O desenvolvimento econômico e o aumento da produtividade agrícola intensificaram o uso de produtos químicos nas lavouras. Quando se pretende quantificar o impacto ambiental de tal uso é necessário empregar modelos que descrevam o fluxo de água e solutos na região não saturada do solo. Para esse fim, um dos parâmetros mais eficazes é conhecer a retenção de água no solo. O objetivo deste trabalho foi desenvolver funções de pedotransferência (FPTs) que estimassem a partir de análise em redes neurais artificiais (RNAs) a retenção de água nos solos da microbacia hidrográfica do ribeirão Canchim, município de São Carlos, SP. Os atributos físicos, textura (argila, silte e areia), densidade e resistência à penetração dos solos: LVAd, LVe, LVdf e NVef, manejados com e sem cobertura vegetal e sob mata foram determinados com equipamentos não convencionais na Embrapa Instrumentação Agropecuária em São Carlos, SP. Esses parâmetros foram utilizados como variáveis de entrada nas duas redes neurais artificiais. Foram obtidas, ainda, as curvas de retenção de água no solo por meio da câmara de pressão de Richards e da tomografia computadorizada, além da porosidade total e da condutividade hidráulica não saturada. O analisador granulométrico de solos e o penetrômetro associado a TDR possibilitaram a obtenção de um grande número de dados. Os atributos físicos dos solos apresentaram grande variabilidade em função da constituição granulométrica e manejos adotados. As RNAs foram eficientes no desenvolvimento de FPTs capazes de estimar a retenção de água com base em propriedades básicas de solo obtidas em grande número. / Economic development and increasing agricultural productivity have intensified the use of chemical products in farming. The quantification environmental impact of these products requires the use of models that describe the flow of water and solutes in the unsaturated region of the soil. For this purpose, one of the most effective parameters belong to the water retention curve of the soil. The purpose of this work was to develop pedotransfer functions (PTFs) to estimate the retention of water by soils of the hydrographic microbasin of the Canchim river, in the municipality of São Carlos, state of São Paulo, Brazil, based on artificial neural networks (ANNs). The physical attributes, granulometry (clay, silt and sand), density and resistance to penetration of LVAd, LVe, LVdf and NVef soils, managed with and without vegetal cover and under forest, were determined using nonconventional equipment at Embrapa Instrumentação Agropecuária in São Carlos, SP. These parameters were used as input variables for two artificial neural networks. The soils\' water retention curves were also obtained using a Richards pressure chamber and computed tomography, as well as their total porosity and unsaturated hydraulic conductivity. A soil granulometric analyzer and a penetrometer allied to TDR provided a large number of data. The soils\' physical attributes displayed a wide variability as a function of their granulometric constitution and adopted managements. The ANNs were effective in developing PTFs able to estimate the water retention based on the large number of basic soil properties.

O monitoramento e diagnóstico, com a consequente localização dos curtos-circuitos em Sistemas de Distribuição (SD), fazem parte de um processo complexo, exigindo esforços e agilidade das equipes técnicas de manutenção das concessionárias de energia elétrica. Quando se trata de um SD Subterrâneo (SDS), a complexidade de localização das faltas aumenta, pois não é possível realizar a inspeção visual. Por este motivo, desenvolver e aprimorar métodos para monitorar, classificar e localizar as situações de faltas em SD tem sido de relevante interesse para a comunidade técnico-científica nos últimos anos. Neste contexto, apresenta-se nesta pesquisa um método para processar as informações necessárias para classificar e localizar a ocorrência de um curto-circuito (monofásico, bifásico e/ou trifásico, com e/ou sem o envolvimento da terra) em um SDS. O processamento das informações foi realizado por meio da observação da propagação dos afundamentos de tensão, decorrentes de curtos-circuitos passíveis de ocorrência no SDS, e pela alocação de um número reduzido de medidores, permitindo a classificação e localização precisa da falta. Um dos diferenciais da metodologia proposta é que esta utiliza somente os valores eficazes das tensões trifásicas, registradas em medidores estrategicamente alocados, para indicação da área afetada e classificação das fases envolvidas. A metodologia é baseada no emprego de redes neurais artificiais. Os resultados encontrados são promissores, indicando a aplicabilidade da metodologia proposta. / The monitoring and diagnostics, with the consequent localization of short circuits in Distribution Systems (DS), are part of a complex process, requiring efforts and agility of the technical teams of maintenance of electric utilities. In the case of an underground DS (UDS), the location of faults complexity increases, because it is not possible to perform visual inspection. For this reason, develop and improve methods to monitor, sort and locate the fault situations in DS has been of relevant interest to the technical-scientific community in recent years. In this context, this study presents a method for processing the information required to classify and locate the occurrence of a short circuit (single phase, biphasic and / or phase with and / or without the involvement of the earth) on a UDS. The information processing was carried out by observing the propagation of voltage sags, caused by short circuits that may occur in the UDS, and the allocation of a few meters, allowing classification and precise location of the fault. One of the proposed methodology differentials is that it uses only the RMS values of the three-phase voltages, registered in strategically located meters, for indicating the affected area and classification of the phases involved. The methodology is based on the use of artificial neural networks. The results found are promising, indicating the applicability of the proposed methodology.

Este trabalho teve como objetivo analisar a demanda potencial para um sistema de compartilhamento de bicicletas pedelecs no campus da USP de São Carlos, com foco nos deslocamentos de estudantes entre as duas áreas do campus. Para tanto, foi elaborado um conjunto de procedimentos, que constituem duas etapas: caracterização do público-alvo e análise da demanda potencial pelas bicicletas pedelecs compartilhadas. Na primeira etapa foi aplicado um questionário, elaborado com a técnica de preferência declarada, para verificar as preferências dos usuários em relação às pedelecs compartilhadas e ao ônibus operado pela USP. Os resultados desta consulta, que envolveu variáveis de condições meteorológicas, situação de ciclovias/ciclofaixas entre as áreas do campus e lotação do ponto de ônibus USP, foram posteriormente utilizados para calibrar um modelo logit e treinar uma Rede Neural Artificial (RNA). Na segunda etapa foi elaborada uma planilha eletrônica com os dados obtidos na coleta, a fim de analisar as probabilidades de escolha da pedelec (ao invés do ônibus USP). Nesta planilha também foram utilizados dados do histórico meteorológico de São Carlos no período entre 2011 e 2015. Alguns dos resultados obtidos são destacados na sequência. A probabilidade de escolha das pedelecs é, em média, três vezes maior quando existem ciclovias/ciclofaixas (em relação à ausência da referida infraestrutura cicloviária). A ocupação do ponto de ônibus USP também é impactante, pois as probabilidades de uso da bicicleta pedelec praticamente dobram quando o ponto está cheio. No caso da meteorologia, foi constatado que as maiores probabilidades ocorrem no Outono e no Inverno, ou seja, nas épocas em que se concentram os dias mais secos e com menores temperaturas. Para o período letivo de 2011 a 2015, considerando a situação atual (isto é, sem ciclovias/ciclofaixas entre as áreas), os valores de probabilidade de uso da pedelec correspondem a 9% com o ponto vazio e 19% com o ponto cheio. Se houvesse ciclovias/ciclofaixas, a probabilidade seria de até 54%. Desse modo, a estratégia de análise desenvolvida conceitualmente, bem como implantada em planilha eletrônica, se constitui em importante ferramenta de auxílio para a condução da política de transportes que a Prefeitura do campus irá adotar para os anos futuros. Além disso, evidencia uma possível demanda potencial para um sistema com pedelecs compartilhadas. / The objective of this study was to analyze the potential demand for a pedelec sharing system at the São Carlos campus of the University of São Paulo (USP), aiming at the displacements of students between the two campus Areas. The set of procedures developed to reach the objective has involved two steps: characterization of the target audience and analysis of the potential demand for shared pedelecs. The first step was accomplished with a questionnaire designed with a stated preference approach for identifying users\' preferences regarding shared pedelecs and the bus system operated by the university. The survey results, which involved variables of weather conditions, existence of bike paths/bike lanes between the campus Areas, and occupancy rates at the USP bus stop, were subsequently used to calibrate a logit model and to develop an Artificial Neural Network (ANN). The survey data were also used in the second step of the process, in which an electronic spreadsheet was created to analyze the probabilities of choosing the pedelec alternative (instead of the bus route operated by university). The spreadsheet was also fed with meteorological data of São Carlos in the period between 2011 and 2015. Some of the obtained outcomes are highlighted in the sequence. The probability of a pedelec being chosen is almost three times higher if bike paths/bike lanes do exist than if they do not exist. The occupancy rates of the bus stop are also particularly relevant. The probability of someone choosing a pedelec nearly doubles when the bus stop is crowded. Regarding the weather conditions, the highest probabilities are observed in the Fall and Winter seasons, i. e. in the driest and coldest days. For the entire academic period comprised between 2011 and 2015, the probabilities range from 9% (empty bus stop) to 19% (full bus stop), considering the current situation (i. e. no cycleways connect the two campus Areas). In the presence of this cycling infrastructure, however, the probability goes up to 54%. Thus, the strategy of analysis conceptually developed, and made available through an electronic spreadsheet, may be an important support tool for the implementation of transport policies by the campus administration. In addition, it highlights a likely potential demand for a system of shared pedelecs.

This research proposes a methodology to improve computed individual prediction values provided by an existing regression model without having to change either its parameters or its architecture. In other words, we are interested in achieving more accurate results by adjusting the calculated regression prediction values, without modifying or rebuilding the original regression model. Our proposition is to adjust the regression prediction values using individual reliability estimates that indicate if a single regression prediction is likely to produce an error considered critical by the user of the regression. The proposed method was tested in three sets of experiments using three different types of data. The first set of experiments worked with synthetically produced data, the second with cross sectional data from the public data source UCI Machine Learning Repository and the third with time series data from ISO-NE (Independent System Operator in New England). The experiments with synthetic data were performed to verify how the method behaves in controlled situations. In this case, the outcomes of the experiments produced superior results with respect to predictions improvement for artificially produced cleaner datasets with progressive worsening with the addition of increased random elements. The experiments with real data extracted from UCI and ISO-NE were done to investigate the applicability of the methodology in the real world. The proposed method was able to improve regression prediction values by about 95% of the experiments with real data. / Esta pesquisa propõe uma metodologia para melhorar previsões calculadas por um modelo de regressão, sem a necessidade de modificar seus parâmetros ou sua arquitetura. Em outras palavras, o objetivo é obter melhores resultados por meio de ajustes nos valores computados pela regressão, sem alterar ou reconstruir o modelo de previsão original. A proposta é ajustar os valores previstos pela regressão por meio do uso de estimadores de confiabilidade individuais capazes de indicar se um determinado valor estimado é propenso a produzir um erro considerado crítico pelo usuário da regressão. O método proposto foi testado em três conjuntos de experimentos utilizando três tipos de dados diferentes. O primeiro conjunto de experimentos trabalhou com dados produzidos artificialmente, o segundo, com dados transversais extraídos no repositório público de dados UCI Machine Learning Repository, e o terceiro, com dados do tipo séries de tempos extraídos do ISO-NE (Independent System Operator in New England). Os experimentos com dados artificiais foram executados para verificar o comportamento do método em situações controladas. Nesse caso, os experimentos alcançaram melhores resultados para dados limpos artificialmente produzidos e evidenciaram progressiva piora com a adição de elementos aleatórios. Os experimentos com dados reais extraído das bases de dados UCI e ISO-NE foram realizados para investigar a aplicabilidade da metodologia no mundo real. O método proposto foi capaz de melhorar os valores previstos por regressões em cerca de 95% dos experimentos realizados com dados reais.

As falsas memórias são um tipo falha de memória, em que o indivíduo pode (a) reconhecer como tendo visto antes um objeto ou evento que não tenha ocorrido ou (b) não reconhecer algo previamente presenciado. Estes são o falso reconhecimento e a rejeição errada. Segundo a teoria do rastro difuso, dois processos distintos agem em paralelo durante a memorização e reconhecimento, um sobre as informações literais (verbatim) e o outro sobre a essência do significado da palavra (gist). Neste trabalho é proposto um sistema modular de redes neurais artificiais que considera estes dois processos, características funcionais das estruturas cerebrais envolvidas na memorização e fluxo de informação análogo ao ocorrido no cérebro. O modelo neural é validado através de treinamento para armazenar e recuperar listas de palavras semanticamente relacionadas. Na formulação do modelo e da representação foram considerados a representação fonológica e significado das palavras, de forma a simular as computações ocorridas e os resultados obtidos em experimentos efetuados com sujeitos humanos. Nestes experimentos, 12 listas de aproximadamente 15 palavras, cada lista semanticamente relacionadas a um tema são ouvidas e, em seguida, algumas destas palavras, a palavra tema e outras palavras não relacionadas são também ouvidas e os indivíduos respondem se cada palavra fora ouvida previamente. Os resultados obtidos computacionalmente aproximam-se bastante dos resultados obtidos com sujeitos humanos, e o modelo produzido serve como base para estudo das influências dos diversos processos atuantes durante a memorização e reconhecimento. / False memories are a kind of memory failure, in which the subject may (a) recognize as known an never seen object or never happened fact or (b) don\'t recognize something that was already presented him. These are false memories and wrong rejections. According to false memory theory, two parallel processes act during memorization and recognition, one on verbatim information and other on gist information. In this work is proposed a artificial neural network model system that takes in account these two processes, functional issues about brain structures involved on memorization and the an information flow analog to the occurred in the brain. The neural model is validated by training to store in recover lists of semantically related words. In the model and representation scheme formulation, phonological and semantic informations were used intending to simulate brain computations and results of human subjects experiments. In such experiment, 12 lists of something about 15 semantically related words, are heard and, in the second step, in the sequence, many of these words, other related words and not related words are heard in a recognition test, when subjets say if that word was or was not heard during memorization steps. Results obtained from computer tests are very close of human results, and the produced model may be used as a tool for analysis of the influences of the many processes that take place during memorization and recognition.

Devido a restrições de aplicabilidade presentes nos algoritmos para a solução de problemas de otimização combinatória, os sistemas baseados em redes neurais artificiais e algoritmos genéticos oferecem um método alternativo para solucionar tais problemas eficientemente. Os algoritmos genéticos devem a sua popularidade à possibilidade de percorrer espaços de busca não-lineares e extensos. Já as redes neurais artificiais possuem altas taxas de processamento por utilizarem um número elevado de elementos processadores simples com alta conectividade entre si. Complementarmente, redes neurais com conexões realimentadas fornecem um modelo computacional capaz de resolver vários tipos de problemas de otimização, os quais consistem, geralmente, da otimização de uma função objetivo que pode estar sujeita ou não a um conjunto de restrições. Esta tese apresenta uma abordagem inovadora para resolver problemas de conexão em otimização combinatória utilizando uma arquitetura neuro-genética. Mais especificamente, uma rede neural de Hopfield modificada é associada a um algoritmo genético visando garantir a convergência da rede em direção aos pontos de equilíbrio factíveis que representam as soluções para os problemas de otimização combinatória. / Due to applicability constraints involved with the algorithms for solving combinatorial optimization problems, systems based on artificial neural networks and genetic algorithms are alternative methods for solving these problems in an efficient way. The genetic algorithms must its popularity to make possible cover nonlinear and extensive search spaces. On the other hand, artificial neural networks have high processing rates due to the use of a massive number of simple processing elements and the high degree of connectivity between these elements. Additionally, neural networks with feedback connections provide a computing model capable of solving a large class of optimization problems, which refer to optimization of an objective function that can be subject to constraints. This thesis presents a novel approach for solving connection problems in combinatorial optimization using a neurogenetic approach. More specifically, a modified Hopfield neural network is associated with a genetic algorithm in order to guarantee the convergence of the network to the equilibrium points, which represent feasible solutions for the combinatorial optimization problems.

[pt] O aumento dos custos relacionados aos processos de manutenção em estruturas como aeronaves, aliadas à crescente demanda das mesmas, alimentam a necessidade de investimentos em técnicas inovadoras de monitoramento estrutural. Dessa forma, o trabalho realizado nesta tese, busca o desenvolvimento de uma técnica de monitoramento ativo, visando o acompanhamento de parâmetros da estrutura analisada, a fim de identificar e caracterizar processos de dano não visíveis, tais como corrosão e delaminação. A metodologia empregada, teve como base a análise dos padrões de deformação superficial, obtidos com o uso de grades de sensores à fibra óptica baseadas em redes de Bragg (FBG). Inicialmente, tais padrões foram provocados por carregamentos estáticos (tração), e posteriormente por atuadores PTZ fixados à estrutura. Estes últimos são submetidos a uma voltagem alternada e frequência fixa. Esta técnica apresenta todas as vantagens dos sensores FBG (massa e dimensões reduzidas, imunidade eletromagnética, elevado poder de multiplexação e alta sensibilidade entre outras), alem de permitir a visualização de alterações nos padrões de deformação, provocados por danos, através da variação da frequência de excitação. Com relação à interpretação dos resultados, a estratégia empregada consistiu em separar o problema de detecção e caracterização dos danos. Dessa forma, a detecção é realizada comparando a energia das deformações superficiais dos corpos de prova nos casos com e sem defeito, enquanto a caracterização é obtida através a utilização de redes neurais artificiais (RNA), por meio de rotinas de reconhecimento de padrões. / [en] The higher costs related to maintenance processes in structures such as aircraft, coupled with the growing demand of them, fueling the need for investment in innovative techniques for structural monitoring. Thus, the work done in this thesis seeks to develop a technique of active monitoring, aiming at monitoring of structure parameters analyzed in order to identify and characterize processes of hidden damage such as corrosion and delamination. The maid methodology was based on the analysis of patterns of surface deformation, obtained with the use of nets of optical fiber sensors based on fiber Bragg gratings ( FBG ). Initially, these patterns were caused by static loads (tension ), and later by PTZ actuators fixed to the frame, who are subjected to an AC voltage and fixed frequency. This technique has all the advantages of the FBG s sensors (mass and small dimensions, electromagnetic immunity, high multiplexing s power and high sensitivity among others), in addition to allowing visualization of changes in the patterns of deformation caused by damage, by varying the frequency excitation. With respect to the interpretation of the results, the strategy employed was to separate the problem of detection and characterization of damage. Thus, the detection is performed by comparing the deformation energy of the surface of the specimens in the cases with and without defect, whereas the characterization is obtained through the use of artificial neural networks (ANN) by means of pattern recognition routines.

[pt] Estudos empíricos na área de séries temporais indicam que combinar modelos preditivos, originados a partir de diferentes técnicas de modelagem, levam a previsões consensuais superiores, em termos de acurácia, às previsões individuais dos modelos envolvidos na combinação. No presente trabalho é apresentada uma metodologia de combinação convexa de modelos estatísticos de previsão, cujo sucesso depende da forma como os pesos de combinação de cada modelo são estimados. Uma Rede Neural Artificial Perceptron Multi-camada (Multilayer Perceptron - MLP) é utilizada para gerar dinamicamente vetores de pesos ao longo do horizonte de previsão, sendo estes dependentes da contribuição individual de cada previsor observada nos dados históricos da série. O ajuste dos parâmetros da rede MLP é efetuado através de um algoritmo de treinamento híbrido, que integra técnicas de busca global, baseadas em computação evolucionária, junto com o algoritmo de busca local backpropagation, de modo a otimizar de forma simultânea tanto os pesos quanto a arquitetura da rede, visando, assim, a gerar de forma automática um modelo de ponderação dinâmica de previsores de alto desempenho. O modelo proposto, batizado de Neural Expert Weighting - Genetic Algorithm (NEW-GA), foi avaliado em diversos experimentos comparativos com outros modelos de ponderação de previsores, assim como também com os modelos individuais envolvidos na combinação, contemplando 15 séries temporais divididas em dois estudos de casos: séries de derivados de petróleo e séries da versão reduzida da competição NN3, uma competição entre metodologias de previsão, com maior ênfase nos modelos baseados em Redes Neurais. Os resultados demonstraram o potencial do NEWGA em fornecer modelos acurados de previsão de séries temporais. / [en] Empirical studies on time series indicate that the combination of forecasting models, generated from different modeling techniques, leads to higher consen+sus forecasts, in terms of accuracy, than the forecasts of individual models involved in the combination scheme. In this work, we present a methodology for convex combination of statistical forecasting models, whose success depends on how the combination weights of each model are estimated. An Artificial Neural Network Multilayer Perceptron (MLP) is used to generate dynamically weighting vectors over the forecast horizon, being dependent on the individual contribution of each forecaster observed over historical data series. The MLP network parameters are adjusted via a hybrid training algorithm that integrates global search techniques, based on evolutionary computation, along with the local search algorithm backpropagation, in order to optimize simultaneously both weights and network architecture. This approach aims to automatically generate a dynamic weighted forecast aggregation model with high performance. The proposed model, called Neural Expert Weighting - Genetic Algorithm (NEW-GA), was com- pared with other forecaster combination models, as well as with the individual models involved in the combination scheme, comprising 15 time series divided into two case studies: Petroleum Products and the reduced set of NN3 forecasting competition, a competition between forecasting methodologies, with greater emphasis on models based on neural networks. The results obtained demonstrated the potential of NEW-GA in providing accurate models for time series forecasting.

Submitted by Kelren Mota (kelrenlima@ufpa.br) on 2018-06-14T18:39:25Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_MetodologiaPredicaoPerda.pdf: 3699343 bytes, checksum: 3b43522af593666187f8aef07927421f (MD5) / Approved for entry into archive by Kelren Mota (kelrenlima@ufpa.br) on 2018-06-14T18:39:41Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_MetodologiaPredicaoPerda.pdf: 3699343 bytes, checksum: 3b43522af593666187f8aef07927421f (MD5) / Made available in DSpace on 2018-06-14T18:39:41Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_MetodologiaPredicaoPerda.pdf: 3699343 bytes, checksum: 3b43522af593666187f8aef07927421f (MD5) Previous issue date: 2018-02-27 / Esta dissertação apresenta uma metodologia que visa auxiliar o planejamento de sistemas de redes sem fio indoor, que requerem o conhecimento prévio dos ambientes nos quais serão implantados. Assim, é necessário precisão na análise do sinal por meio de uma abordagem empírica estatística, que leva em consideração alguns fatores que influenciam na propagação do sinal indoor: arquitetura dos prédios; disposição de móveis no interior dos compartimentos; números de paredes e pisos de diversos materiais, além do espalhamento das ondas de rádio. A metodologia adotada é baseada em medições com uma abordagem cross-layer, que demonstra o impacto da camada física em relação à camada de aplicação, com o objetivo de prever o comportamento da métrica de Qualidade de Experiência (QoE), chamada de Peak signal-to-noise ratio (PSNR), em transmissões de vídeo em 4k em redes sem fio 802.11ac, no ambiente indoor. Para tanto, foram realizadas medições, que demonstram como o sinal/vídeo se degrada no ambiente estudado, sendo possível modelar esta degradação por meio de uma técnica de inteligência computacional, chamada Redes Neurais Artificiais (RNA), na qual são inseridos parâmetros de entrada como, por exemplo, a distância do transmissor ao receptor e o número de paredes atravessadas a fim de predizer perda de propagação e perda de PSNR. Para avaliar a capacidade de predição dos métodos propostos, foram obtidos os valores dos erros Root Mean Sqare (RMS) entre os dados medidos e os preditos, pelo os métodos de predição perda de propagação e perda de PSNR, sendo os valores respectivos 2,17 dB e 2,81 dB. / This dissertation presents a methodology that aims to assist the planning of indoor wireless network systems, which require prior knowledge of the environments in which they will be deployed. Thus, accurate signal analysis is necessary by means of a statistical empirical approach, which takes into account some factors that influence the propagation of the indoor signal: architecture of the buildings; arrangement of furniture inside the compartments; numbers of walls and floors of various materials, and the spread of radio waves. The methodology adopted is based on measurements with a cross-layer approach, which demonstrates the impact of the physical layer in relation to the application layer, in order to predict the behavior of the Quality of Experience (QoE) metric, called Peak signal- to-noise ratio (PSNR), in 4K video streams on 802.11ac wireless networks in the indoor environment. In order to do so, measurements were performed, which demonstrate how the signal / video degrades in the studied environment. It is possible to model this degradation by means of a computational intelligence technique, called Artificial Neural Networks (RNA), in which input parameters are inserted as, for example, the distance from the transmitter to the receiver and the number of walls crossed in order to predict loss of propagation and loss of PSNR. In order to evaluate the predictive capacity of the proposed methods, the values of the Root Mean Sqare (RMS) errors between the measured and predicted data were obtained by the prediction methods loss of propagation and loss of PSNR, with respective values of 2.17 dB and 2.81 dB.

Submitted by Luciclea Silva (luci@ufpa.br) on 2018-12-12T12:27:30Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_comparacaoregressaolinear.pdf: 10372922 bytes, checksum: 6a29cea1a5e1de013de1e246179fb197 (MD5) / Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-12-12T12:28:06Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_comparacaoregressaolinear.pdf: 10372922 bytes, checksum: 6a29cea1a5e1de013de1e246179fb197 (MD5) / Made available in DSpace on 2018-12-12T12:28:06Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_comparacaoregressaolinear.pdf: 10372922 bytes, checksum: 6a29cea1a5e1de013de1e246179fb197 (MD5) Previous issue date: 2018-11-19 / Nos últimos anos, o desenvolvimento socioeconômico da população, o crescimento dos setores comercial e industrial, assim como a instalação cada vez mais crescente de novas cargas, têm gerado grande evolução na demanda do consumo de energia elétrica. Por sua vez, buscando obter sistemas mais eficientes, os fabricantes têm produzido equipamentos energeticamente mais eficientes para utilização residencial, comercial e industrial. No entanto, essas cargas, devido à sua não linearidade, têm contribuído significativamente para o aumento dos níveis de distorção harmônica de tensão e corrente, elevando a preocupação dos gestores do setor elétrico quanto a qualidade de energia elétrica (QEE), principalmente, pela dificuldade na identificação da origem da distorção harmônica. Logo, visando antecipar os efeitos harmônicos e atender a regulamentação vigente, por meio de técnicas computacionais, no presente trabalho dá-se ênfase no ponto de acoplamento comum (PAC), independente das características de consumo e cargas, com o intuito de avaliar os impactos harmônicos em sua rede, além de comparar o nível de confiabilidade das técnicas por meio do erro absoluto médio (EAM). A metodologia proposta utiliza o software de Sistema de Qualidade de Energia Elétrica (SISQEE) que possibilita a utilização de três técnicas computacionais distintas, sendo Regressão Linear, Redes Neurais Artificiais e Árvores de Regressão, para avaliar a contribuição harmônica de cada alimentador no ponto de interesse das redes elétricas escolhidas. Para comprovar a validade da metodologia, são elaborados dois estudos de caso baseadas em medições reais em uma universidade e em um polo industrial. As medições foram realizadas com o período mínimo amostral de sete dias através de analisadores de QEE, conforme procedimentos de distribuição da ANEEL (PRODIST). Como resultado da QEE, verificou-se o quanto cada alimentador impacta a distorção de tensão e corrente no PAC, além de classificar os alimentadores com relação a seu respectivo impacto na rede elétrica estudada. Também como resultado, os estudos propiciaram a avaliação de desempenho entre as diferentes técnicas, com diferentes intervalos de tempo (semanal, diário e por patamar de carga), permitindo classificar o comportamento e a confiabilidade de cada técnica em cada período. Como conclusão do trabalho, os métodos propostos e as análises apresentadas dão subsídios aos gestores para efetuar uma ação mitigadora mais eficiente dos impactos harmônicos causados na rede elétrica e, também, identificar as diferenças entre as técnicas e seu grau de confiabilidade, de acordo com os intervalos temporais estudados. / In recent years, the socio-economic development of the population, the growth of commercial and industrial sectors, as well as the ever-increasing installation of new electrical loads, have generated great evolution in demand of electricity consumption. In turn, to obtain more efficient systems, the manufacturers have produced equipment more energy efficient for residential, commercial and industrial use. However, these loads due their non-linearities, have contributed significantly to the increase in harmonic distortion levels of voltage and current, raising the concern of the power sector managers with respect to the power quality, mainly, due to the difficulty in the identification of the origin of the harmonic distortion. Therefore, to anticipate the harmonic effects and meet the current legislation, through computational techniques, this work emphasis is placed on the common coupling point (CCP) of consumers and utility, regardless of consumption characteristics and loads, to assess the harmonic impacts in his grid, besides comparing the reliability level of the techniques through the mean absolute error (MAE). The proposed methodology uses the Electrical Power Quality System (SISQEE) software that allows the use of three different computational techniques, such as Linear Regression, Artificial Neural Networks and Regression Trees, to evaluate the harmonic contribution of each feeder at the point of interest of the chosen electric grid. To prove the validity of the methodology, two case studies, based on real measurements at a university and at an industrial district, was carried out with a minimum sampling period of seven days using power quality analyzers, according to the distribution procedures by ANEEL (PRODIST). As a result of the power quality, it was verified how much each feeder impacts the voltage and current distortion at the CCP, besides classifying the feeders in relation to their respective impacts in the studied electrical grid. Also, as a result, the studies allowed the evaluation of performance between the different techniques, with different time intervals (weekly, daily and per load level), allowing to classify the behavior and reliability of each technique in each period. As a conclusion of the work, the proposed methods and analyzes presented allow managers to perform a more efficient mitigation action of the harmonic impacts caused in the electrical network and, also, to identify the differences between the techniques and their degree of reliability, in accordance with the time intervals studied.