Orientador: Carlos Roberto Minussi / Banca: Maria do Carmo Gomes da Silveira / Banca: Mara Lúcia Martins Lopes / Banca: Marcos Amorielle Furini / Banca: Arnulfo Barroso de Vasconcellos / Resumo: O aumento das emissões e concentrações de gás carbônico na atmosfera tem ocasionado a intensificação do efeito estufa e, consequentemente, das alterações climáticas e desequilíbrio sobre o planeta. Deste modo, torna-se imprescindível a adoção de medidas e o desenvolvimento de métodos eficientes para quantificar e avaliar a emissão do fluxo de gás carbono na atmosfera pela vegetação terrestre. Assim sendo, esta pesquisa tem por objetivo propor o desenvolvimento de um sistema inteligente, baseado no emprego de redes neurais, para predizer , seja a curto, médio ou de longo prazo, o sequestro (absorção) de carbono em áreas de reflorestamento, em uma fazenda situada na Amazônia Mato-Grossense com 10 mil hectares. O sistema proposto foi desenvolvido utilizando uma composição formada por uma rede neural da família ART (Adaptive Resonance Theory), a ART-Fuzzy e uma rede neural feedforward multicamadas com treinamento realizado via uso do algoritmo retropropagação, quantificando e realizando a previsão com maior acurácia e precisão da absorção de carbono, colaborando, desta forma, para que se adotem medidas para minimizar os impactos futuros do aumento da temperatura global e garantir a sustentabilidade do planeta. Ressalta-se que esta proposta é inovadora, pois pode-se abordar de áreas com diversidade de árvores, de grande extensões plantadas, entre outros fatores importantes neste contexto. Ou seja, trata-se de um sistema inteligente robusto e de grande flexibilidade de aplicação. / Abstract: The increase in emissions and concentrations of carbon dioxides in the atmosphere has brought the intensification of greenhouse effect and, consequently, climatic changes and imbalance on the planet. Therefore, it becomes essential to adopt measures and develop efficient methods for quantifying and evaluating the emission of flow of carbon in the atmosphere by land vegetation. Thus, this research aims to propose the development of an intelligent system, based on the use of neural networks to predict, whether in the short, medium or long term, the carbon sequestration in reforestation areas, on a 10000 hectare farm located in the Amazon region of Mato Grosso-Brazil. The proposed system was developed using a composition formed by a neural network of the ART family (Adaptive Resonance Theory), the Fuzzy-ART and a multilayer feedforward neural network with training performed through the use of the retropropagation algorithm, making the quantifying and predicting of the carbon absorption, thus contributing to the adoption of measures to minimize the impacts of future global temperature increase and ensure the sustainability of the planet, more accurate and precise than the original methods. It is highlighted that this proposal is innovative, because it can approach large areas of plantations, with diversity of trees, among other important factors in this context. That is, it is an intelligent system robust and of great flexibility of application. / Doutor

Made available in DSpace on 2014-06-11T19:30:51Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-02-07Bitstream added on 2014-06-13T19:19:32Z : No. of bitstreams: 1 000750721.pdf: 3249585 bytes, checksum: 6fd06cf84189fd3909d17528ac77dab0 (MD5) / O aumento das emissões e concentrações de gás carbônico na atmosfera tem ocasionado a intensificação do efeito estufa e, consequentemente, das alterações climáticas e desequilíbrio sobre o planeta. Deste modo, torna-se imprescindível a adoção de medidas e o desenvolvimento de métodos eficientes para quantificar e avaliar a emissão do fluxo de gás carbono na atmosfera pela vegetação terrestre. Assim sendo, esta pesquisa tem por objetivo propor o desenvolvimento de um sistema inteligente, baseado no emprego de redes neurais, para predizer , seja a curto, médio ou de longo prazo, o sequestro (absorção) de carbono em áreas de reflorestamento, em uma fazenda situada na Amazônia Mato-Grossense com 10 mil hectares. O sistema proposto foi desenvolvido utilizando uma composição formada por uma rede neural da família ART (Adaptive Resonance Theory), a ART-Fuzzy e uma rede neural feedforward multicamadas com treinamento realizado via uso do algoritmo retropropagação, quantificando e realizando a previsão com maior acurácia e precisão da absorção de carbono, colaborando, desta forma, para que se adotem medidas para minimizar os impactos futuros do aumento da temperatura global e garantir a sustentabilidade do planeta. Ressalta-se que esta proposta é inovadora, pois pode-se abordar de áreas com diversidade de árvores, de grande extensões plantadas, entre outros fatores importantes neste contexto. Ou seja, trata-se de um sistema inteligente robusto e de grande flexibilidade de aplicação. / The increase in emissions and concentrations of carbon dioxides in the atmosphere has brought the intensification of greenhouse effect and, consequently, climatic changes and imbalance on the planet. Therefore, it becomes essential to adopt measures and develop efficient methods for quantifying and evaluating the emission of flow of carbon in the atmosphere by land vegetation. Thus, this research aims to propose the development of an intelligent system, based on the use of neural networks to predict, whether in the short, medium or long term, the carbon sequestration in reforestation areas, on a 10000 hectare farm located in the Amazon region of Mato Grosso-Brazil. The proposed system was developed using a composition formed by a neural network of the ART family (Adaptive Resonance Theory), the Fuzzy-ART and a multilayer feedforward neural network with training performed through the use of the retropropagation algorithm, making the quantifying and predicting of the carbon absorption, thus contributing to the adoption of measures to minimize the impacts of future global temperature increase and ensure the sustainability of the planet, more accurate and precise than the original methods. It is highlighted that this proposal is innovative, because it can approach large areas of plantations, with diversity of trees, among other important factors in this context. That is, it is an intelligent system robust and of great flexibility of application.

Made available in DSpace on 2014-06-11T19:30:52Z (GMT). No. of bitstreams: 0 Previous issue date: 2003-11-24Bitstream added on 2014-06-13T21:01:27Z : No. of bitstreams: 1 ferreira_wp_dr_ilha.pdf: 913049 bytes, checksum: e880a34bdaf254be412acbf6186ea464 (MD5) / Este trabalho de pesquisa tem por objetivo o desenvolvimento de uma metodologia para a análise dinâmica de contingências de sistemas de energia elétrica por redes neurais, cuja motivação deve-se ao fato de que as redes neurais, ainda que demandem um considerável tempo de processamento para a execução do treinamento, podem realizar diagnósticos em tempo real. Para tanto, será desenvolvido um modelo que estabelece a relação entre entradas e saídas da rede com um menor número possível de variáveis. A rede neural corresponde a uma nova configuração chamada ART&ARTMAP nebulosa baseada na arquitetura ART (Adaptive Resonance Theory). As redes neurais ART possuem como características mais importantes a plasticidade e a estabilidade, as quais são qualidades primordiais para a execução do treinamento e para a análise de modo eficiente. A rede neural ART&ARTMAP nebulosa está sendo proposta visando proporcionar um desempenho superior, em termos de precisão e rapidez, se comparada à formulação ARTMAP convencional e maior ainda quando comparada a outras redes neurais disponíveis na literatura especializada. A principal característica da rede neural ART&ARTMAP nebulosa refere-se ao gerenciamento de dados analógicos e binários estabelecidos no modelo do sistema de tal modo que estes dados são tratados separadamente, ou seja, os dados analógicos são processados e transformados em um conjunto equivalente binário. Deste modo, tem-se uma concepção que manipula somente dados na forma binária, tendo como resultado uma redução da dimensão do problema e melhor qualidade das soluções. A metodologia proposta é um procedimento que incorpora inovações em relação à literatura existente, em destaque: proposta de uma nova arquitetura de rede neural baseada na teoria da ressonância adaptativa chamada rede neural ART&ARTMAP nebulosa. A rede neural proposta apresenta-se como... . / This work aims to develop a methodology to contingency dynamic analyzing of electric energy systems by neural networks, considering that the neural networks, although usually spend a considerable time during the training phase can produce diagnosis in real time. Therefore, it is developed a model that establishes a relation between input and output of the network with the least quantity of possible variables, being an optimized structural system. The neural network corresponds to a new configuration called fuzzy ART&ARTMAP based on the ART (Adaptive Resonance Theory). The most important characteristics of ART neural networks are plasticity and stability, primordial features for training and for an efficient analysis. The fuzzy ART&ARTMAP neural network is proposed to proportionate a superior performance in terms of precision and velocity, when compared to the conventional ARTMAP formulation and even more superior when compared to other neural networks available in the literature. The principal characteristic of the fuzzy ART&ARTMAP is the binary and analog management, established on the model of the system, such that these data are treated isolated, i.e., the analog data are processed and transformed in an equivalent binary set. This way, it is found a conception that manipulate only binary data, and the results show a reduction on the dimension of the problem and better quality on the solutions. The proposed methodology is a proceeding that incorporates innovations in relation to the existent literature, such as: proposal of a new architecture of neural network based on the adaptive resonance theory called fuzzy ART&ARTMAP. The proposed neural network is promising for applications in several areas of the knowledge. It is focused the application in security analysis, specially the... (Complete abstract, click electronic address below).

Submitted by LIVIA FREITAS (livia.freitas@ufba.br) on 2013-10-11T17:32:10Z No. of bitstreams: 1 Emanuel Cajueiro - Dissertação de Mestrado.pdf: 4546773 bytes, checksum: 9096cab10f483bb8024bb7289a289114 (MD5) / Approved for entry into archive by LIVIA FREITAS(livia.freitas@ufba.br) on 2013-10-11T19:11:54Z (GMT) No. of bitstreams: 1 Emanuel Cajueiro - Dissertação de Mestrado.pdf: 4546773 bytes, checksum: 9096cab10f483bb8024bb7289a289114 (MD5) / Made available in DSpace on 2013-10-11T19:11:54Z (GMT). No. of bitstreams: 1 Emanuel Cajueiro - Dissertação de Mestrado.pdf: 4546773 bytes, checksum: 9096cab10f483bb8024bb7289a289114 (MD5) / A carta dinamométrica de superfície (CDS) é importante para o diagnóstico das condições operacionais de poços de petróleo em terra (on-shore) que tem como método de elevação artificial o bombeio mecânico (BM). A CDS é constituída por um traçado contínuo de dados de posição versus carga suportada pela haste polida durante um ciclo de bombeio. Tais dados, geralmente, são adquiridos no campo por meio de sensores físicos de carga e posição. Neste trabalho, técnicas de identificação de sistemas dinâmicos lineares e não-lineares são aplicadas a fim de inferir posição e carga dinâmica de haste polida de BM, a partir da corrente elétrica de saída de um inversor de frequência usado no acionamento e controle de um motor de indução pertencente ao BM. O modelo autoregressivo com entradas exógenas (ARX) foi usado para a abordagem de identificação linear; para a abordagem de identificação não-linear, a qual apresentou resultados melhores do que a linear, foram utilizados o modelo não-linear ARX (NARX) e o modelo de Hammerstein-Wiener, ambos tendo como função não-linear a wavelet network. Os resultados obtidos na etapa de validação demonstram que a estratégia é aplicável para as condições operacionais normal e de pancada de fluido, o que tornou possível inferir a CDS sem o uso dos sensores de carga e posição. / Salvador

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T22:04:28Z (GMT). No. of bitstreams: 0Bitstream added on 2013-07-16T18:06:35Z : No. of bitstreams: 1 174771.pdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / À frente de pequenas e médias empresas encontram-se indivíduos responsáveis pelo processo de criação e desenvolvimento empresarial. É de suma importância identificar quais são as características e atributos que contribuem para determinar o sucesso desses empreendedores. Esta tese, através de seus resultados, comprovou a hipótese da existência de características da personalidade e comportamento de indivíduos que obtiveram sucesso que os diferenciam de outros que não obtiveram sucesso em seus empreendimentos. Isso foi possível por meio de um método que possibilita captar a incerteza e a existência de informações predominantes em um conjunto de dados, utilizando um sistema neurodifuso.

Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T02:37:45Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T22:31:56Z : No. of bitstreams: 1 138964.pdf: 1552749 bytes, checksum: 601dd4405424197392c2a231ffe85727 (MD5)

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Metrologia Científica e Industrial, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T12:39:23Z (GMT). No. of bitstreams: 1 284635.pdf: 4885627 bytes, checksum: c2aafc84150b8addb4daf7e42a815bd2 (MD5) / Ensaios de compressores constituem uma ferramenta essencial no desenvolvimento de sistemas de refrigeração mais eficientes. Um dos ensaios mais representativos é o de desempenho. Tais ensaios são geralmente realizados em bancadas que apresentam incertezas de medição muito altas quando comparadas aos ganhos incrementais que devem ser analisados. Isso implica uso de técnicas estatísticas e faz com que ensaios tenham que ser replicados. Associando-se a esse fato há um longo tempo demandado por cada ensaio, o que torna evidente a dificuldade e o alto custo associado a tal análise. A demora do ensaio é devida principalmente ao longo tempo que o compressor e a bancada levam para entrar em condições de regime permanente - condição nominal de ensaio. Trabalhos recentes mostraram que é viável reduzir o tempo de ensaio empregando redes neurais artificiais (RNA) para analisar o compressor ainda em condições transitórias. Esta dissertação visa contribuir com a validação da técnica de redução de tempos demandados por ensaios de desempenho de compressores de refrigeração através do uso de redes neurais artificiais (RNA). Nesse contexto, foi avaliada a aplicação da técnica em diferentes compressores sob diferentes condições operacionais. A técnica neural avaliada analisa a evolução dos valores das variáveis de ensaio durante o período transitório e tira conclusões quanto ao instante de entrada em regime de cada uma das variáveis de interesse: consumo; capacidade; COP. Além disso, a técnica neural realiza a inferência do valor final de ensaio das variáveis de interesse logo após a entrada em regime permanente dessas. Um sistema desenvolvido usando tal técnica foi implantado em bancada de ensaios de uma empresa. Os resultados obtidos mostram que a aplicação de RNA pode reduzir drasticamente o tempo demandado por tais ensaios.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção. / Made available in DSpace on 2012-10-22T16:02:12Z (GMT). No. of bitstreams: 0 / O sequenciamento de genomas inteiros é, sem dúvida, uma grande conquista, mas o significado dessa massa acumulada de dados está apenas começando a ser desvendado. O acúmulo de uma grande quantidade de dados biológicos, relativo à pesquisa de genes e proteínas provou ser necessário abstrair o significado biológico desses dados. Esse grande volume de dados tem sido acumulado desde o lançamento das pesquisas em biologia molecular depois da proposta do modelo de dupla-hélice do DNA e a aplicação do sequenciamento de proteínas e do próprio DNA. A predição da estrutura tridimensional de uma proteína, conhecida também como estrutura terciária, em função de sua seqüência de DNA ou seqüência de aminoácidos é o objeto de estudo desse trabalho. Desenvolver um modelo e conseqüentemente uma aplicação computacional para agregar informação ao processo de predição dessa estrutura é o norteador principal do trabalho. Dado que as proteínas são construídas a partir da informação contida no DNA, uma vez conhecido o gene pode-se deduzir a seqüência de aminoácidos. É necessário então, determinar sua estrutura. Para determinar a estrutura de uma proteína é necessário analisar as seqüências de DNA e de aminoácidos, procurando então padrões na geração destas estruturas. Constata-se, portanto, que o conhecimento da estrutura de proteínas em nível atômico permitirá descrever como a forma particular de uma proteína determina, por sua vez, a sua função. Dessa forma, o problema consiste em determinar a relação entre seqüência e estrutura. Considerou-se a Inteligência Artificial (IA) vital para o estudo do modelo computacional, pois devido à dimensão das cadeias de DNA e a complexidade do processo biológico, torna-se inviável uma solução puramente algorítmica. O modelo de predição utiliza uma rede neural com função de base radial (RBF), que determina as estruturas secundárias de uma seqüência e as transforma em coordenadas para uma visualização tridimensional. O modelo apresentou resultados compatíveis com abordagens que utilizam outros métodos já mencionados na literatura. Percebe-se que o papel da estrutura tridimensional de uma proteína face ao seu contexto funcional na biologia molecular, a transição da seqüência de aminoácidos para a estrutura funcional, a importância dessa estrutura para os profissionais da área, e conseqüentemente desse setor para a sociedade, e por fim, a importância de desenvolver modelos e métodos computacionais mais precisos, são assuntos que merecem estudos mais aprofundados.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciências da Computação / Made available in DSpace on 2012-10-24T04:54:11Z (GMT). No. of bitstreams: 1 252385.pdf: 5217834 bytes, checksum: 1e4b5b42b072de961cc5882ecc5c346d (MD5) / O presente trabalho apresenta um modelo híbrido wavelet/redes neurais, onde é empregada a análise wavelet como préprocessamento para a rede neural. Desta forma a análise desempenhará papel de extrator de características. Baseado nas características extraídas, a rede neural artificial efetua a aproximação de função com o intuito de retornar valores de previsão da série temporal desejada. Como validador para o modelo é utilizada a série temporal da vazão do Rio Itajaí Açu. Para a escolha da wavelet, a ser aplicado na quantização do modelo, são elencadas vinte candidatas (haar, db3, db5, db7, db10, db15, db20, coif1, coif2, coif3, coif4, coif5, sym3, sym5, sym7, sym10, sym15, sym20, chroma4 e chroma6). Testes repetitivos são efetuados tirando índices de erro para selecionar a melhor candidata. Baseado sob a wavelet selecionada para a resolução do problema de previsão é feito uma análise de combinações de anela/sobreposição para averiguar o comportamento do modelo utilizando diferentes parâmetros. Como resultado, obtiveramse índices de acertos relativamente parecidos utilizando uma quantidade de dados de inferência menor, devido característica de transformação das wavelets. Em outros casos é constatado um ganho computacional, o que é discutido separando o processo em quatro etapas distintas e simulando várias configurações para um mesmo exemplo. The present work presents a hybrid model wavelet/neural networks, which is employed wavelet analysis as a preprocessing work for the artificial neural network. This preprocessing activity will cast as a feature extraction. In these features extracted the neural network makes the approximation with the aim of returning values of the time series forecasting desired. To validate the model is used the Itajaí Açu river#s flow history. Regarding the avelet#s choice, twenty candidates were enrolled in order to be applied in the quantization of the model, as follows: haar, db3, db5, db7, db10, db15, db20, coif1, coif2, coif3, coif4, coif5, sym3, sym5, sym7, sym10, sym15, ym20, chroma4 and chroma6. Repetitive tests are performed to extract error rates for selecting the best candidate. Based on the selected wavelet to solve the problem of forecasting time series, an analysis is made using a combination of window size/overlap to investigate the behavior using different parameters. The results obtained are very similar using a lower amount of data due to the characteristics of the wavelet transform. In other cases a computational gain is obtained which is discussed separating the process into four distinct stages and simulating various configurations for the same arrangement.

Orientador: Naasson Pereira de Alcantara Junior / Banca: Diógenes Pereira Gonzaga / Banca: José Alfredo Covolan Ulson / Resumo: Este trabalho apresenta uma contribuição ao estudo de técnicas para a detecção de defeitos em tubulações metálicas, causados pela ação agressiva dos fluidos conduzidos pelos mesmos, ou ações atmosféricas. O trabalho consiste no mapeamento e classificação da assinatura magnética que cada defeito, em uma tubulação metálica. A assinatura magnética do defeito pode ser entendida como sendo o padrão apresentado pela indução magnética na superfície do tubo, na presença de defeitos, objetos de investigação deste trabalho. Os defeitos simulados tiveram uma variação na altura e largura. Após as simulações, foram gerados vetores com valores da indução magnética na superfície logo acima de cada defeito simulado (assintura magnética). Os vetores obtidos foram utilizados para o treinamento de duas redes... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This work presents an investigation into the use of the finite element method and artificial neural networks in the identification of defects in industrial plants metallic tubes, due to the aggressive actions of the fluids contained by them, and/or atmospheric agents. The methodology used in this study consists of simulating a very large number of defects in a metallic tube, using the finite element method. Both variations in width and height of the defects are considered. Then, the obtained results are used to generate a set of vectors for the training of two perception multilayer artifical neural network. The first one was used to classify a group of new defects, simulated by the finite element method and the second one was used... (Complete abstract click electronic access below) / Mestre