plantadas em sequestrar carbono, obtido via quantificação da biomassa, torna-se de grande importância e oportunidade. O objetivo do trabalho foi desenvolver modelos de predição de biomassa do estrato arbóreo para uma área restaurada com 12 anos de idade e avaliar a alocação de biomassa e carbono na vegetação arbórea em relação ao manejo silvicultural, arranjo de espécies e espaçamento de plantio nessa mesma área, localizada na Estação Experimental de Ciências Florestais de Anhembi, pertencente à ESALQ/USP. Para desenvolvimento das equações foi realizado o abate de 100 indivíduos arbóreos das 20 espécies presentes na área, escolhidos segundo uma amostragem estratificada em cinco classes de diâmetro por espécie. Em todas as árvores foi realizada cubagem rigorosa do tronco e galhos grossos e tiradas medidas de DAP, Altura total e Altura do tronco. Em seguida, foram divididas em quatro compartimentos: raízes, tronco, galhos grossos e copa, composta por galhos finos e folhas, e pesadaos separadamente. De cada compartimento foram obtidas amostras para determinação do teor de umidade e densidade básica dos discos, retirados em três posições do tronco: base, meio e topo e um na parte dos galhos grossos. Foram desenvolvidas quatro equações para predição de biomassa: Biomassa total acima do solo (Btas), Biomassa de tronco (Btr), Biomassa de copa (Bcp) e Biomassa de raiz (Brz). Para ajuste dos modelos foram testadas duas equações lineares, comumente utilizadas no meio florestal para cálculo de volume, e variações dessas equações com a inclusão de cinco variáveis preditoras: DAP, Altura, Altura do tronco, Comprimento de Copa e Densidade básica da madeira do tronco. As melhores equações obtidas incluíram pelo menos o DAP e densidade básica da madeira, sendo esta essencial para melhoria nos critérios de seleção de modelos. A aplicação das equações aos dados do inventário realizado em 2016 na área levou a estimativas de fixação de biomassa e carbono do estrato arbóreo bem variáveis entre os tratamentos, indo de 27,7 a 157,7 Mg.ha-1 para biomassa e de 13,0 a 74,1 Mg.C.ha-1 para carbono. As melhores parcelas apresentaram valores próximos aos encontrados em outros estudos em áreas de reflorestamento, mas abaixo do encontrado em florestas maduras. / In response to climate change, Brazil\'s commitment to reduce greenhouse gas emissions by 37% by 2025 and 43% by 2030 was established through the Paris Agreement. The restoration of 12 million hectares of forests, given the potential of forests in sequestering carbon, is presented as one of the ways to achieve these goals. Thus, understanding the real potential of planted forests to sequester carbon, obtained through the quantification of biomass, becomes of great importance and opportunity. The objective of this work was to develop biomass prediction models of the arboreal stratum for a restored area of 12 years old and to evaluate the biomass and carbon allocation in tree vegetation in relation to silvicultural management, species arrangement and planting spacing. The study area is part of an experimental study titled \"Models for the Recovery of Atlantic Forest Degraded Areas\", located at the Experimental Station of Forestry Sciences of Anhembi, belonging to ESALQ / USP. For the development of the equations, 100 individuals of the 20 species present in the area were felled according to a stratified sampling in five diameter classes per species. In all the trees was carried out rigorous volume measurements of the trunk and thick branches and taken dimensions of DBH, Total Height and Trunk Heignt. They were divided into four compartments: roots, trunk, thick branches and canopy, composed of thin branches and leaves, and weighed separately. From each compartment were taken samples to determine the moisture content and basic density of the discs, taken in three positions of the trunk: base, middle and top and one in the part of the thick branches. Four biomass prediction equations were developed: Total Biomass Above the Soil (Btas), Trunk Biomass (Btr), Canopy Biomass (Bcp) and Root Biomass (Brz). Two linear equations commonly used to calculate tree volume and its variations with the inclusion of five predictive variables: DBH, Height, Trunk Height, Cup Length and Basic Density of the trunk wood were used to develop the equations. The best equations obtained included at least the DBH and basic wood density, which is essential for improvement in the model selection criteria. The application of the equations in the inventory carried out in 2016 in the area led to estimates of biomass and carbon values of the tree stratum very variable between the treatments, ranging from 27.7 to 157.7 Mg.ha-1 for biomass and 13.0 to 74.1 Mg.C.ha-1 for carbon. The best plots presented values close to those found in other studies in reforestation areas, but lower than those found in mature forests.

Sistemas de Recomendação (SR) vêm se apresentando como poderosas ferramentas para portais web tais como sítios de comércio eletrônico. Para fazer suas recomendações, os SR se utilizam de fontes de dados variadas, as quais capturam as características dos usuários, dos itens e suas transações, bem como de modelos de predição. Dada a grande quantidade de dados envolvidos, é improvável que todas as recomendações possam ser bem representadas por um único modelo global de predição. Um outro importante aspecto a ser observado é o problema conhecido por cold-start, que apesar dos avanços na área de SR, é ainda uma questão relevante que merece uma maior atenção. O problema está relacionado com a falta de informação prévia sobre novos usuários ou novos itens do sistema. Esta tese apresenta uma abordagem híbrida de recomendação capaz de lidar com situações extremas de cold-start. A abordagem foi desenvolvida com base no algoritmo SCOAL (Simultaneous Co-Clustering and Learning). Na sua versão original, baseada em múltiplos modelos lineares de predição, o algoritmo SCOAL mostrou-se eficiente e versátil, podendo ser utilizado numa ampla gama de problemas de classificação e/ou regressão. Para melhorar o algoritmo SCOAL no sentido de deixá-lo mais versátil por meio do uso de modelos não lineares, esta tese apresenta uma variante do algoritmo SCOAL que utiliza modelos de predição baseados em Máquinas de Aprendizado Extremo. Além da capacidade de predição, um outro fator que deve ser levado em consideração no desenvolvimento de SR é a escalabilidade do sistema. Neste sentido, foi desenvolvida uma versão paralela do algoritmo SCOAL baseada em OpenMP, que minimiza o tempo envolvido no cálculo dos modelos de predição. Experimentos computacionais controlados, por meio de bases de dados amplamente usadas na prática, comprovam que todos os desenvolvimentos propostos tornam o SCOAL ainda mais atraente para aplicações práticas variadas. / Recommender Systems (RS) are powerful and popular tools for e-commerce. To build its recommendations, RS make use of multiple data sources, capture the characteristics of items, users and their transactions, and take advantage of prediction models. Given the large amount of data involved in the predictions made by RS, is unlikely that all predictions can be well represented by a single global model. Another important aspect to note is the problem known as cold-start that, despite that recent advances in the RS area, it is still a relevant issue that deserves further attention. The problem arises due to the lack of prior information about new users and new items. This thesis presents a hybrid recommendation approach that addresses the (pure) cold start problem, where no collaborative information (ratings) is available for new users. The approach is based on an existing algorithm, named SCOAL (Simultaneous Co-Clustering and Learning). In its original version, based on multiple linear prediction models, the SCOAL algorithm has shown to be efficient and versatile. In addition, it can be used in a wide range of problems of classification and / or regression. The SCOAL algorithm showed impressive results with the use of linear prediction models, but there is still room for improvements with nonlinear models. From this perspective, this thesis presents a variant of the SCOAL based on Extreme Learning Machines. Besides improving the accuracy, another important issue related to the development of RS is system scalability. In this sense, a parallel version of the SCOAL, based on OpenMP, was developed, aimed at minimizing the computational cost involved as prediction models are learned. Experiments using real-world datasets has shown that all proposed developments make SCOAL algorithm even more attractive for a variety of practical applications.

Os modelos de previsão de desempenho de pavimentos são importantes ferramentas utilizadas pelos sistemas de gerência, essenciais para o planejamento das atividades de manutenção e reabilitação, assim como para a estimativa dos recursos necessários para a preservação das rodovias. Este trabalho tem por objetivo comparar modelos de desempenho de pavimentos, desenvolvidos por análises empíricas e empírico-mecanísticas, que predizem a evolução da condição de pavimentos flexíveis, ao longo do tempo e/ou tráfego acumulado. Os modelos de desempenho analisados foram desenvolvidos por pesquisadores e órgãos rodoviários brasileiros e internacionais, inclusive os modelos de deterioração utilizados pelo programa computacional de gerência de pavimentos desenvolvido pelo Banco Mundial, o HDM–4 (Highway Development and Management). A pesquisa está baseada na comparação do desempenho real de seções de pavimentos rodoviários, obtido a partir da base de dados dos experimentos LTPP (Long-Term Pavement Performance) do FHWA (Federal Highway Administration), com o comportamento previsto pelos modelos de desempenho desenvolvidos por Queiroz (1981), Paterson (1987), Marcon (1996) e Yshiba (2003). Neste trabalho, a análise do comportamento das seções de teste LTPP-FHWA é feita utilizando-se uma programação fatorial que, através da análise de variância (ANOVA), permite a determinação do nível de significância de fatores pré- selecionados (variáveis independentes: tráfego, idade e número estrutural corrigido) bem como a modelagem do desempenho dos pavimentos dessas seções (variáveis dependentes: irregularidade longitudinal e deformação permanente). / The pavement performance prediction models are important tools used for pavement management, essential for the planning of maintenance and rehabilitation activities, as well as for budgeting. The aim of this work is to compare performance prediction models developed through empirical and empirical-mechanistic analyses, which predict the evolution of the condition of flexible pavements, throughout the time and/or accumulated traffic. The performance prediction models analyzed were developed by researchers and Brazilian and international road agencies, including the deterioration models used by the pavement management comuputer program HDM-4 (Highway Development and Management), developed by the World Bank. The research is based on the comparison of the real performance of pavement of sections, obtained from the data base of the LTPP Program (Long-Term Pavement Performance) of FHWA (Federal Highway Administration), with the behavior predicted by deterioration models developed by Queiroz (1981), Paterson (1987), Marcon (1996) and Yshiba (2003). In this work, the analysis of the behavior of the LTPP-FHWA test sections is made through a factorial programming. Analysis of Variance (ANOVA) allows the determination of the level of significance of pre-selected factors (independent variables: traffic, age and pavement structure) and the development of performance prediction models (dependent variables: roughness and rutting).

Atualmente o maior impacto ambiental do concreto como material de construção origina-se das emissões de CO2 durante a produção do cimento. Uma das alternativas atualmente utilizadas para minimizar este impacto, é a utilização de adições minerais como substituição ao cimento. Entre as diferentes adições utilizadas, o uso de fíler calcário parece ser uma alternativa interessante para melhorar a sustentabilidade do uso do concreto na construção. Consequentemente, o presente estudo foca a análise do impacto da substituição do cimento por fílers de origem calcária (dolomita) no comportamento do concreto em estado fresco e endurecido, especialmente focando-se numa avaliação reológica e na retração por secagem do material. Para tal fim, foram formulados três microconcretos com teores de fíler calcário de 80%, 60% e 20% em relação ao peso dos finos totais (cimento mais fíler calcário). O teor de finos totais e de água foram mantidos constantes para todas as formulações resultando em misturas com similar volume de pasta. O comportamento reológico das misturas foi avaliado num reômetro de movimento planetário. Foram moldados corpos de prova para caracterização mecânica e acompanhamento da retração por secagem. A porosidade das pastas também foi avaliada usando a porosimetria por intrusão de mercúrio. As propriedades reológicas como a tensão de escoamento e a viscosidade foram influenciadas pelo teor de substituição de cimento por fílers. Maiores volumes de fílers na pasta produziram menores tensões de escoamento e, por consequência, maiores valores de abatimento foram obtidos. No entanto, a viscosidade plástica aumentou com teor de fílers. No estado endurecido, a maior substituição de cimento por fílers diminui a intensidade da retração por secagem devido ao menor teor de cimento na pasta e a modificações na estrutura porosa do material. Os resultados experimentais da retração foram comparados com os valores obtidos pelos modelos de previsão da retração: ACI 209, CEB-FIP, B3 e GL2000. Observou-se que os modelos superestimam os valores da retração conforme aumenta a substituição de cimento por fílers na pasta. Portanto, esses modelos devem ser calibrados considerando outros fatores, tais como: a quantidade de fíler utilizado em substituição de cimento. Esta consideração poderia otimizar o uso dos modelos em fase de projeto para verificar se os valores da retração esperados estão dentro dos limites normalmente aceitos. / Currently the biggest environmental impact of concrete as a building material originates in CO2 emissions during the production of cement. For this reason, one of the alternatives currently used to reduce these emissions is the use of mineral additions as cement replacement. Among the different additions used, the use of limestone fillers to replace cement appears to be an interesting alternative for improve the sustainability of the concrete used in construction. Consequently, this study focuses on the analysis of the impact of the replacement of cement by limestone fillers in fresh and hardened concrete, especially focusing on rheological behavior and shrinkage of the material. To this end, three microconcretos were formulated with fillers limestone content of 80%, 60% and 20% by weight relative to the total fine (limestone fillers and cement). The total content of fine and water were held constant for all formulations resulted in mixtures with similar volume of paste. The rheological behavior of the mixes was evaluated in a planetary motion rheometer. For mechanical characterization and measurement of shrinkage, specimens were molded. The porosity of the pastes was also evaluated using mercury intrusion porosimetry. The rheological properties such as yield stress and viscosity were influenced by the amount of cement that was replaced by fillers. Further filers volumes in the pulp produced smaller flow stress and, consequently, higher allowance values were obtained. Larger volumes of filler in the paste produced lower yield stresses and, consequently, higher slump values were obtained. However, the plastic viscosity increased with filers content. In the hardened condition, the largest cement replacement by limestone fillers reduced the intensity of shrinkage due to the lower content of cement paste and changes in the porous structure of the material. The experimental results of shrinkage were compared with the values obtained by shrinkage prediction models: ACI 209, CEB-FIP, B3 and GL2000. It was observed that the models overestimate the shrinkage values with increasing cement replacement by limestone fillers. Therefore, these models must be calibrated considering other factors such as the amount of fillers used as cement replacement This consideration would optimize the use of these models in the design phase to verify that the values of the expected shrinkage are within the limits normally accepted.

Sistemas de Recomendação (SR) vêm se apresentando como poderosas ferramentas para portais web tais como sítios de comércio eletrônico. Para fazer suas recomendações, os SR se utilizam de fontes de dados variadas, as quais capturam as características dos usuários, dos itens e suas transações, bem como de modelos de predição. Dada a grande quantidade de dados envolvidos, é improvável que todas as recomendações possam ser bem representadas por um único modelo global de predição. Um outro importante aspecto a ser observado é o problema conhecido por cold-start, que apesar dos avanços na área de SR, é ainda uma questão relevante que merece uma maior atenção. O problema está relacionado com a falta de informação prévia sobre novos usuários ou novos itens do sistema. Esta tese apresenta uma abordagem híbrida de recomendação capaz de lidar com situações extremas de cold-start. A abordagem foi desenvolvida com base no algoritmo SCOAL (Simultaneous Co-Clustering and Learning). Na sua versão original, baseada em múltiplos modelos lineares de predição, o algoritmo SCOAL mostrou-se eficiente e versátil, podendo ser utilizado numa ampla gama de problemas de classificação e/ou regressão. Para melhorar o algoritmo SCOAL no sentido de deixá-lo mais versátil por meio do uso de modelos não lineares, esta tese apresenta uma variante do algoritmo SCOAL que utiliza modelos de predição baseados em Máquinas de Aprendizado Extremo. Além da capacidade de predição, um outro fator que deve ser levado em consideração no desenvolvimento de SR é a escalabilidade do sistema. Neste sentido, foi desenvolvida uma versão paralela do algoritmo SCOAL baseada em OpenMP, que minimiza o tempo envolvido no cálculo dos modelos de predição. Experimentos computacionais controlados, por meio de bases de dados amplamente usadas na prática, comprovam que todos os desenvolvimentos propostos tornam o SCOAL ainda mais atraente para aplicações práticas variadas. / Recommender Systems (RS) are powerful and popular tools for e-commerce. To build its recommendations, RS make use of multiple data sources, capture the characteristics of items, users and their transactions, and take advantage of prediction models. Given the large amount of data involved in the predictions made by RS, is unlikely that all predictions can be well represented by a single global model. Another important aspect to note is the problem known as cold-start that, despite that recent advances in the RS area, it is still a relevant issue that deserves further attention. The problem arises due to the lack of prior information about new users and new items. This thesis presents a hybrid recommendation approach that addresses the (pure) cold start problem, where no collaborative information (ratings) is available for new users. The approach is based on an existing algorithm, named SCOAL (Simultaneous Co-Clustering and Learning). In its original version, based on multiple linear prediction models, the SCOAL algorithm has shown to be efficient and versatile. In addition, it can be used in a wide range of problems of classification and / or regression. The SCOAL algorithm showed impressive results with the use of linear prediction models, but there is still room for improvements with nonlinear models. From this perspective, this thesis presents a variant of the SCOAL based on Extreme Learning Machines. Besides improving the accuracy, another important issue related to the development of RS is system scalability. In this sense, a parallel version of the SCOAL, based on OpenMP, was developed, aimed at minimizing the computational cost involved as prediction models are learned. Experiments using real-world datasets has shown that all proposed developments make SCOAL algorithm even more attractive for a variety of practical applications.

A cadeia produtiva da cana-de-açúcar vem sofrendo problemas de diversas naturezas, sendo a mais comum a estiagem, agravada pelas mudanças climáticas que reduzem a disponibilidade de água no solo, afetando diretamente a produtividade da cultura. Uma grande proporção da cultura da cana-de-açúcar não é irrigada, sendo sujeita a alterações entre estações úmidas e secas em condições tropicais e subtropicais, mas quando é irrigada, tem-se observado um incremento significativo na produtividade da cultura. As necessidades hídricas da cultura devem ser atendidas, tanto, na quantidade requerida, quanto no momento oportuno. Para isto, devem ser quantificados parâmetros relacionados com o seu estado hídrico. No entanto, os métodos empregados convencionalmente são demorados, custosos e invasivos. Como alternativa que ajuda a reduzir tempo e custos, o sensoriamento remoto hiperespectral vem sendo utilizado para estimar o estado hídrico em diferentes escalas, uma vez que permite a captura de grande quantidade de informação rapidamente. Para o presente trabalho, o comportamento espectral da vegetação de 400 a 2500 nm, foi utilizado na quantificação de alguns parâmetros que estabelecem o seu estado hídrico. As avaliações tanto em casa de vegetação quanto em laboratório foram feitas em folhas de cana-de-açúcar submetidas a déficit hídrico programado. Para os dados de laboratório foram obtidos R2 > 0,8 na região do visível e R2 < 0,55, na região do infravermelho próximo para CRA (conteúdo relativo de água). Para EEA (espessura equivalente da água) foi obtido um R2 < 0,6 na região do infravermelho próximo. / The sugarcane agribusiness has been suffering several kinds of problems. The most common is the drought caused by the weather changes, which reduce the water availability in the soil, affecting directly the crop yield. A large proportion of the sugarcane crop is not irrigated undergoing changes between wet and dry seasons in tropical and subtropical conditions, but when it is irrigated, it has been possible to observe an increase in the crop yield. The crop water requirements must be provided, both at the required amount and at the right time. To do this, parameters related to its moisture status have to be quantized. However, conventional methods are slow, invasive and expensive. As an alternative to reduce time and costs, the hyperspectral remote sensing has been being used to estimate the water status at different scales, because it allows capturing big amounts of information quickly. In the present study, the spectral behavior of vegetation between 400 and 2500 nm was used to quantify some parameters that establish its water status. The evaluations were conducted both in the greenhouse and the laboratory on sugarcane leaves under programmed water deficit. The laboratory data obtained were R2> 0.8 in the visible region and R2 <0.55 in the near infrared region for the RWC (relative water content). For the EWT (equivalent water thickness) was obtained a R2 <0.6 in the near infrared region.

Diante da importância do sistema financeiro para a economia de um país, faz-se necessária sua constante fiscalização. Nesse sentido, a identificação de problemas existentes no cenário bancário apresenta-se fundamental, visto que as crises bancárias ocorridas mundialmente ao longo da história mostraram que a falta de credibilidade bancária e a instabilidade do sistema financeiro geram enormes custos financeiros e sociais. Os modelos de previsão de insolvência bancária são capazes de identificar a condição financeira de um banco devido ao valor correspondente da sua probabilidade de insolvência. Dessa forma, o presente trabalho teve como objetivo identificar os principais indicadores característicos da insolvência de bancos privados no Brasil. Para isso, foi utilizada a técnica de análise de sobrevivência em uma amostra de 70 bancos privados no Brasil, sendo 33 bancos insolventes e 37 bancos solventes. Foi possível identificar os principais indicadores financeiros que apresentaram-se significativos para explicar a insolvência de bancos privados no Brasil e analisar a relação existente entre estes indicador e esta probabilidade. O resultado deste trabalho permitiu a realização de importantes constatações para explicar o fenômeno da insolvência de bancos privados no Brasil, bem como, permitiu constatar alguns aspectos característicos de bancos em momentos anteriores à sua insolvência. / The financial system is very important to the economy of a country, than its supervision is necessary. Accordingly, the identification of problems in the banking scenario is fundamental, since the banking crisis occurring worldwide throughout history have shown that and instability of the financial system generates huge financial and social costs. The banking failure prediction models are able to identify the financial condition of a bank based on the value of its probability of insolvency. Thus, this study aimed to identify the main financial ratios that can explain the insolvency of private banks in Brazil. For this, it was used the survival analysis to analize a sample of 70 private banks in Brazil, with 33 solvent banks and 37 insolvent banks. It was possible to identify the key financial indicators that were significantly to explain the bankruptcy of private banks in Brazil and it was possible to examine the relationship between these financial ratios and the probability of bank failure. The result of this work has enabled the achievement of important findings to explain the phenomenon of the bankruptcy of private banks in Brazil, and has seen some characteristic of banks in times prior to its insolvency.

Em um ambiente de computação em nuvem, as empresas têm a capacidade de alocar recursos de acordo com a demanda. No entanto, há um atraso que pode levar alguns minutos entre o pedido de um novo recurso e o mesmo estar pronto para uso. Por esse motivo, as técnicas reativas, que solicitam um novo recurso apenas quando o sistema atinge um determinado limiar de carga, não são adequadas para o processo de alocação de recursos. Para resolver esse problema, é necessário prever as requisições que chegam ao sistema, no próximo período de tempo, para alocar os recursos necessários antes que o sistema fique sobrecarregado. Existem vários modelos de previsão de séries temporais para calcular as previsões de carga de trabalho com base no histórico de dados de monitoramento. No entanto, é difícil saber qual é o melhor modelo de previsão a ser utilizado em cada caso. A tarefa se torna ainda mais complicada quando o usuário não tem muitos dados históricos a serem analisados. A maioria dos trabalhos relacionados, considera apenas modelos de previsão isolados para avaliar os resultados. Outros trabalhos propõem uma abordagem que seleciona modelos de previsão adequados para um determinado contexto. Mas, neste caso, é necessário ter uma quantidade significativa de dados para treinar o classificador. Além disso, a melhor solução pode não ser um modelo específico, mas sim uma combinação de modelos. Neste trabalho propomos um método de previsão adaptativo, usando técnicas de otimização multiobjetivo, para combinar modelos de previsão de séries temporais. O nosso método não requer uma fase prévia de treinamento, uma vez que se adapta constantemente a medida em que os dados chegam ao sistema. Para avaliar a nossa proposta usamos quatro logs extraídos de servidores reais. Os resultados mostram que a nossa proposta frequentemente converge para o melhor resultado, e é suficientemente genérica para se adaptar a diferentes tipos de séries temporais. / In a cloud computing environment, companies have the ability to allocate resources according to demand. However, there is a delay that may take minutes between the request for a new resource and it is ready for using. The reactive techniques, which request a new resource only when the system reaches a certain load threshold, are not suitable for the resource allocation process. To address this problem, it is necessary to predict requests that arrive at the system in the next period of time to allocate the necessary resources, before the system becomes overloaded. There are several time-series forecasting models to calculate the workload predictions based on history of monitoring data. However, it is difficult to know which is the best time series forecasting model to be used in each case. The work becomes even more complicated when the user does not have much historical data to be analyzed. Most related work considers only single methods to evaluate the results of the forecast. Other work propose an approach that selects suitable forecasting methods for a given context. But in this case, it is necessary to have a significant amount of data to train the classifier. Moreover, the best solution may not be a specific model, but rather a combination of models. In this work we propose an adaptive prediction method using multi-objective optimization techniques to combine time-series forecasting models. Our method does not require a previous phase of training, because it constantly adapts the extent to which the data is coming. To evaluate our proposal we use four logs extracted from real servers. The results show that our proposal often brings the best result, and is generic enough to adapt to various types of time series.

Baigiamajame magistro darbe nagrinėjami su duomenų perdavimo sparta susiję ryšio kanalo parametrai. Pirmojoje darbo dalyje apžvelgiami užsienio ir Lietuvos mokslininkų atliekami tyrimai kanalo parametrų, susietų su duomenų perdavimo sparta, tematika, analizuojama mobilaus tinklo kanalo parametrų matavimams skirta iranga. Kituose darbo skyriuose išskiriami konkretūs su duomenų pralaidumu sąveikaujantys parametrai. Naudojant šiuos parametrus darbe kuriami modeliai, skirti duomenų perdavimo spartai prognozuoti tikrinamas modelių tinkamumas bei tikslumas. Tiesinės prognozės atveju pasiektas 77,83%, o netiesinės prognozės atveju – 76,19% tikėtinos duomenų perdavimo spartos prognozės tikslumas. Atsižvelgiant į vartotojų interesus siūlomi jų įrangai pritaikyti prognozės modeliai. Darbo pabaigoje tikrinamas sukurtų modelių adekvatumas realiomis ryšio salygomis. / This work analyzes communication channel settings of UMTS technology which are related with a data transfer throughput. Further course of study includes the most specific parameters selection, that arethe most crucial for data speed. Using these parameters it is developed the models suitable for data transfer throughput prediction. To build the model the linear and nonlinear forecasting methods are applied. The linear prediction is made by using linear regression, nonlinear – neural networks. Using linear prediction model 77.83% forecast accuracy has been achieved, while the nonlinear forecast expected transmission rate forecast accuracy is 76.19%.These prediction models accuracy obtained by using eight parameters of the communication channel. Finally in this paper are built the data throughput prediction models that allow to predict data speed using only standard terminal presented channel parameters. At the end all built prediction models are checked in real communication environment.

The main aim of the master thesis is to compare of different methodologies of financial health models and bankruptcy prediction models and their cause to company classification. The work deals with the applicability of models on the sample of 45 prosperous companies and 45 companies that were initiating in insolvency process. Sample contain about 33 % companies from building industry, 33 % retail, 16,7 % manufacturing industry and 16,7 % of the other industries mainly services. The special kind of contingency table - the confusion matrix - is used in the methodology to calculate sensitivity, specificity, negative predictive, false positive rate, accuracy, error and other classification statistics. Overall model accuracy is obtained as a difference between accuracy and error. Dependencies of models are acquired based on Pearson´s correlation coefficient. The changes (removing of grey zone and testing new cut-off points) in models are tested in the sensitivity analysis. In practise part there are about 12 financial models calculated (Altman Z´, Altman Z´´, Index IN99, IN01 and IN05, Kralicek Quicktest, Zmijewski model, Taffler model and its modification, Index Creditworthiness, Grunwald Site Index, Doucha´s Analysis). Only two financial indicators (ROA and Sales / Assets) in results were important as crucial part for more than one model. Then are classifications of companies in models determined. It shows that the best models according to overall accuracy are Zmijewski and Altman´s Z´´. On the other hand the worst models are index IN99 and both versions of Taffler´s model. The classification is not caused excessively by extreme values, year of the model creation or country of the origin (hypothesis 1). Based on results it is suggested that the bankruptcy prediction is an accurate forecaster of failure up to three years prior to bankruptcy in most examined models (hypothesis 2). It is observed that the type of model and industry influence the classification of models. In the end, the changes based on sensitivity analysis in the worst companies are made. All of three changes have increased overall classification accuracy of models.