Este trabalho apresenta a aplicação de Redes Neurais Artificiais (RNAs) como um classificador de padrões para as operações do relé de distância. As grandezas analisadas referem-se aos valores trifásicos de tensões e correntes do sistema elétrico, incluindo a seqüência zero. Para a obtenção dos valores amostrais da linha de transmissão em condição faltosa, valores estes utilizados como entradas para as arquiteturas de RNAs em seus processos de treinamento e teste, utilizou-se do software Alternative Transients Program - ATP. Para se observar o desempenho do relé de distância implementado, duas formas de análise dos valores trifásicos foram adotadas. Uma utilizando-se como entrada os cinco valores amostrados em meio ciclo pós-falta do sinal analisado e a segunda, pelo emprego da magnitude dos fatores de tensões e correntes, incluindo a seqüência zero. A função da rede neural implementada é de capturar o conhecimento da correta atuação do relé de distância, para posteriormente atuar com melhores resultados frente às situações de operações que por ventura venham a ocorrer. Para criar, treinar (obtenção dos pesos associados como saída) e testar as arquiteturas de RNAs, utilizou-se do software Stuttgard Neural Network Simulator (SNNS). Dos resultados encontrados comenta-se o desempenho do relé de distância implementado frente às duas abordagens anteriormente descritas. Do uso de RNAs como um classificador de padrões, observa-se uma melhora no desempenho do sistema de proteção, alcançando-se uma definição de 96% do comprimento da linha de transmissão como sendo a zona de proteção primária do relé de distância digital. / This work demonstrates the use of Artificial Neural Networks (ANNs) theory as a pattern classifier for a distance relay operation. The approach utilizes the magnitudes of the three phase voltage and current phasors (including the zero sequence) as inputs. The Alternative Transients Program (ATP) software is used to generate data for the transmission line in a faulted condition both for the training process and the tests. Two different types of ANN architecture, concerning the input data, are taken into account. The main objective was to analyse the relay performance considering each of them. One approach utilises the five post-fault samples as inputs. The other one employs the magnitudes of the three phase voltage and current phasors (including the zero sequence) as inputs. The implemented neural network should capture the knowledge for the correct relay operation facing the different network conditions. A comparison of how well the schemes performed is carried out. The Stuttgard Neural Network Simulator (SNNS) was used to create the ANN diagram, train it and obtain the weights as an output. An improvement concerning the use of ANNs for distance protection purposes is found. Through the use of ANN as a pattern classifier, a reach of 96% of the transmission line length as the relay primary protection zone was implemented in this work.

O objetivo deste trabalho é explorar procedimentos alternativos capazes de tornar mais efetiva a aplicação, em planejamento de transportes, de modelos desenvolvidos através de redes neurais artificiais (RNA). Pensar, do ponto de vista prático, que um programa de computador seja imprescindível para a fase de treinamento da rede é aceitável, mas depender deste programa também para estimativas e simulações a partir da rede treinada é muito restritivo. Desta forma, o ideal seria obter instrumentos capazes de reproduzir, fora do software de RNA, o comportamento de redes treinadas, integrando a capacidade de predição das RNAs a outros ambientes e ferramentas. Isto ampliaria os recursos de diferentes ferramentas de planejamento, permitindo, por exemplo, análises de sensibilidade mais simples e diretas. Este trabalho será baseado em um modelo já desenvolvido em outra pesquisa, na qual se treinou uma rede neural artificial para estimar um índice de potencial de viagens para planejamento estratégico de transportes. Trata-se de um caso típico em que, embora a rede treinada conduza a estimativas razoáveis de número de viagens por domicílio a partir de variáveis que caracterizam a mobilidade e a acessibilidade, não se pode realizar outras análises a partir dos resultados sem fazer uso do software em que a rede neural artificial foi treinada e obviamente do arquivo com a rede já treinada. Daí a importância de desenvolver alternativas capazes de tornar mais efetivo o uso desse tipo de modelo. Dentre as alternativas aqui exploradas está a reprodução do modelo de RNA em uma planilha eletrônica, o desenvolvimento de um programa em visual basic, a construção de ábacos e a integração, de forma direta, do modelo de RNA a um sistema de informações geográficas (SIG). Para esse último caso, o modelo em ambiente SIG foi utilizado em uma aplicação na cidade de Bauru, a partir de dados agregados em zonas, onde se simulou alterações nos valores das variáveis de entrada, de forma a avaliar o seu impacto sobre as viagens estimadas em diferentes regiões da cidade. Todas as alternativas exploradas ilustram bem a ampliação das possibilidades de realização de análises de sensibilidade com os modelos de RNA, sobretudo quando combinados com os SIG, particularmente quando a localização dos valores estimados como saída é importante no contexto de análise e tomada de decisão. É importante destacar ainda que, além de permitir a condução de análises de sensibilidade, as alternativas apresentadas neste estudo podem, de certa forma, ajudar aos planejadores e tomadores de decisão a entender a lógica do modelo. / The objective of this work is to explore alternative procedures to make more effective the application of ANN (artificial neural network) models in transportation planning. While the use of a specific computer program for training the networks is acceptable, the requirement of the same dedicated software also for predictions and simulations using the trained network is very restrictive from a practical point of view. An alternative to tackle this problem would be to reproduce the behavior of the trained ANN models out the training package through the integration of their estimation capabilities to other tools and environments. This could extend the resources of different planning tools, allowing, for instance, simpler and direct sensitivity analyses. The present study is based on a model developed in previous research work, in which a particular ANN model has been developed to estimate a Trip Potential Index for transportation planning at a strategic level. This is a typical example of a model able to produce acceptable trip number estimations based on input variables associated to mobility and accessibility. Any further analyses, however, are usually dependent on the use of the same package used for training the network and the file with the trained network. This stresses the importance of developing alternatives to make more effective the use of this sort of model. Among the alternatives explored in this work are: the use of electronic spreadsheets, a computer program written in visual basic, graphs, and the direct integration of the ANN model into a geographic information system (GIS) commercial package. In the last case, the model in a GIS-environment has been used to run an application in the city of Bauru. Using data aggregated at the zonal level, changes in the input variables have been simulated in order to evaluate their impact on the trips estimated for different city regions. All alternatives explored here demonstrate the possibilities offered by the ANN models for sensitivity analyses. This is even more evident in the case of ANN models combined with GIS, particularly when the location of the predicted values is a relevant element in the analysis or decision making context. In addition, the procedures presented here may somehow help planners and decisionmakers in understanding the logic behind the models.

Esta tese apresenta o estudo para utilização de Redes Neurais Artificiais para avaliar o estado do pavimento e apoiar as decisões dentro de um Sistema de Gerência de Pavimentos. É apresentado um método para a avaliação da condição em pavimentos flexíveis, utilizando redes neurais MLP backpropagation. Neste caso para a extração das características dos pavimentos são utilizados dois métodos muito empregados pelos órgãos rodoviários: o \"Índice de Gravidade Global\" e a \"irregularidade\". Os experimentos demonstraram que as redes neurais simulam satisfatoriamente o estado dos pavimentos. Para se verificar a possibilidade de utilização em outros problemas, o processo foi empregado para o projeto de restauração de pavimentos flexíveis. Foi utilizada a DNER-PRO 159/85 para a extração das características dos pavimentos. Os experimentos demonstraram que as redes neurais também simulam convenientemente as características do pavimento. Como exemplo de ferramenta de apoio à gerência foi desenvolvido um protótipo computacional em ambiente gráfico, onde o critério de decisão baseia-se nas redes neurais estudadas. São descritas todas as suas funções e forma de funcionamento. / A study of artificial neural networks for evaluating the pavement condition and for supporting decisions within a Pavement Management System is presented. The method for condition evaluation of flexible pavements using the MLP backpropagation technique is described. Two of the most used procedures for detecting the pavement conditions were applied: the \"overall severity index\" (Brazilian IGG) and the \"irregularity index\". The experiments demonstrated that the neural networks satisfactorily simulated the state of the pavement. In order to test the applications in other problems, the method was used for pavement overlay design through neural network, using the same MLP backpropagation technique. For detecting the pavement conditions the DNER-PRO 159/85 was applied. Tests with the model also demonstrated that the neural networks appropriately simulate the pavement characteristics. A computational prototype developed in a graphical computer environment, where the decision criteria are based on the neural networks studied, is presented as an example. All the functions and working details of such prototype are described.

Dados reais apontam um expressivo aumento do consumo de combustível no Brasil e no mundo, além de um crescimento acelerado da população urbana. Ambos os processos vem ocorrendo sem um controle adequado no país e, como conseqüência, têm surgido grandes deseconomias urbanas, tais como: congestionamentos, poluição ambiental, consumo exagerado de combustíveis e uso inadequado do espaço viário. Neste contexto, quaisquer iniciativas no intuito de frear estas deseconomias são relevantes e oportunas, tanto que pesquisas nacionais e internacionais vêm sendo realizadas buscando entender melhor os fatores que mais interferem na energia gasta com transportes. O objetivo deste trabalho é investigar a relação entre o consumo de energia com transportes e algumas variáveis espaciais e sócio-econômicas dos municípios do estado de São Paulo com população superior a 50 mil habitantes. A caracterização dos padrões de forma das áreas urbanizadas foi viabilizada graças aos recursos de um Sistema de Informações Geográficas, que possibilitaram determinar com relativa precisão as variáveis espaciais das manchas urbanas a partir de imagens de satélite georeferenciadas. Uma vez levantados todos os dados possíveis, procedeu-se a uma análise através do emprego de Redes Neurais Artificiais, ferramenta que possibilita identificar e classificar as variáveis de acordo com suas importâncias relativas no consumo de energia, que é a variável dependente do modelo. Os resultados encontrados para as cidades paulistas pesquisadas confirmam a tendência internacional, sobretudo no que concerne à grande relevância da densidade populacional urbana, juntamente com outras características sócio-econômicas, sobre o consumo de energia com transportes. Variáveis como a população urbana, a densidade populacional e o nível de empregos no comércio revelaram-se como as de maior importância relativa no contexto analisado. / The world has been experiencing in recent years an unprecedented increase in the amount of fuel consumed for transportation purposes, in addition to a fast growth of the urban population. Those conditions were also found in Brazil, where they have produced several problems for urban areas, such as: traffic congestion, environmental pollution, high fuel consumption, and an improper use of the urban space. In such a context, any attempt to reduce those problems and their consequences is relevant and opportune. That is the reason why a considerable research effort is being directed to the issue at both national and international levels, in order to better understand the factors that most significantly contribute for the high levels of energy use for transportation.The aim of this work is to investigate the relationship between energy consumption for transportation and a few selected variables related to urban form and socioeconomic characteristics of urbanized areas with more then 50,000 inhabitants located in the state of São Paulo. The boundaries of the urbanized areas were obtained from satellite images georeferenced in a Geographic Information System environment, which also offered the tools for the analysis of some spatial attributes. After the spatial and socioeconomic data were combined in a single database, they were then analyzed using Artificial Neural Network models, in order to identify variables that are relevant to energy consumption for transportation, along with their relative weights.The results found with the Brazilian cities selected for the current study confirmed the trend observed in several countries worldwide, in which urban density played an important role influencing energy use for transportation. In the case studied here, other relevant input variables that considerably influenced the energy consumed for transportation were population and employment level.

Este trabalho consiste em apresentar um método alternativo para a identificação de fontes de correntes harmônicas comumente encontradas em sistemas elétricos residenciais. Desta identificação, soluções viáveis poderão ser aplicadas com o intuito de mitigar os níveis de emissão das correntes harmônicas geradas, principalmente, por cargas com características não lineares. Para a identificação empregou-se redes neurais artificiais (RNAs), sendo esta técnica inteligente, apresentada como uma alternativa aos métodos convencionais. Os resultados reportados neste contexto procuram validar a proposta apresentada com dados experimentais obtidos em ensaios laboratoriais. / This work presents an alternative method for the identification of current harmonic sources commonly encountered in residential electrical systems. For this purpose, feasible solutions can be applied to minimize the levels of harmonic currents emission caused by nonlinear loads. Artificial neural networks are employed as alternative to conventional methods. The experimental results will be reported in order to validate the proposal presented with the experimental data obtained in laboratory.

Introdução. O estudo e compreensão dos efeitos da poluição atmosférica podem contribuir para o planejamento de estratégias de controle de emissões de poluentes e na tomada de decisões em relação à saúde pública. Modelos de previsão da poluição do ar são importantes, na medida em que podem antecipar precauções e providências de ações públicas. Objetivo. Elaborar e analisar modelos de previsão do ozônio troposférico para a Região Metropolitana de São Paulo (RMSP). Métodos. Foram ajustados modelos de previsão de ozônio utilizando redes neurais artificiais (RNAs), denominadas técnicas de inteligência artificial. Os dados de entrada do modelo foram os meteorológicos, obtidos do CPTEC - Centro de Previsão de Tempo e Estudos Climáticos e do INMET - Instituto Nacional de Meteorologia e os dados do poluente ozônio monitorados pela CETESB - Companhia Ambiental do Estado de São Paulo. Foram considerados, para o ozônio, o padrão nacional de qualidade do ar (1 hora) e o padrão estadual de qualidade do ar (8 horas). Os dados foram distribuídos entre as médias do período da manhã (07h às 12h) e as médias do período da tarde (13h às 18h), obtendo-se como saída as concentrações máximas de ozônio para o período da tarde. O período analisado foi de 2008 a 2014. Resultados. Foram realizados 311 testes distribuídos de acordo com o padrão de qualidade do ar do ozônio (O3-1h ou O3-8h) e a origem dos dados meteorológicos (CPTEC ou INMET). Os valores de ozônio observados e estimados mostraram-se muito bem correlacionados. Para os ajustes usando o banco de dados do CPTEC, os melhores resultados das estatísticas de verificação para O3-1h foram: A=90 por cento ; B=0,41; FAR=47 por cento ; POD=22 por cento ; r=0,60. Sendo A a porcentagem de acertos nas previsões de eventos e não eventos; B indica, na média, se as previsões estão subestimadas ou superestimadas; FAR é a porcentagem de concentrações que foram previstas altas e que não ocorreram; POD é a capacidade de prever altas concentrações ( por cento ) e r é o coeficiente de correlação entre o valor observado e o valor estimado. Para O3-8h: A=96 por cento ; B=0,1; FAR=14 por cento ; POD=6,5 por cento ; r=0,72. Considerando-se o banco de dados do INMET, os melhores resultados para O3-1h foram: A=93 por cento ; B=0,54; FAR=29 por cento ; POD=38 por cento , r=0,84. Para O3-8h: A=95 por cento ; B=0,76; FAR=47 por cento ; POD=40 por cento ; r=0,85. As variáveis temperatura e vento meridional foram as mais importantes nos modelos. Conclusões. No geral, os modelos simulados com os dados meteorológicos do INMET apresentaram melhores resultados que os apresentados pelos dados do CPTEC, tanto para O3-1h, quanto para O3-8h. O modelo simulado com os dados do INMET, considerando O3-8h, apresentou melhor previsibilidade. Os modelos ajustados por redes neurais mostraram-se como boas alternativas de instrumentos para prever a concentração de ozônio na RMSP. / Introduction. The study and understanding of the effects of air pollution can contribute to the planning of pollutant emission control strategies and decision-making in relation to public health. Air pollution forecasting models are important, as they can anticipate precautions and actions of public action. Objetive. Develop and analyze tropospheric ozone forecasting models for the São Paulo Metropolitan Area (SPMA). Methods. Ozone forecasting models were adjusted using artificial neural networks (ANNs), called artificial intelligence techniques. The model input data were the weather, obtained from CPTEC - Weather and Climate Studies Prediction Center and INMET - National Meteorology Institute and the pollutant ozone data monitored by CETESB - São Paulo State Environmental Company. Were considered for ozone, the national standard of air quality (1 hour) and the state standard of air quality (8 hours). Data were distributed among the averages of the morning (07h to 12h) and the average of the afternoon (13h to 18h), obtaining as output the maximum concentrations of ozone to the afternoon. The study period was from 2008 to 2014. Results. Were conducted 311 tests distributed according to the standard of ozone air quality (O3-1h or O3-8h) and the source of meteorological data (CPTEC or INMET). The observed and estimated ozone values were shown to be very well correlated. For the settings using the CPTEC database, the best results of the verification statistics for O3-1h were: A= 90 per cent ; B=0.41; FAR=47 per cent ; POD=22 per cent ; r=0.60. Where A is the percentage of correct answers of forecasts in the events and not events; B indicates, on average, if the predictions are underestimated or overestimated; FAR is the percentage concentrations that were predicted high and that did not occur; POD is the ability to predict high concentrations ( per cent ) and r is the correlation coefficient between the observed value and the estimated value. To O3-8h: A=96 per cent ; B=0.1; FAR=14 per cent ; POD=6.5 per cent ; r=0.72. Considering the INMET database, the best results for O3-1h were: A=93 per cent ; B=0.54; FAR=29 per cent ; POD=38 per cent , r=0.84. To O3-8h: A=95 per cent ; B=0.76; FAR=47 per cent ; POD=40 per cent ; r=0.85. The variables temperature and meridional wind were the most importante in the models. Conclusions. Overall, the simulated models with meteorological INMET data showed better results than those presented by the CPTEC data for both O3-1h, and for O3-8h. The simulated model with INMET data, considering O3-8h, presented better predictability. The models adjusted by neural networks showed up as good instruments to predict the ozone concentration in the SPMA.

O presente trabalho tem como objetivo principal o desenvolvimento de um sistema de identificação do surgimento de vazamentos (rupturas) em dutos, através da análise do sinal de sensores de pressão de resposta rápida (frequência de corte superior a 1 kHz). O reconhecimento do sinal de vazamento se realiza através de uma rede neural artificial feed-foward do tipo Perceptron Multi Camadas, previamente treinada. Neste trabalho, a implementação para tal operação foi feita off-line, mas devido ao baixo custo computacional pode ser facilmente implementada em eletrônica embarcada, em tempo real (on-line). Os resultados experimentais foram obtidos no oleoduto piloto do NETeF - Núcleo de Engenharia Térmica e Fluidos da USP - Universidade de São Paulo, com uma seção de testes com 1500 metros e diâmetro de 51,2 mm. Especificamente, os resultados foram obtidos com escoamento monofásico de água. Os resultados mostram-se promissores, visto que o sistema de redes neurais artificiais foi capaz de discriminar 2 universos linearmente separáveis, para sinais de vazamento e de não vazamento, para diversas vazões e localizações de vazamentos simulados. / The present dissertation deals with the development of a system to identify abrupt leaks (ruptures) in pipelines, by analyzing the signal of fast response pressure sensors (cutoff frequency over then 1kHz). The recognition of the leak signal is established by an artificial neural network feed-forward Perceptron Multi Layer, previously trained. In the present work the implementation was performed off-line, but due to low computational costs, the neural network can be easily implemented in real time embedded electronics (online). The experimental results were obtained in a 1500 meter-long and 51.2 millimeter-diameter pilot pipeline at the Center of Thermal Engineering and Fluids. Specifically, the results were obtained with single-phase flow of water. The results have proven to be promising, as the trained neural network was capable of classifying the 2 types of signals into 2 linearly separable regions, for leakage signals and no leakage signals, for various flow rates and locations of simulated leaks.

A área de dinâmica de aeronaves atingiu um alto nível de desenvolvimento e devido à crescente disponibilidade de computadores cada vez mais rápidos e com maior capacidade de processamento; a aplicação de técnicas numéricas de identificação nesta área também teve grande avanço. Este trabalho apresenta uma metodologia para predição de respostas de aeronaves dentro de envelopes de vôo pré-estabelecidos usando redes neurais recorrentes e uma metodologia para estimação das suas derivadas aerodinâmicas usando redes neurais feedforward. Para obter os conjuntos de dados para treinar as redes neurais, foi implementado um modelo não linear de dinâmica de vôo e simulado o comportamento de uma aeronave de combate em nove pontos de um envelope de vôo. Foram usadas as respostas simuladas correspondentes a quatro pontos para treinar a rede neural e depois disto, esta capturou satisfatoriamente a dinâmica da aeronave, identificando com grande sucesso as respostas do movimento longitudinal da aeronave por todo o envelope de vôo considerado. Após a simulação e identificação das respostas da aeronave dentro do envelope de vôo, é apresentada a resolução do problema inverso, ou seja, usando velocidades escalares e angulares da aeronave juntamente com seus dados geométricos como entradas para a rede neural feedforward, é obtido um modelo neural estimador de derivadas aerodinâmicas. Para mostrar a capacidade deste modelo neural estimador, este é aplicado na estimação das derivadas da aeronave simulada e também aplicado na estimação das derivadas aerodinâmicas da aeronave militar a jato Xavante AT-26 da Força Aérea Brasileira. Estas metodologias propostas reduzem custo de obtenção das derivadas aerodinâmicas e mostram a eficácia das redes neurais em estimar as respostas de aeronaves dentre de um envelope de vôo pré-definido. / The area of aircraft dynamics has reached a high level of development and due to the increasing availability of computers continuously faster and with bigger processing capacity, the application of numerical identification techniques in this area also had great advance. This work presents two methodologies, one for prediction of aircraft responses within a pre-established flight envelope using recurrent neural networks and another one for estimation of its aerodynamic derivatives using feedforward neural networks. To get data sets to train the neural networks, a combat aircraft flight dynamics non-linear model was implemented and simulated in nine points of the flight envelope to obtain its behavior. The simulated responses corresponding to a four points of the flight envelope were used to train the neural network and after that, it was possible to verify that this net satisfactorily captured the dynamics of the aircraft, identifying with great success the longitudinal motion responses of the aircraft at all the considered flight envelope positions. After the simulation and identification of the aircraft responses inside the flight envelope, the solution of the inverse problem is presented, i.e., using scalar and angular aircraft velocities together with its geometric data as input to the feedforward neural network, a neural estimator model of aerodynamic derivatives is obtained. In order to show the capacity of this neural estimator model, this model is applied to the estimation of the derivatives of the simulated aircraft as well as to the estimation of the aerodynamic derivatives of a brazilian air force military jet aircraft, the Xavante AT-26. These proposed methodologies reduce the cost of obtaining the aerodynamic derivatives and show the estimation effectiveness of the neural networks to estimate the responses of an aircraft inside a pre-defined flight envelope.

Dados reais apontam um expressivo aumento do consumo de combustível no Brasil e no mundo, além de um crescimento acelerado da população urbana. Ambos os processos vem ocorrendo sem um controle adequado no país e, como conseqüência, têm surgido grandes deseconomias urbanas, tais como: congestionamentos, poluição ambiental, consumo exagerado de combustíveis e uso inadequado do espaço viário. Neste contexto, quaisquer iniciativas no intuito de frear estas deseconomias são relevantes e oportunas, tanto que pesquisas nacionais e internacionais vêm sendo realizadas buscando entender melhor os fatores que mais interferem na energia gasta com transportes. O objetivo deste trabalho é investigar a relação entre o consumo de energia com transportes e algumas variáveis espaciais e sócio-econômicas dos municípios do estado de São Paulo com população superior a 50 mil habitantes. A caracterização dos padrões de forma das áreas urbanizadas foi viabilizada graças aos recursos de um Sistema de Informações Geográficas, que possibilitaram determinar com relativa precisão as variáveis espaciais das manchas urbanas a partir de imagens de satélite georeferenciadas. Uma vez levantados todos os dados possíveis, procedeu-se a uma análise através do emprego de Redes Neurais Artificiais, ferramenta que possibilita identificar e classificar as variáveis de acordo com suas importâncias relativas no consumo de energia, que é a variável dependente do modelo. Os resultados encontrados para as cidades paulistas pesquisadas confirmam a tendência internacional, sobretudo no que concerne à grande relevância da densidade populacional urbana, juntamente com outras características sócio-econômicas, sobre o consumo de energia com transportes. Variáveis como a população urbana, a densidade populacional e o nível de empregos no comércio revelaram-se como as de maior importância relativa no contexto analisado. / The world has been experiencing in recent years an unprecedented increase in the amount of fuel consumed for transportation purposes, in addition to a fast growth of the urban population. Those conditions were also found in Brazil, where they have produced several problems for urban areas, such as: traffic congestion, environmental pollution, high fuel consumption, and an improper use of the urban space. In such a context, any attempt to reduce those problems and their consequences is relevant and opportune. That is the reason why a considerable research effort is being directed to the issue at both national and international levels, in order to better understand the factors that most significantly contribute for the high levels of energy use for transportation.The aim of this work is to investigate the relationship between energy consumption for transportation and a few selected variables related to urban form and socioeconomic characteristics of urbanized areas with more then 50,000 inhabitants located in the state of São Paulo. The boundaries of the urbanized areas were obtained from satellite images georeferenced in a Geographic Information System environment, which also offered the tools for the analysis of some spatial attributes. After the spatial and socioeconomic data were combined in a single database, they were then analyzed using Artificial Neural Network models, in order to identify variables that are relevant to energy consumption for transportation, along with their relative weights.The results found with the Brazilian cities selected for the current study confirmed the trend observed in several countries worldwide, in which urban density played an important role influencing energy use for transportation. In the case studied here, other relevant input variables that considerably influenced the energy consumed for transportation were population and employment level.

Orientador: Marcelo Libânio / Resumo: O objetivo do presente trabalho é avaliar modelos de previsão de tarifa de água, aplicados a autarquias municipais e empresas privadas, nas regiões Sul e Sudeste do Brasil. Utilizando a metodologia de cálculo e posterior comparação dos erros obtidos para as previsões, verificando também a aplicabilidade das tarifas previstas para cada sistema de abastecimento. Utilizou-se dois modelos de previsão, o primeiro, fundamentado em técnicas de regressão linear múltipla e o segundo, baseado na aplicação de redes neurais artificiais. Avaliando, dessa forma, a capacidade de os dois modelos em questão preverem os valores tarifários a serem cobrados pelos prestadores de serviços de abastecimento de água e coleta de esgoto, a partir da análise das tarifas anteriormente praticadas. Os dados subsidiários para elaboração dos modelos foram obtidos por meio do sistema nacional de informações sobre saneamento (SNIS). Confirmada a consistência do banco de dados primário, procedeu-se com processamento destes dados, e definição das variáveis mais intervenientes para a definição da tarifa por meio da técnica de análise de correlação. Propôs-se a classificação dos sistemas de acordo com a classe jurídica do prestador de serviço, os cenários financeiros (superávit ou déficit) destes prestadores e o porte populacional dos municípios atendidos. Os resultados obtidos indicaram que os processos de previsão, em ambos os modelos utilizados, foram capazes de prever com elevada acurácia as tarifas, e garanti... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The objective of the present work was evaluating forecasting models for water tariff applied to municipal and private companies in the South and Southeast regions of Brazil. Using the calculation methodology and subsequent comparison of the errors obtained for the forecasts, also verifying the applicability of the forecast tariffs for each supply system. Two prediction models are used, the first based on multiple linear regression techniques and the second based on the application of artificial neural networks. Evaluating, in this way, the ability of the two models in question to predict the tariff values to be charged by the water supply and wastewater collection service providers, based on the analysis of the tariffs previously practiced. The subsidiary data for the elaboration of the models were obtained through the national sanitation information system (SNIS). Confirming the consistency of the primary database, we proceeded with processing of these data and definition of the most intervening variables for the definition of the tariff through the correlation analysis technique. The classification of the systems according to the legal class of the service provider, the financial scenarios (surplus or deficit) of these providers and the population size of the municipalities served were proposed. The obtained results indicated that the forecasting processes, in both models used, were able to predict with high accuracy the tariffs, and guaranteed the maintenance of the surplu... (Complete abstract click electronic access below) / Mestre