Made available in DSpace on 2014-06-12T15:58:28Z (GMT). No. of bitstreams: 2 arquivo4576_1.pdf: 2100456 bytes, checksum: 7e1e2671c8510294e36bc66a90297bef (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2004 / Atualmente existe uma grande demanda por ambientes virtuais de aprendizado. Nestes, uma das principais ferramentas é o chat, tanto entre alunos e professor, quanto somente entre alunos. Todavia, tais sistemas não fornecem ao professor informações sobre a qualidade da interação entre os alunos. Assim, o objetivo principal deste trabalho foi investigar a viabilidade da classificação automática de diálogos para o fornecimento de feedback para professores em ambientes virtuais de aprendizado. Para tal, foram utilizadas as redes neurais artificiais como classificadoras de padrões. O trabalho começou com uma coleta de dados para a criação de uma base de diálogos, obtidos em diferentes locais da internet. Com a base formada, foram extraídas as características mais relevantes para a classificação dos diálogos quanto à presença significativa de reflexão. Logo após, foram iniciados o treinamento e testes com as redes neurais artificiais para a identificação de padrões de diálogos de qualidade e a melhoria da capacidade de classificação de novos padrões. Por fim, foi realizada a implementação de uma ferramenta de análise de diálogos colaborativos, a OXEnTCHÊ-Chat. Foram realizados experimentos com a ferramenta, tanto para avaliar sua usabilidade, quanto para avaliar a qualidade da classificação produzida. Os resultados obtidos indicam que o problema da classificação automática de diálogos pode ser tratado com redes neurais, e apontam para várias outras possibilidades de investigação. Este trabalho faz parte do projeto CVA-On, e algumas extensões possíveis já estão em desenvolvimento, tais como o aumento da base de dados com o pré-processamento destes dados, testes com outros tipos de classificadores, e melhorias na apresentação do feedback final

Made available in DSpace on 2014-06-12T15:58:44Z (GMT). No. of bitstreams: 2 arquivo4683_1.pdf: 2097336 bytes, checksum: bea2225a4b8b5aec57cc6d8bade1a5eb (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2003 / Os Transtornos Mentais Comuns (TMC´s), e dentre eles ansiedade e depressão, têm sido causas comuns de morbidade tanto em países desenvolvidos como em desenvolvimento. Esses transtornos levam a um considerável uso dos serviços de saúde e destacam-se como um importante fator que leva a uma perda de dias de trabalho. Além disso, causam um sério impacto tanto para os serviços de saúde como à sociedade de um modo geral. O uso de técnicas que possam vir a conduzir à identificação dos fatores que apresentam maior probabilidade de estarem relacionados aos TMC´s é de grande relevância para auxiliar no processo de tomada de decisões acerca do planejamento e intervenção de saúde pública nessa área. As Redes Neurais Artificiais (RNA´s) são conhecidas porque geralmente obtêm um bom desempenho na precisão dos resultados, e tem sido amplamente utilizadas para prognóstico e diagnóstico de doenças. A aplicação de RNA´s para análise dos fatores relacionados aos TMC´s foi motivada principalmente pelo fato que em RNA´s não há necessidade de independência entre as diversas variáveis estudadas, pela sua habilidade em detectar todas as possíveis interações entre as diversas variáveis explicativas, bem como por sua capacidade de aprendizado a partir do ambiente. Essas características têm sido destacadas como um atrativo para a aplicação de RNA´s em estudos epidemiológicos. Técnicas clássicas de estatística, a exemplo de regressão logística, geralmente são mais utilizadas em estudos epidemiológicos, porém, RNA´s vêm surgindo como uma alternativa interessante, principalmente em situações onde são exibidas variáveis dependentes e independentes complexas com relações não lineares. Esse trabalho teve como objetivo principal utilizar RNA para análise dos fatores relacionados a TMC´s, comparando os resultados obtidos nos experimentos realizados com os alcançados com o modelo estatístico de regressão logística. Para o desenvolvimento dos experimentos foi utilizada uma rede Multilayer Perceptron com uma camada escondida, treinada com o algoritmo Backpropagation e com o método de otimização Simulated Annealing

Made available in DSpace on 2014-06-12T15:58:45Z (GMT). No. of bitstreams: 2 arquivo4688_1.pdf: 4224300 bytes, checksum: 5f4bb538857dd8208cfa3ccf53698502 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2004 / Esta dissertação investiga a utilização de Sistemas Híbridos Inteligentes no sistema de reconhecimento de padrões de um nariz artificial. O trabalho envolve cinco partes principais: (1) avaliação da base de dados de odores a partir de uma técnica estatística multivariada; (2) validação das Redes Neurais com Atrasos no Tempo no reconhecimento de odores; (3) avaliação da Transformada de Wavelets como método de pré-processamento de sinais de odores em abordagens conexionistas; (4) avaliação de abordagens híbridas inteligentes para o reconhecimento de odores em narizes artificiais; e (5) o estudo de caso. Duas arquiteturas híbridas inteligentes foram investigadas em detalhes: a rede neuro-difusa Feature-weighted Detector, que permite a classificação de padrões, seleção dos atributos mais importantes e extração de regras explicativas da rede; e a rede neuro-difusa Evolving Fuzzy Neural Networks, que possibilita o aprendizado on-line e incremental, além da inserção, extração e agregação de conhecimento em sua arquitetura evolutiva. Foram analisados sinais gerados por um nariz artificial, composto por um conjunto de oito sensores de polímeros condutores, exposto a gases derivados do petróleo. A utilização da Transformada de Wavelet melhorou consideravelmente o desempenho dos classificadores conexionistas. Nos experimentos realizados, as Redes Neurais com Atrasos no Tempo obtiveram um erro médio de classificação de 0.75%, enquanto que as Redes Perceptron Multi-Camadas obtiveram um erro médio de 11.5%. Dentre as abordagens hibridas investigadas, a rede Feature-weighted Detector, obteve um erro médio de classificação de 20.72% e a rede Evolving Fuzzy Neural Networks obteve um erro médio de 0.88% na classificação dos odores.

Made available in DSpace on 2014-06-12T16:01:21Z (GMT). No. of bitstreams: 2 arquivo8453_1.pdf: 1913161 bytes, checksum: df3afe349b856431cbdb08a12b2cd17f (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2011 / O mundo dos negócios é definido por qualidade, competitividade e luta por fatias de mercado. A informação é uma ferramenta indispensável nesse meio, onde organizações a usam como diferencial competitivo, uma forma de obter vantagem frente aos competidores. Segundo a Techoje (revista de opinião do IETEC - Instituto de Educação e Tecnologia), a quantidade de informação criada no ano de 2006 seria bastante para escrever 12 pilhas de livros, cada uma medindo 150 milhões de quilômetros, o que corresponde à distância da Terra ao Sol. De acordo com a Techoje, estudos estipulam que essa quantidade teria aumentado até 6 vezes até o ano de 2010. As redes de computadores são os meios utilizados para o compartilhamento dessas tão valiosas informações e sofrem com constantes tentativas de intrusão e com surgimentos cada vez mais acelerados de softwares maliciosos, que se disseminam pelos sistemas computacionais. Frente a essa realidade, IDS (Intrusion Detection Systems - Sistemas de Detecção de Intrusão) são ferramentas que auxiliam desde usuários comuns até grandes organizações a se manter seguros, contra invasores e ataques das mais diversas naturezas. Apesar de serem ferramentas úteis a seu propósito, IDS´s necessitam de implantação planejada e estruturada, ou efeitos, tais como lentidão no ambiente, alarmes falsos ou intrusões não detectadas podem vir a acontecer. O presente trabalho foca no estudo da construção de IDS´s, levando em conta as técnicas ELM (Extreme Learning Machine) e OS-ELM (Online Sequential Extreme Learning Machine) aplicadas ao problema. As técnicas citadas são usadas para o treinamento de redes neurais artificias do tipo feedforward e vêm sendo usadas em vários estudos em outras áreas de aplicação. Tais técnicas conseguem resolver problemas de forma mais rápida que técnicas tradicionais de treinamento de redes neurais, como o algoritmo backpropagation. Os resultados obtidos no estudo mostraram-se relevantes, pois alcançaram boas taxas de generalização e tempo computacional, que são fatores críticos para a área de segurança. Dessa forma, o presente estudo utiliza de forma pioneira as duas técnicas citadas, que pelas suas características, conseguem dar respostas rápidas frente ao surgimento de novos ataques

Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-07-13T19:29:03Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) final.pdf: 6504039 bytes, checksum: 6f7f7f9e2f6435f17fbf9659accd6d63 (MD5) / Made available in DSpace on 2016-07-13T19:29:03Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) final.pdf: 6504039 bytes, checksum: 6f7f7f9e2f6435f17fbf9659accd6d63 (MD5) Previous issue date: 2016-03-01 / CNPQ / A wide spectrum of social, biological, physical, chemical and computational systems have been investigated by the tools and techniques from the field of Dynamical Systems Theory to formalize the behaviour in time and quantify and qualify the parametric variations of those systems. In Biology in particular, studies have shown that learning neuron maximization can occur in specific dynamics conditions where information processing is optimized. This it may be expected that some of those conditions can be recognized and used in artificial models. This work studies the quantum artificial neuron weightless qRAM behavior, from the design iteration models - taking into account the physical and mathematical conditions of quantum computing that restricts the extraction of information at every time step - to its parametric analysis where converging behaviors, damped or oscillatory, are detailed. Tools of dynamical systems like orbits diagram and time series qualitatively illustrate its temporal variability. The main contribution of this work is to detail the neuron qRAM behavior so that the results can be used within the machine learning area, coupled with larger systems to achieve maximum learning tasks. As result, we propose a novel dynamical neuron model, named Quadratic Extraction Model (QEM), we perfom parametric studies of the existing models where underdamped, overdamped and undamped behaviour are encountered, and we present apresentation of a neuron configuration inside a quantum architecture with chaos behaviour. A quantitative measure model to compare dynamics orbits was also proposed. / Os mais variados sistemas sociais, biológicos, físicos, químicos e computacionais tem sido investigados pela área de Sistemas Dinâmicos para formalizar o comportamento no tempo e quantificar e qualificar variações paramétricas desses sistemas. Na biologia em particular, estudos tem mostrado que a maximização de aprendizado de um neurônio pode acontecer dentro de certas condições da sua dinâmica onde o processamento de informação é otimizado. Espera-se então que essas condições possam ser reconhecidas e utilizadas em modelos artificiais. Este trabalho descreve o comportamento do neurônio artificial quântico sem peso qRAM, desde a concepção de modelos de iteração - visto as condições físico matemáticas da computação quântica que restringe a extração da informação isolada do valor de saída do neurônio a cada etapa de tempo - até sua análise paramétrica de onde comportamentos convergentes, amortecidos ou oscilatórios são detalhados. Ferramentas dos sistemas dinâmicos como diagrama de órbitas e séries temporais ilustram qualitativamente sua variabilidade temporal. A principal contribuição desse trabalho é detalhar o comportamento do neurônio qRAM a fim de que os resultados possam ser usados dentro da área de aprendizagem de máquina, acoplado com sistemas maiores e complexos, com maximização de tarefas de aprendizado. Como resultado, há proposição de mais um modelo de dinâmica neuronal, o QEM, o estudo paramétrico dos modelos de dinâmicas existentes, que se identifica comportamentos subamortecidos, sobreamortecidos e não-amortecidos na dinâmica, assim como a apresentação de uma configuração neuronal dentro da arquitetura quântica que apresenta comportamento caótico. Um modelo de medição quantitivo para comparar dinâmicos foi também proposto.

Submitted by Gábia Leite (gabya.leite@gmail.com) on 2016-07-04T14:04:38Z No. of bitstreams: 1 Dissertação - Márcio Rodrigues.pdf: 2417351 bytes, checksum: a46ef14e6953ab378cd8f3ef50bcab78 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2016-07-14T12:43:45Z (GMT) No. of bitstreams: 1 Dissertação - Márcio Rodrigues.pdf: 2417351 bytes, checksum: a46ef14e6953ab378cd8f3ef50bcab78 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2016-07-14T12:48:29Z (GMT) No. of bitstreams: 1 Dissertação - Márcio Rodrigues.pdf: 2417351 bytes, checksum: a46ef14e6953ab378cd8f3ef50bcab78 (MD5) / Made available in DSpace on 2016-07-14T12:48:29Z (GMT). No. of bitstreams: 1 Dissertação - Márcio Rodrigues.pdf: 2417351 bytes, checksum: a46ef14e6953ab378cd8f3ef50bcab78 (MD5) Previous issue date: 2015-12-22 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / This paper proposes a new method for forecasting the maximum seasonal amplitude, using feedforward neural networks and, as input variables, climatic indices and the river amplitude measured a few months earlier before the maximum amplitude be verified. A new method for selecting the most relevant prediction variables is proposed. For neural networks training, two methods for improving its generalization are used: early stop and regularization. The best prediction result is obtained with two input variables, resulting in a correlation prediction coefficient of 𝑟𝑝=0,755. / Esse trabalho discute a aplicação de um novo método para previsão de cheias sazonais, utilizando redes neurais artificiais com as seguintes variáveis de entrada: índices climáticos e o nível do próprio rio, avaliado meses antes da ocorrência do pico da cheia. Um novo método para seleção das variáveis mais relevantes para a predição é proposto. Para o treinamento da rede neural são utilizados dois métodos para melhorar a generalização das mesmas, parada antecipada e regularização. O melhor resultado de predição obtido foi com três variáveis e resultou num índice de correlação de predição de 𝑟𝑝=0,755.

Submitted by Almir Azevedo (barbio1313@gmail.com) on 2013-12-09T16:18:58Z No. of bitstreams: 1 dissertacao_mestrado_ien_2010_01.pdf: 1498930 bytes, checksum: 4ce6473ee6c1e7a9780480ab714a0307 (MD5) / Made available in DSpace on 2013-12-09T16:18:58Z (GMT). No. of bitstreams: 1 dissertacao_mestrado_ien_2010_01.pdf: 1498930 bytes, checksum: 4ce6473ee6c1e7a9780480ab714a0307 (MD5) Previous issue date: 2010 / Este trabalho propôs o desenvolvimento de uma técnica automática de avaliação de defeitos para auxiliar na etapa de fabricação dos elementos combustíveis. Elaborou-se um sistema inteligente de análise de imagens para reconhecimento automático de defeitos em pastilhas de urânio. Para este fim, uma Rede Neural Artificial (RNA) foi treinada com histogramas de imagens de pastilhas, contendo exemplos tanto de pastilhas normais (sem falhas), quanto de pastilhas defeituosas (com os principais defeitos normalmente encontrados). As imagens das pastilhas foram segmentadas em 11 partes. Foram feitos histogramas destes segmentos e treinada a RNA. Além da automatização do processo, o sistema mostrou-se capaz de fazer esta classificação obtendo acerto de 98,33%. Embora este percentual já represente um expressivo avanço no controle de qualidade do processo, a utilização de técnicas mais avançadas de fotografia e iluminação poderá reduzi-lo a níveis desprezíveis com baixíssimo custo. Tecnologicamente, o método desenvolvido, caso venha a ser implementado, agregará substancial valor em termos de qualidade do processo e controle de falhas de produção no que toca a fabricação nacional de combustível nuclear. / This paper proposed the development of an automatic technique for evaluating defects to help in the stage of fabrications of fuel elements. Was produced an intelligent image analysis for automatic recognition of defects in uranium pellets. Therefore, an Artificial Neural Network (ANN) was trained using segments of histograms of pellets, containing examples of both normal (no fault) and of defectives pellets (with major defects normally found). The images of the pellets were segmented into 11 shares. Histograms were made of these segments and trained the ANN. Besides automating the process, the system was able to obtain this classification accuracy of 98,33%. Although this percentage represents a significant advance ever in the quality control process, the use or more advanced techniques of photography and lighting will reduce it to insignificant levels with low cost. Technologically, the method developed, should it ever be implemented, will add substantial value in terms of process quality control and production outages in relation to domestic manufacturing of nuclear fuel.

Submitted by Almir Azevedo (barbio1313@gmail.com) on 2014-01-08T16:18:28Z No. of bitstreams: 1 dissertacao_mestrado_ien_2009_08.pdf: 2286938 bytes, checksum: 63793f4c54b047550efb82703458c9ef (MD5) / Made available in DSpace on 2014-01-08T16:18:28Z (GMT). No. of bitstreams: 1 dissertacao_mestrado_ien_2009_08.pdf: 2286938 bytes, checksum: 63793f4c54b047550efb82703458c9ef (MD5) Previous issue date: 2009 / O presente trabalho propõe um estudo sobre a avaliação por ultrassom do tamanho de poro em membranas poliméricas de microfiltração, utilizadas na área nuclear para a filtração de rejeitos radioativos, no tratamento de águas residuais da indústria petroquímica, na indústria eletrônica para a produção de água ultrapura para a fabricação de condutores e para lavagem de microcircuitos e em muitos outros processos de separação. Existem diversos processos para medidas de tamanhos de poros em membranas, dentre estes, microscopia eletrônica, ponto de bolha e porosimetria por intrusão de mercúrio, porém a maioria destes utiliza técnicas destrutivas, de custo elevado ou de grande tempo de análise. A proposta deste trabalho é medir tamanho de poro utilizando técnica ultrassônica no domínio da frequência e redes neurais artificiais. Foi utilizado um gerador/receptor de pulsos ultrassônicos, um transdutor de 25 MHz, um tanque de imersão e membranas microporosas de tamanhos de poros 0,2 μm, 0,4 μm, 0,6 μm, 8 μm, 10 μm e 12 μm. Os sinais ultrassônicos após percorrerem a membrana, voltam ao transdutor (emissor/receptor) trazendo informações da interação do sinal com as membranas. Estes sinais foram utilizados para o treinamento de redes neurais, e estas forneceram a precisão necessária para a distinção dos mesmos. Logo após, foi feita a comparação desta técnica com a de microscopia eletrônica de varredura. O experimento mostrou resultados muito próximos aos resultados obtidos com o MEV, o que indicou que a técnica estudada pode medir tamanho de poro em membrana polimérica com boa precisão e repetibilidade. Por ser uma técnica não destrutiva poder ser usada em linha de produção. / This work presents a study of the pore size in microfiltration polymeric membranes, used in the nuclear area for the filtration of radioactive liquid effluent, in the residual water treatment of the petrochemical industry, in the electronic industry for the ultrapure water production for the manufacture of conductors and laudering of microcircuits and in many other processes of separation. Diverse processes for measures of pores sizes in membranes exist, amongst these, electronic microscopy, of bubble point and mercury intrusion porosimetry, however the majority of these uses destructive techniques, of high cost or great time of analysis. The proposal of this work is to measure so great of pore being used ultrasonic technique in the time domain of the frequency and artificial neural networks. A receiving/generator of ultrasonic pulses, a immersion transducer of 25 MHz was used, a tank of immersion and microporous membranes of pores sizes of 0,2 μm, 0,4 μm, 0,6 μm, 8 μm, 10 μm and 12 μm. The ultrasonic signals after to cover the membrane, come back to the transducer (emitting/receiving) bringing information of the interaction of the signal with the membranes. These signals had been used for the training of neural networks, and these had supplied the necessary precision the distinction of the same ones. Soon after, technique with the one of electronic microscopy of sweepings was made the comparison of this. The experiment showed very resulted next to the results gotten with the MEV, what it indicated that the studied technique is ideal for measure of pore size in membranes for being not destructive and of this form to be able to be used also on-line of production.

Made available in DSpace on 2014-06-12T18:06:12Z (GMT). No. of bitstreams: 2 arquivo7163_1.pdf: 2363182 bytes, checksum: e6884bcbe3ed945c11ac77e0587a427a (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2011 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Os recursos hídricos vem sendo ameaçados por diversas atividades antrópicas, o que tem levado a comunidade científica a se preocupar em elaborar e discutir metodologias de se avaliar a qualidade dessas águas, quer sejam de forma físico-química ou biológica. Uma das principais ameaças ao meio ambiente é o processo de eutrofização, que é o aumento da concentração de nutrientes, como por exemplo, nitrogênio e fósforo, nos ecossistemas aquáticos. Os avanços tecnológicos computacionais permitiram que a modelagem matemática passasse a desempenhar um importante papel nos estudos de tratamento de dados de Química Ambiental, em especial de Qualidade da Água. Este fato se deve a capacidade da modelagem encarar os processos hidrológicos, físicos, químicos e biológicos de forma simplificada e prática, ainda que sejam complexos. A modelagem empírica utiliza unicamente dados experimentais, surgindo como alternativa a essa complexidade e as técnicas de sistemas inteligentes (as Redes Neurais Artificiais- RNAs) e de análise multivariada (Análise de Componentes Principais-ACP), apresentaram-se atraentes para esta finalilidade. Visando a otimização, diminuindo os custos do processo e o tempo de resposta do monitoramento, neste trabalho foram desenvolvidas estratégias e ferramentas computacionais para a utilização de redes neurais e estatística multivariada na modelagem da qualidade da água utilizando a clorofila-a como parâmetro de avaliação para os dados do Reservatório da Marcela, em Sergipe, e reservatórios de seis bacias de Pernambuco, disponíveis no Laboratório de Engenharia Ambiental e da Qualidade (LEAQ) da Universidade Federal de Pernambuco (UFPE). Foram utilizadas na modelagem redes neurais do tipo Perceptron Multicamadas (MLP) e Funções de Base Radial (RBF), com e sem a ACP, que através da transformação das variáveis de entrada em variáveis linearmente independentes, melhoraria a eficiência das RNAs, e realizados 3 testes. O resultado do primeiro teste, com os dados do reservatório Marcela-SE, foi melhor em relação aos demais, pois possui mais parâmetros ambientais que influenciam a inferência da clorofila-a, já no terceiro teste o resultado para a utilização das redes não foram tão satisfatórios, uma vez que no agrupamento dos parâmetros em comum, parâmetros importantes a inferência foram desprezados. No primeiro teste a rede RBF com ACP, foi a melhor para representar a inferência da clorofila-a, porém no segundo teste, com os dados de reservatórios em Bacias de Pernambuco, foi a rede MLP com ACP quem melhor determinou. Este resultado mostra a independência de relação entre o fenômeno a ser tratado, pois as redes neurais são conhecidas como modelo caixa preta, assim como a independência do conjuntos de dados e o tipo de rede. Já no terceiro teste, com os dados dos outros testes juntos, apesar dos resultados não serem satisfatórios para os dados dos reservatórios, a utilização das redes neurais não pode ser comprometida, uma vez que os dados obtidos para este teste não apresentaram homogeneidade, este fato pôde ser observado através da técnica de ACP, onde verificou-se 2 grupos distintos de dados. A ferramenta computacional construída mostrou ser eficiente na aplicação das redes neurais e análise de componentes principais, assim como as interfaces construídas se mostraram realmente amigáveis

Made available in DSpace on 2014-06-12T18:07:47Z (GMT). No. of bitstreams: 2 arquivo8017_1.pdf: 1263164 bytes, checksum: e48a9b059b0410e5c02bb10ce648c242 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2003 / Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco / A formulação da gasolina petroquímica é efetuada simplesmente pela mistura de correntes industriais de hidrocarbonetos provenientes de diferentes unidades de processamento petroquímico. Tais correntes devem apresentar composições químicas tais que, após a mistura, o blend formado tenha um espectro de composição total característico da gasolina. Sendo assim, a grande problemática consiste em, sabendo-se que correntes petroquímicas podem ser utilizadas na formulação da gasolina, determinar o melhor conjunto de frações volumétricas de tais correntes que deve ser usado para conferir propriedades físico-químicas de acordo com os parâmetros de qualidade desse combustível. Para se alcançar esse objetivo, é necessário inicialmente desenvolver modelos matemáticos para predição das propriedades físico-químicas da mistura das correntes. É apresentado, na presente dissertação, o desenvolvimento de modelos empíricos, baseados em redes neurais artificiais e em modelos estatísticos polinomiais, que, como será mostrado, partindo-se das frações volumétricas de cinco correntes petroquímicas usadas na formulação da gasolina, foram capazes de efetuar predições eficazes em propriedades extremamente importantes na caracterização da sua qualidade: pressão de vapor, curva de destilação e densidade. Dado o caráter empírico de tais modelos, inicialmente, foi necessária a realização de ensaios de misturas das correntes petroquímicas no intuito de formular diversos blends de gasolina petroquímica. Foram, então, efetuados ensaios de caracterização da pressão de vapor, curva de destilação e densidade dos blends assim formulados, construindo-se um grande banco de dados experimentais, a partir do qual, os modelos empíricos foram ajustados e testados