Made available in DSpace on 2015-03-05T13:57:00Z (GMT). No. of bitstreams: 0 Previous issue date: 11 / Nenhuma / A região promotora é uma seqüência de DNA que localiza-se anteriormente a uma determinada região gênica. Ela é responsável pelo início do processo de transcrição de um gene ou conjunto de genes. Assim, ela também atua como um elemento regulador da expressão gênica. O estudo da regulação da expressão gênica é relevante porque é essencial para a compreensão da maquinária vital dos seres vivos, já que a diferença entre duas espécies está mais relacionada em como e quando seus genes estão “ativos” ou “inativos” do que com a estrutura destes em si. Embora exista métodos computacionais para a predição de genes com boa acurácia, o mesmo não é conseguido para os promotores. Esta dificuldade deve-se ao pequeno e pouco conservado padrão das seqüências, gerando assim resultados com alto número de falsos positivos. Além dos motivos consensuais, os promotores possuem características físicas que os diferem de seqüências não-promotoras. No entanto, estas ainda não são amplamente utilizadas no problema de predição in silic / The promoter region is localized few base pairs before the gene region. It is responsible by initiate the gene expression process, thus, it plays a regulatory role. The study about the gene expression regulation is a great area, since it can assist in the comprehension of complex metabolic network presented by several organisms and, because the difference between two different species is how and when your genes are turn off and turn on than your structure. The computational methods to gene prediction have a good accuracy, but this is not achieved in the promoter prediction. This difficulty occurs because the length of promoter and the degenerate pattern presented, thus the results presented a great number of false positives. This work aims employed Neural Networks to promoter prediction and recognition of Escherichia coli by two approaches: whit the orthogonal codification and stability values of the promoter sequence. For characterization, realize the extraction rules of type if … then. The results in this

Made available in DSpace on 2014-06-12T15:52:53Z (GMT). No. of bitstreams: 1 license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2009 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Este trabalho propõe uma nova abordagem para classificação de objetos em imagens binárias de duas dimensões usando descritores de curvatura, descritores de momento e uma rede neural artificial. O modelo proposto classifica objetos utilizando uma rede neural supervisionada e, através do uso de uma distribuição de probabilidade, associa um coeficiente de certeza para cada classificação. Foram utilizados os descritores de imagens conhecidos por Momento de Hu e o Curvature Scale Space para prover uma representação invariante às transformações das imagens, enquanto que o modelo neural proposto utiliza a correlação máxima entre as representações dos objetos para efetuar a classificação e uma distribuição de probabilidade para calcular o coeficiente de certeza da classificação de cada imagem. A avaliação da robustez baseou-se na medida da precisão da classificação para imagens rotacionadas, escaladas e com transformações não-lineares que formam um conjunto de imagens padrão, usado pelo grupo MPEG na criação da norma MPEG-7, demonstrando assim a aplicabilidade do método

Submitted by PPG Ci?ncia da Computa??o (ppgcc@pucrs.br) on 2018-06-15T16:40:47Z No. of bitstreams: 1 LEANDRO PEREIRA DA SILVA_DIS.pdf: 16008947 bytes, checksum: 327a925ea56fcca0a86530a0eb3b1637 (MD5) / Approved for entry into archive by Sheila Dias (sheila.dias@pucrs.br) on 2018-06-26T13:25:28Z (GMT) No. of bitstreams: 1 LEANDRO PEREIRA DA SILVA_DIS.pdf: 16008947 bytes, checksum: 327a925ea56fcca0a86530a0eb3b1637 (MD5) / Made available in DSpace on 2018-06-26T13:34:22Z (GMT). No. of bitstreams: 1 LEANDRO PEREIRA DA SILVA_DIS.pdf: 16008947 bytes, checksum: 327a925ea56fcca0a86530a0eb3b1637 (MD5) Previous issue date: 2018-03-27 / Computer vision is the science that aims to give computers the capability of see- ing the world around them. Among its tasks, object recognition intends to classify objects and to identify where each object is in a given image. As objects tend to occur in particular environments, their contextual association can be useful to improve the object recognition task. To address the contextual awareness on object recognition task, the proposed ap- proach performs the identification of the scene context separately from the identification of the object, fusing both information in order to improve the object detection. In order to do so, we propose a novel architecture composed of two convolutional neural networks running in parallel: one for object identification and the other to the identification of the context where the object is located. Finally, the information of the two-streams architecture is concatenated to perform the object classification. The evaluation is performed using PASCAL VOC 2007 and MS COCO public datasets, by comparing the performance of our proposed approach with architectures that do not use the scene context to perform the classification of the ob- jects. Results show that our approach is able to raise in-context object scores, and reduces out-of-context objects scores. / A vis?o computacional ? a ci?ncia que permite fornecer aos computadores a ca- pacidade de verem o mundo em sua volta. Entre as tarefas, o reconhecimento de objetos pretende classificar objetos e identificar a posi??o onde cada objeto est? em uma imagem. Como objetos costumam ocorrer em ambientes particulares, a utiliza??o de seus contex- tos pode ser vantajosa para melhorar a tarefa de reconhecimento de objetos. Para utilizar o contexto na tarefa de reconhecimento de objetos, a abordagem proposta realiza a iden- tifica??o do contexto da cena separadamente da identifica??o do objeto, fundindo ambas informa??es para a melhora da detec??o do objeto. Para tanto, propomos uma nova arquite- tura composta de duas redes neurais convolucionais em paralelo: uma para a identifica??o do objeto e outra para a identifica??o do contexto no qual o objeto est? inserido. Por fim, a informa??o de ambas as redes ? concatenada para realizar a classifica??o do objeto. Ava- liamos a arquitetura proposta com os datasets p?blicos PASCAL VOC 2007 e o MS COCO, comparando o desempenho da abordagem proposta com abordagens que n?o utilizam o contexto. Os resultados mostram que nossa abordagem ? capaz de aumentar a probabili- dade de classifica??o para objetos que est?o em contexto e reduzir para objetos que est?o fora de contexto.

O oxicorte produz superfícies que variam entre um padrão semelhante à usinagem até outro em que o corte é praticamente sem qualidade. Além das condições de equipamentos e habilidade de operadores, estas possibilidades são conseqüências da correta seleção de parâmetros e variáveis de trabalho. O processo baseia-se numa reação química fortemente exotérmica, que gera parte de calor necessário para sua ocorrência juntamente com o restante do calor proveniente da chama do maçarico. A proporção entre estes valores é fortemente dependente, entre outros fatores, da espessura do material utilizado. Este trabalho mostra como calcular a quantidade de energia gerada no oxicorte, com duas metodologias de diferentes autores, estuda de que maneira fatores como a variação da concentração do oxigênio e a temperatura inicial das chapas cortadas podem variar o balanço térmico e simula, com a utilização de Redes Neurais Artificiais, alguns dos dados necessários para a realização destes cálculos. Para isto foram cortadas chapas de aço carbono ASTM A36 de 12,7 a 50,8 mm, com diferentes concentrações de O2 (99,5% e 99,95%) e diferentes temperaturas de pré-aquecimento das chapas (30 e 230±30ºC). As superfícies cortadas foram caracterizadas, os óxidos produzidos identificados e os resultados foram correlacionados com o uso de tratamento matemático e técnicas de inteligência artificial. Para a realização do trabalho alguns aspectos não existentes em literatura foram superados como o desenvolvimento de uma metodologia para a caracterização dos óxidos de Fe por meio de difração de raios X com o método de Rietveld, a utilização de redes neurais artificiais para estimativa de resultados no processo oxicorte e a comparação entre diferentes redes neurais artificiais, que são também aspectos inéditos apresentados nos sete artigos técnicos publicados no decorrer deste trabalho. Os resultados apresentam: uma metodologia para a análise da eficiência energética do processo, o desenvolvimento de técnicas que, com o emprego de inteligência artificial simulam o comportamento de aspectos do processo, o que por fim possibilita a simulação da análise de sua eficiência energética. / Oxygen cutting process produces surfaces that vary from a machine cut finishing to one of virtually no quality at all. Besides equipment conditions and operators\' skills, these possibilities result from the correct selection of work parameters and variables. The process is based on a highly exothermic chemical reaction that generates part of the heat needed for its occurrence, along with the rest of heat resultant from the flame of the blowpipe. The ratio between these values depends highly on the thickness of the material used. This work shows how to calculate the amount of energy generated in the cutting process. Based on two methodologies of different authors, this research studies how factors such as the change in the oxygen concentration and the pre heating temperature of plates can vary the heat balance and simulates, with the use of Artificial Neural Networks, some of the data needed to perform these calculations. ASTM A36 carbon steel plates, from 12.7 to 50.8 mm thick, with different oxygen concentration (99,5% e 99,95%) and preheating temperatures (30 and 230 ±30ºC) were cut. The cut surfaces and the produced oxides were characterized and the results were correlated with the use of mathematical treatment and artificial intelligence techniques. In order to carry out this work some previously inexistent aspects in literature have been developed, such as a Fe oxides characterization methodology with X-ray diffraction and Rietveld method; the use of artificial neural networks to simulate the results in the oxygen cutting process and the comparison between different artificial neural networks, which are unpublished aspects of this work that can be seen in seven technical papers published while this work was in progress. Results show: a methodology for the analysis of the energy efficiency of the process; the development of techniques that, together with artificial intelligence, simulate the results of aspects of the process; which finally allows the simulation analysis of the energy efficiency of the process.

Este trabalho apresenta o desenvolvimento de um instrumento de apoio à gestão territorial, denominado Banco de Dados Geográficos – BDG, constituído de uma base de dados georreferenciadas, de um sistema de gerenciamento de banco de dados, de um sistema de informação geográfica – SIG e de um simulador de redes neurais artificiais – SRNA. O roteiro metodológico adotado permitiu a transposição do Detalhamento da Metodologia para Execução do Zoneamento Ecológico-Econômico pelos Estados da Amazônia Legal para um modelo conceitual materializado no BDG, que serviu de suporte para a criação de uma base de dados geográficos, na qual utilizou-se os conceitos de geo-campos e geo-objetos para modelagem das entidades geográficas definidas. Através deste ambiente computacional foram realizados procedimentos de correção e refinamento dos dados do meio físico e sócio-econômicos, de interpretação de imagens de satélite e análises e combinações dos dados, que permitiram definir unidades básicas de informação do território, a partir das quais foram geradas as sínteses referentes à potencialidade social e econômica, à sustentabilidade do ambiente, aos subsídios para ordenação do território, incluindo orientações à gestão do território na área de estudo localizada no sudoeste do estado de Rondônia. Sobre os dados do meio físico, foram utilizadas duas técnicas de análise geográfica: álgebra de mapas e rede neural artificial, que produziram cenários relativos à vulnerabilidade natural à erosão. A análise das matrizes de erros obtidas da tabulação cruzada entre os cenários, revelou uma boa exatidão global (acima de 90%) entre os cenários obtidos através da modelagem via álgebra de mapas e via rede neural artificial e, uma exatidão global regular (em torno de 60%), quando foram comparados os cenários obtidos via álgebra de mapas e via rede neural artificial com o cenário obtido através de procedimentos manuais. / This work presents the development of a tool to support the land management called Geographical Data Base (GDB) formed by a georrefered data base, a data base management system (DBMS), a geographic information system (GIS) and an artificial neural net simulator (ANNS). The methodological approach allowed the conceptual modelling of the methodology of the ZEE (Ecological-Economic Zoning) institutional program within GDB, using both field and object concepts, in which the geographic entities were modelled. Using this computacional framework both natural and socio-economic data were corrected and improved, and also procedures of satellite image interpretation using image processing techniques, of analysis and data manipulation using GIS tools, were accomplished. These procedures allowed to define basic units of mapping and to get the following synthesis for the study area located in State of Rondonia: social potenciality, environmental vulnerability, environmental sustentability, land management maps, and guidelines about land management. With the abiotic and biotic data, two different geographical inference methods were used to produce the environmental vulnerability map: a) the common Map Algebra approach and b) an Artificial Neural Network approach – as a technique to deal with the non-linearities involved in inferencial processes. Error matrices were computed from cross tabulation among different scenaries obtained from those inference methods. A good global accuracy (over 90%) was obtained when ANN and Map Algebra scenaries were compared. Medium global accuracies (around 60%) were obtained when ANN and Map Algebra were compared with scenaries obtained by manual procedures.

A análise de imagens é uma das formas de avaliar o desenvolvimento das plantas, tanto para correlacionar aspectos biofísicos dos mesmos, como para a detecção de doenças. Através das imagens podem ser calculados índices vegetativos que se correlacionem com os teores de nutrientes nas folhas. Com essa perspectiva, o presente trabalho objetivou avaliar quais indices vegetativos melhor se correlacionariam com a taxa de fósforo nas folhas de tomateiros. Foi realizado o cultivo de uma cultivar de minitomate, com cinco doses de fósforo (0, 25, 50, 75 e 100%) do P recomendado (na formulação da solução nutritiva). Em diferentes etapas do desenvolvimento da planta foram coletadas amostras das folhas para obtenção das imagens, através de escâner e máquina fotográfica, e diagnose foliar. Foram determinadas as biorrespostas das plantas ao longo do tempo. Uma rede neural artificial foi desenvolvida para estimar os teores de fósforo foliares no minitomate grape. A análise do desenvolvimento da planta permitiu concluir que a dose 100% de P2O5 utilizada no experimento foi suficiente para suprir a demanda nutricional do minitomateiro. Aos 64 dias após o transplantio (DAT) foi observada a maior queda nos teores de fósforo nas folhas, coincidindo com o amadurecimento dos frutos. Propõe-se, para a cultivar estudada, que a dignose foliar seja feita aos 50 DAT. Os índices vegetativos obtidos pela análise de imagem e selecionados pela análise de componentes principais (ICVE e Bn, tanto da parte abaxial quanto adaxial) podem ser utilizados para estimar a diagnose foliar de P na cultivar de minitomate grape. A avaliação dos índices vegetativos indicou que a obtenção de imagens com o escâner é mais adequado do que com a câmera fotográfica. Para a cultivar estudada, verificou-se que na dosagem de 100% de P2O5 teor de P nas folhas fica abaixo de 4,0 g kg-1. Em relação à rede neural desenvolvida, ao categorizar os valores de P de acordo com a literatura, a mesma obteve uma taxa de acerto de 90%. / The analysis of images is one of the ways to evaluate the development of plants, both to correlate biophysical aspects of the same, as for the detection of diseases. Through the images can be calculated vegetative indexes that correlate with the contents of nutrients in the leaves. With this perspective, the present studied aimed to evaluate which vegetative indexes would best correlate with the phosphorus rate in tomato leaves. A minitomato grape cultivar with five phosphorus doses (0, 25, 50, 75 and 100%) of the recommended P (in the formulation of the nutrient solution) was carried out. At different stages of plant development, leaf samples were collected to obtain the images, with scanner and camera, and foliar diagnosis. The bio-responses of plants were determined over time. An artificial neural network was developed to estimate leaf phosphorus levels in the grape minitomate. The analysis of the development of the plant allowed to conclude that the dose 100% of P2O5 used in the experiment was enough to supply the nutritional demand of the minitomateiro. At 64 days after transplanting (DAT), the highest drop in phosphorus content in the leaves was observed, coinciding with the ripening of the fruits. It is proposed, for the studied cultivar, that the leaf dignity should be made at 50 DAT. The vegetative indexes obtained by the image analysis and selected by the principal components analysis (ICVE and Bn, both abaxial and adaxial) can be used to estimate the leaf diagnosis of P in the minitomate grape cultivar. The evaluation of vegetative indexes indicated that obtaining images with the scanner is more appropriate than with the photographic camera. For the cultivar studied, it was verified that in the dosage of 100% of P2O5 content of P in the leaves is below 4.0 g kg-1. In relation to the developed neural network, when categorizing the P values according to the literature, it obtained a 90% correctness rate.

Made available in DSpace on 2016-08-10T10:40:27Z (GMT). No. of bitstreams: 1 ANA PAULA DE SOUSA.pdf: 965882 bytes, checksum: a3647999f994441f4537855527b52292 (MD5) Previous issue date: 2012-03-09 / The objective of this study was to compare statistical methods and artificial intelligence to the problem of time series forecasting using Holt-Winters, Box-Jenkins and the Elman neural network. The models were used to predict one step ahead of the price of ethanol in the state of Goias and compared using measures of specific errors. At the end, the results indicated that all three techniques were competitive in terms of predicting one step ahead especially the statistical models appeared to be the most suitable methods in terms of balance between performance and complexity. / O objetivo deste trabalho foi comparar os métodos de estatística e de inteligência artificial para o problema da previsão de séries temporais através de Holt-Winters, Box- Jenkins e a rede neural de Elman. Os modelos foram utilizados para previsão um passo a frente dos preços do etanol no estado de Goiás e comparados através medidas de erros específicas. Ao final, os resultados indicaram que todos os métodos se mostraram competitivos em termos de predição um passo à frente, destacando-se os modelos estatísticos como os mais adequados em termos de parcimônia entre desempenho e complexidade.

Úlceras cutâneas constituem um problema de saúde pública no mundo atual. A eficiência do seu tratamento é observada pela redução das áreas total, de fibrina (amarelo) e de granulação (vermelho) da úlcera, calculados manualmente e/ou por imagens, processos demorados e posteriores à consulta médica. O trabalho propõe uma nova técnica não-invasiva e automatizada de acompanhamento das úlceras por redes neurais artificiais (RNAs). Foram utilizadas imagens digitais do banco de imagens do ADUN (Ambulatório da Dermatologia de Úlceras Neurovasculares) do Hospital das Clínicas da FMRP-USP (Faculdade de Medicina de Ribeirão Preto da Universidade de São Paulo), escolhidas aleatoriamente, sendo 50 imagens para treinamento da RNA e 250 para o teste da RNA. Para validação da RNA foram criados os grupos: 1 (n=15 imagens poligonais com áreas e cores definidas previamente); 2 (n=15 imagens poligonais com áreas e cores definidas previamente, submetidas a variações de iluminação, brilho, contraste, saturação); 3 (n=15 imagens poligonais constituídas de texturas de fibrina e de granulação); 4 (n=15 imagens de úlceras cutâneas reais preenchidas totalmente em cor preta sua superfície). Para avaliar a sua aplicação clínica foram utilizadas 50 imagens padronizadas submetidas aos cálculos das áreas pela RNA. Os resultados da RNA foram comparados aos do programa Image J (segmentação manual) e/ou às medidas-padrão. Estatisticamente os programas foram considerados similares quando p > 0,05 pelo Teste t Student. Quando p < 0,05 e r positivo, considerou-se o coeficiente de correlação de Pearson. A base de imagens de úlceras cutâneas foi eficiente para a aquisição das imagens, para a criação e execução dos algoritmos de extração de cores, de treinamento e de teste da RNA. A rede neural artificial desenvolvida apresentou desempenho similar ao Image J e às medidas-padrão adotadas para a segmentação das figuras do grupo 1, sendo p > 0,05 para as áreas total, de fibrina e de granulação. Na avaliação de interferência de ruídos (grupo 2), foi verificado que tais fatores não interferiram na segmentação da área dos polígonos (p > 0,05), pela RNA e pelo Image J. Entretanto, apesar de interferirem na segmentação de cores de granulação, sendo p < 0,05, o coeficiente de correlação RNA/Image J foi de 0,90 com p < 0,0001. No grupo 3, os cálculos das áreas foram semelhantes pela RNA e pelo Image J (p > 0,05). Quando comparadas às áreas calculadas pelos programas às medidas-padrão, o coeficiente de correlação foi significante (p < 0,0001) para todas as áreas. A segmentação das áreas das úlceras do grupo 4 pela RNA foi validada quando comparada à segmentação manual pelo Image J (p> 0,05). A aplicação clínica da RNA sobre o banco de imagens foi semelhante ao Image J para a segmentação das áreas (p > 0,05). Enfim, a rede neural artificial desenvolvida no Matlab 7.0 mostrou desempenho eficaz e validado na segmentação das úlceras de perna quanto à automatização do cálculo das áreas total, de fibrina e de granulação, semelhante à oferecida manualmente pelo programa Image J. Além disso, mostrou-se de grande aplicação clínica devido a facilidade de sua utilização através da interface web criada, sua praticidade, não interferência do usuário (automatização), propriedades essas que a consolida como uma metodologia adequada para o acompanhamento dinâmico-terapêutico da evolução das úlceras cutâneas. / Cutaneous ulcers are a public health problem worldwide. The efficiency of their treatment is observed through the reduction on the total affected areas, slough (yellow) and granulation (red) of the ulcer, manually calculated and/or through images, which are delayed processes usually performed after medical consultation. This work proposes a new non-invasive and automated technique to follow-up ulcers through artificial neural networks (ANN). Digital images from the ADUN (Neurovascular Ulcers Dermatology Ambulatory) image bank - FMRP General Hospital (Ribeirão Preto Medical School - University of São Paulo) were used and randomly selected as follows: 50 images for ANN training and 250 for the ANN test. For the ANN validation, the following groups were created: 1 (n=15 polygonal images with areas and colors previously defined); 2 (n=15 polygonal images with areas and colors previously defined submitted to illumination, brightness, contrast and saturation variation); 3 (n=15 polygonal images composed of slough and granulation textures); 4 (n=15 images of actual cutaneous ulcers with their surface fully filled in black). To evaluate its clinical application, 50 standard images were used and submitted to calculation of areas using ANN. The ANN results were compared to those obtained with the Image J software (manual segmentation) and/or to standard measures. The programs were statistically considered similar when p > 0.05 through the t Student test. When p < 0.05 and r is positive, the Pearson correlation coefficient was considered. The cutaneous ulcer image bank was efficient for the acquisition of images, for the creation and execution of color extraction algorithms, ANN training and tests. The artificial neural network developed presented performance similar to that obtained with the Image J software and to standard measures adopted for the segmentation of figures from group 1, with p > 0.05 for total areas, slough and granulation. In the noise interference assessment (group 2), it was verified that such factors did not interfere in the polygons area segmentation (p > 0.05) through both ANN and Image J. However, although interfering in the color and granulation segmentation, with p < 0.05, the ANN/Image J correlation coefficient was of 0.90, with p < 0.0001. In group 3, the calculations of areas were similar through both ANN and Image J (p > 0.05). When compared to standard measures, the correlation coefficient was significant (p < 0.0001) for all areas. The segmentation of ulcer areas of group 4 through ANN was validated when compared to manual segmentation through Image J (p> 0.05). The clinical application of ANN on the image bank was similar to Image J for the segmentation of areas (p > 0.05). Finally, the Artificial Neural Network developed in Matlab 7.0 environment showed good performance and was validated in the segmentation of leg ulcers in relation to the automation of the calculation of total areas, slough and granulation, which was similar to that obtained with the Image J software. Moreover, it presented a large clinical application due to the easiness of its application through the web interface created and the non interference of the user (automation), properties that consolidate this technique as a suitable methodology for the dynamic-therapeutic follow-up of the evolution of cutaneous ulcers.

O presente trabalho de pesquisa enfoca a problemática da previsão de demandas com vistas à operação dos sistemas de abastecimento de água em tempo real, utilizando-se dados de consumo horários de água das cidades de São Carlos e Araraquara, SP, para que se identifique o modelo que produza os melhores ajustes. Foram estudadas as redes neurais artificiais Perceptron de Múltiplas Camadas (RNAs MLP), a Rede Neural Dinâmica (DAN2) e duas RNAs híbridas, sendo que estas últimas consistem em associar previsão por séries de Fourier com a RNA MLP e a DAN2, sendo denominadas respectivamente RNA-H e DAN2-H. As entradas fornecidas para os modelos de previsão foram escolhidas com base na revisão bibliográfica e por meio de análise de correlação, considerando os dados de consumo e as variáveis meteorológicas, tais como temperatura, umidade relativa do ar e ocorrência de chuva. Os melhores modelos de previsão utilizaram a DAN2, a qual se mostrou de manuseio mais fácil em relação às redes neurais de múltiplas camadas, pois dispensa o processo de tentativas e erros para se determinar a melhor arquitetura para os dados fornecidos ao modelo. Os melhores modelos de previsão para a próxima hora produziram um erro médio absoluto de 2,25 L/s (DAN2-H) para um subssetor de Araraquara, representado cerca de 8% do consumo médio, e 2,3 L/s (DAN2) para um setor de São Carlos, equivalente a 4% do consumo médio. / The present work focuses the problem of water demand forecasting for real time operation of WSS. The study was conducted using hourly consumption data from water distribution system from the cities of São Carlos, Araraquara, SP, to identify the model that fits better. It were studied the artificial neural network Multilayer Perceptron (ANN MLP), the Dynamic Neural Network (DAN2) and two hybrid ANN. The hybrid ANN is an association of the water demand prevision by series of Fourier with the ANN MLP and DAN2, which were called respectively ANN-H and DAN2-H. The inputs provided to the forecasting models were chosen based on literature review and correlation analysis, considering consumption data and meteorological variables, such as temperature, air relative humidity and rain occurrence. The best forecasting models were based on DAN2, which showed easy handling compared to other neural network with multiple layers, because it dispenses the trial and error procedure to find the best architecture for a given data. The best forecasting model for the next hour produced an absolute medium error of 2.25 L/s (DAN2-H) for a subsector from Araraquara, representing about 8% of the average consumption, and 2.30 L/s (DAN2) for a sector from São Carlos, which correspond to 4% of its average consumption.

A análise de imagens é uma das formas de avaliar o desenvolvimento das plantas, tanto para correlacionar aspectos biofísicos dos mesmos, como para a detecção de doenças. Através das imagens podem ser calculados índices vegetativos que se correlacionem com os teores de nutrientes nas folhas. Com essa perspectiva, o presente trabalho objetivou avaliar quais indices vegetativos melhor se correlacionariam com a taxa de fósforo nas folhas de tomateiros. Foi realizado o cultivo de uma cultivar de minitomate, com cinco doses de fósforo (0, 25, 50, 75 e 100%) do P recomendado (na formulação da solução nutritiva). Em diferentes etapas do desenvolvimento da planta foram coletadas amostras das folhas para obtenção das imagens, através de escâner e máquina fotográfica, e diagnose foliar. Foram determinadas as biorrespostas das plantas ao longo do tempo. Uma rede neural artificial foi desenvolvida para estimar os teores de fósforo foliares no minitomate grape. A análise do desenvolvimento da planta permitiu concluir que a dose 100% de P2O5 utilizada no experimento foi suficiente para suprir a demanda nutricional do minitomateiro. Aos 64 dias após o transplantio (DAT) foi observada a maior queda nos teores de fósforo nas folhas, coincidindo com o amadurecimento dos frutos. Propõe-se, para a cultivar estudada, que a dignose foliar seja feita aos 50 DAT. Os índices vegetativos obtidos pela análise de imagem e selecionados pela análise de componentes principais (ICVE e Bn, tanto da parte abaxial quanto adaxial) podem ser utilizados para estimar a diagnose foliar de P na cultivar de minitomate grape. A avaliação dos índices vegetativos indicou que a obtenção de imagens com o escâner é mais adequado do que com a câmera fotográfica. Para a cultivar estudada, verificou-se que na dosagem de 100% de P2O5 teor de P nas folhas fica abaixo de 4,0 g kg-1. Em relação à rede neural desenvolvida, ao categorizar os valores de P de acordo com a literatura, a mesma obteve uma taxa de acerto de 90%. / The analysis of images is one of the ways to evaluate the development of plants, both to correlate biophysical aspects of the same, as for the detection of diseases. Through the images can be calculated vegetative indexes that correlate with the contents of nutrients in the leaves. With this perspective, the present studied aimed to evaluate which vegetative indexes would best correlate with the phosphorus rate in tomato leaves. A minitomato grape cultivar with five phosphorus doses (0, 25, 50, 75 and 100%) of the recommended P (in the formulation of the nutrient solution) was carried out. At different stages of plant development, leaf samples were collected to obtain the images, with scanner and camera, and foliar diagnosis. The bio-responses of plants were determined over time. An artificial neural network was developed to estimate leaf phosphorus levels in the grape minitomate. The analysis of the development of the plant allowed to conclude that the dose 100% of P2O5 used in the experiment was enough to supply the nutritional demand of the minitomateiro. At 64 days after transplanting (DAT), the highest drop in phosphorus content in the leaves was observed, coinciding with the ripening of the fruits. It is proposed, for the studied cultivar, that the leaf dignity should be made at 50 DAT. The vegetative indexes obtained by the image analysis and selected by the principal components analysis (ICVE and Bn, both abaxial and adaxial) can be used to estimate the leaf diagnosis of P in the minitomate grape cultivar. The evaluation of vegetative indexes indicated that obtaining images with the scanner is more appropriate than with the photographic camera. For the cultivar studied, it was verified that in the dosage of 100% of P2O5 content of P in the leaves is below 4.0 g kg-1. In relation to the developed neural network, when categorizing the P values according to the literature, it obtained a 90% correctness rate.