Made available in DSpace on 2014-06-11T19:31:40Z (GMT). No. of bitstreams: 0 Previous issue date: 2003-10-10Bitstream added on 2014-06-13T19:42:06Z : No. of bitstreams: 1 silveira_mcg_dr_ilha.pdf: 929396 bytes, checksum: 9ae312d5e86267be1c5c610543a27962 (MD5) / Esta pesquisa apresenta uma metodologia para a análise de estabilidade transitória (de primeira oscilação) de sistema de energia elétrica usando uma rede neural baseada na arquitetura ART (Adaptive Resonance Theory), designada rede neural nebulosa ARTMAP modular para aplicações em tempo real. A margem de segurança é empregada como critério da análise de estabilidade transitória, considerando-se faltas tipo curto-circuito trifásico com saída de linha de operação. O funcionamento das redes neurais é constituído por duas fases fundamentais: treinamento e análise. A fase de treinamento requer uma grande quantidade de processamento para a sua realização, enquanto que a fase de análise é efetivada, praticamente, sem esforço computacional. Esta é, portanto, a principal justificativa para o uso de redes neurais para a resolução de problemas complexos que exigem soluções rápidas, como é caso de aplicações em tempo real. As redes neurais ART, possuem como características primordiais, a plasticidade e a estabilidade, as quais são qualidades essenciais para a execução do treinamento e para a análise de modo eficiente. A rede neural ARTMAP nebulosa modular está sendo proposta visando proporcionar um desempenho superior, em termos de precisão e rapidez, se comparada à formulação ARTMAP convencional, muito maior ainda quando comparada ao emprego de redes neurais com treinamento realizado via técnica retropropagação (que é um benchmark em termos de precisão no contexto de redes neurais). O treinamento da rede neural será realizado usando como “professor” um método de energia para o cálculo das margens de segurança. A metodologia proposta nesta pesquisa é um procedimento que incorpora inovações em relação à literatura existente, em destaque: (1) desenvolvimento de um novo modelo apropriado para a resolução... . / This work presents a methodology for transient stability analysis (first swing) of electrical energy systems, using a neural network based on ART (adaptive resonance theory), called modular fuzzy ARTMAP neural network for applications in real time. The security margin is used as a criterion for transient stability analysis, considering three-phase short circuit with outage of a transmission line faults. The neural network functioning is composed of two fundamental phases: training and analysis. The training phase needs a great quantity of processing, while the test phase is realized almost without computational effort. Therefore, this is the principal reason for using neural networks to solve complex problems that demand fast solutions, as the real time applications. The ART neural networks have as prime characteristics the plasticity and the stability, which are essential qualities for the training execution and for analysis in an efficient way. The modular fuzzy ARTMAP neural network is proposed to provide a superior performance, in precision and velocity, when compared to the conventional ARTMAP formulation, and much faster when compared to the neural networks using backpropagation training (benchmark in precision in a neural network context). The neural network training is realized using as a “teacher” an energy method to calculate the security margin. The proposed methodology is a proceeding that incorporates innovations in relation to the existent literature emphasizing: (1) development of a new appropriated model for solving the transient stability analysis by neural networks; (2) theoretical-practical development of the neural network output variable, represented in this work by the IMS (security margin interval) variable in a binary way. It is a convenient representation for the transient stability analysis approach; (3) proposition of a... (Complete abstract click electronic address below).

Made available in DSpace on 2014-06-11T19:32:18Z (GMT). No. of bitstreams: 0 Previous issue date: 2013-04-25Bitstream added on 2014-06-13T19:21:52Z : No. of bitstreams: 1 ferro_l_dr_rcla.pdf: 507040 bytes, checksum: 8569d113b387622fd192e005a1bbf02b (MD5) / As Redes Neurais Artificiais se constituem numa alternativa à computação programada tradicional e foram aplicadas em quase todos os ramos do conhecimento humano. Em Geotecnologia, no entanto, ainda são escassas as aplicações de maneira que, com este trabalho, procura-se mostrar que elas também podem ser aplicadas em indústrias de pisos e revestimentos cerâmicos do Pólo Cerâmico de Santa Gertrudes, Estado de São Paulo. Para isso, foram utilizados corpos-de-prova elaborados, testados e analisados nas indústrias Triunfo Cerâmica e Rochaforte Cerâmica, com argilas oriundas de nove minas da região que constitui o Pólo Cerâmico de Santa Gertrudes, dentre aquelas que representavam toda a coluna estratigráfica da Formação Corumbataí com amostras bem diferenciadas. Os dados obtidos relativos às variáveis físicas foram gentilmente cedidos pelo proprietário das indústrias acima citadas e as variáveis físicas usadas neste estudo são a Densidade de Prensagem (DP), a Densidade Aparente de Corpos-de-Prova Secos (DAS), a Retração Linear de Secagem (RLS), a Retração Linear de Queima (RLQ), a Perda ao Fogo (PF), a Carga de Ruptura (CR), a Absorção de Água (Abs) e o Módulo de Resistência à Flexão (MRF). Para a análise, os corpos-de-prova foram submetidos a quatro temperaturas de queima 1000°C, 1020°C, 1040°C e 1060°C, onde cada um destes valores deu origem a uma rede neural MLP (Multilayer Perceptron) de três camadas, para as quais foi usada a Regra do Aprendizado de Retropropagação do Erro (Backpropagation, do original em inglês) / Artificial Neural Networks constitute an alternative to traditional programmed computation and have been applied in almost all branches of human knowledge. However, they are rarely applied in Geotechnology, so this work aims to show that they can be applied in the flooring and ceramic tile industries in the Principial Ceramic Region of Saint Gertrudes, São Paulo State. For this purpose, proof specimens elaborated, tested and analyzed in the industries of Triunfo Cerâmica and Rochaforte Cerâmica were used. These proof specimens were composed of well differentiated clays from nine mines in the Principial Ceramic Region of Saint Gertrudes, and these mines are representative of all the stratigraphic column of the Corumbataí Formation. The data relative to physical variables were graciously provided by the owner of the above mentioned industries, and the physical variables used in this study are Pressing Density (DP), Bulk Density of Dry Specimens (DAS), Linear Shrinkage Drying (RLS), Linear Shrinkage Firing (RLQ), Loss on Ignition (PF), Tensile Strength (CR), Water Absorption (Abs) and Flexural Modulus of Resistance (MRF). For analysis, the proof specimens were subjected to four firing temperatures, 1000° C, 1020° C, 1040° C and 1060°C. Each one of these values gave rise to a neural network MLP (Multilayer Perceptron) of three tiers for which the Backpropagation rule of learning was used

Made available in DSpace on 2014-06-11T19:32:21Z (GMT). No. of bitstreams: 0 Previous issue date: 2003-11-28Bitstream added on 2014-06-13T20:03:46Z : No. of bitstreams: 1 cintra_ec_dr_rcla.pdf: 4074998 bytes, checksum: 46f75c3ee3bbcbcc6fcce47c41570c71 (MD5) / Este estudo desenvolve a aplicação da técnica de redes neurais artificiais no controle de teor de minério em frentes de lavra a partir de observações geológicas e geotécnicas. A área de estudo da aplicação é o depósito de cobre e ouro de Chapada (Goiás), hospedado por rochas da seqüência vulcano-sedimentar neoproterozóica de Chapada-Mara Rosa. Trata-se de um depósito mineral tipo epigenético, ligado a processos de alteração hidrotermal, associado a zonas estruturalmente favoráveis. As observações geológicas e geotécnicas constituem um banco de dados com 21.212 registros e 21 variáveis, provenientes de amostras de 237 furos de sondagem rotativa diamantada. As variáveis de entrada incluem litologia, porcentagem de sulfetos, razão calcopirita/pirita, freqüência de fraturas, RQD, e alterações hidrotermais tais como: cloritização, sericitização, silicificação, epidotização, carbonatização e piritização. As variáveis de saída são: teores de cobre e ouro. O modelo de rede neural utilizado foi o de múltiplas camadas (MLP) alimentada adiante ( feedforward ) totalmente interconectada, com 30 neurônios na camada oculta e 2 neurônios na camada de saída. A rede foi treinada com o algoritmo de retropropagação de Levenberg-Marquardt acoplado com regularização bayesiana. Obteve-se um índice de acertos de 80% na predição de teores de cobre em bancadas simuladas. / This study deals with application of artificial neural networks (ANNs) on grade control at mine sites inputting both geological and geotechnical variables. Case study is Chapada copper-gold deposit (Goiás, Brazil), located in the neoproterozoic Chapada-Mara Rosa volcano-sedimentary sequence. Ore is closely related to hydrothermal alteration, structurally controlled. The geological and geotechnical database contain 21,212 records on 21 variables taken from 237 diamond drill holes. Input variables include lithology, sulfide percentage, chalcopyrite/pyrite ratio, fracture frequency, RQD, and hydrothermal alterations such as chloritization, sericitization, silicification, epidotization, carbonatization and pyritization. Output variables are gold and copper grades. Neural network model is feedforward multi-layer perceptron (MLP), fully connected with 30 hidden and 2 output neurons. Network was trained with Levenberg-Marquardt backpropagation algorithm associated with bayesian regularization. Success rate on predicting copper grades on simulated mine benches was over 80%.

Orientador : Prof. Dr. Volmir Eugênio Wilhelm / Co-Orientador : Drª. Josiele Patias / Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 29/03/2016 / Inclui referências : f. 83-91 / Área de concentração : Programação matemática / Resumo: Uma questão importante em segurança de barragens de concreto é a monitoração da subpressão em suas fundações e a sua manutenção dentro dos limites de projeto, ao longo do seu tempo de operação. A supbressão é a pressão de baixo para cima gerada pela água que se infiltra pela porosidade ou descontinuidades da fundação rochosa sob a barragem. Se exceder os limites de segurança pode levar ao deslizamento ou tombamento da estrutura. As subpressões estão sujeitas a oscilações por mudanças de temperatura ou nível do reservatório, entre outras causas. A monitoração dos níveis de subpressão é realizada com o auxílio de limites de alertas fixos para cada instrumento. Por exemplo, em Itaipu o limite amarelo é estabelecido como o máximo histórico para o instrumento, e o limite vermelho é definido com base no limite de segurança do projeto. Assim, essa definição de limites de alertas fixos, não ajuda a identificar aumentos inesperados quando deveria estar próximo do mínimo sazonal. No caso de um incremento significativo de subpressão não justificada por variações correspondentes nas variáveis causais associadas, é importante que seja acionado um alerta assim que possível, auxiliando dessa forma a equipe de engenheiros responsáveis pela segurança a estudar o caso e se necessário executar as tarefas de manutenção a tempo de reverter um quadro que poderia colocar em risco a segurança da barragem. Os modelos de regressão múltipla de subpressão em Itaipu não conseguem alcançar um nível de explicação aceitável da variação sazonal da subpressão. As séries temporais de subpressão no contato entre o concreto e a rocha apresentam frequentes variações de regime, tornando sua modelagem mais complicada. Diante disso, esta tese propõe um novo método preditivo híbrido, incluindo modelo ARIMAX, Análise Espectral Singular (SSA), Wavelet, Redes Neurais Artificiais (RNAX) e Bootstrap, cujo objetivo é produzir predições, e intervalos de previsão a eles associados, de leituras futuras de subpressão em barragens de concreto, levando em consideração séries temporais de variáveis causais. Em síntese, a previsão pontual é a média entre um previsor ARIMAX que capta estrutura de dependência linear, e um previsor não linear iterativo, que combina redução de ruídos por SSA, decomposição espectral Wavelet e previsão por Redes Neurais Artificiais com busca automática de parâmetros ótimos. A determinação do intervalo preditivo usa Bootstrap, e os limites superiores do intervalo de previsão são interpretados como limites amarelos dinâmicos. O método proposto é aplicado em três séries temporais de subpressão de piezômetros instalados na barragem principal de Itaipu, localizada em Foz do Iguaçu, Paraná, Brasil. Os resultados alcançados mostram uma melhoria significativa quando comparado aos métodos tradicionais de previsão utilizados na literatura. / Abstract: An important point in concrete dam safety is to monitor the uplift pressure on its foundations, and keep it below the design limits during all operation life time. Uplift pressure is the bottom upward pressure generated by water that seeps through rock foundation porosity or discontinuities under the dam. If the design safety limits are exceeded, it may lead to slippage or tipping of the structure. The uplift pressure oscillates depending on changes in temperature or reservoir level, among other causes. Monitoring of uplift pressure levels is performed with the aid of fixed warning thresholds for each instrument. For example, in Itaipu the yellow threshold is established as the high value recorded for the instrument, and the red limit is set based on the design's safety limit. Thus, this definition of fixed warnings thresholds does not help to identify unexpected increases when it should be close to the minimum. In the case of a significant increase of uplift pressure not justified by corresponding variation in the associated causal variables, it is important to trigger an alert as soon as possible, thus aiding the dam safety engineers team to study the case and to perform any maintenance task in time to reverse a possible danger situation for the dam safety. Multiple regression models in Itaipu were not able to reach an acceptable explanation level of the uplift pressure seasonal variation. The uplift pressure time series in the concrete-rock contact have frequent regimen changes, making its modeling more complicated. Therefore, this thesis proposes a new hybrid predictive method, including ARIMAX model Spectral Analysis Singular (SSA), Wavelet, Artificial Neural Networks (RNAX) and Bootstrap, whose goal is to produce predictions, and prediction intervals associated with them, of future uplift readings in concrete dams, considering causal variables time series. In short, the point forecast is the average between an ARIMAX forecaster that captures linear dependence structure, and an iterative non-linear predictor that combines noise reduction by SSA, Wavelet spectral decomposition and forecast by Artificial Neural Networks with automatic search of optimal parameters. Bootstrap determines the predictive interval, and the upper limits of this interval are interpreted as dynamic yellow limits. The proposed method is applied in three uplift pressure time series, for piezometers installed in the Itaipu main dam, located in Foz do Iguaçu, Paraná, Brazil. The results obtained show a significant improvement when compared to traditional prediction methods in the literature.

Orientadores: Claudia Pereira Krueger, Günter Seeber e Selma Regina Aranha Ribeiro / Inclui apendice / Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciencias da Terra, Programa de Pós-Graduaçao em Ciencias Geodésicas. Defesa: Curitiba, 2006 / Inclui bibliografia / Resumo: O objetivo desta pesquisa é propor um método para modelagem do relevo oceânico a partir de dados batimétricos usando Redes Neurais Artificiais (RNA). Os dados batimétricos utilizados na pesquisa foram coletados pelo navio de pesquisas oceanográficas Polarstern (Bremerhaven - Alemanha) durante uma expediçao iniciada em julho de 2000 cobrindo uma área situada na Província de Pelágia, entre a Irlanda e o Reino Unido. Os dados batimétricos foram coletados por um sistema multibeam chamado de Hydrosweep DS-2, e foram cedidos pelo instituto de pesquisas alemao Alfred Wegener Institut für Polar und Meeresforschung (AWI). As informaçoes de profundidades e as intensidades de backscatter serviram como base para os experimentos realizados nesta pesquisa. A área selecionada para as investigaçoes, possui uma variaçao em profundidades de 400 m até 1700 m, sendo águas categorizadas como profundas. O método proposto utiliza a técnica das Redes Neurais Artificiais a fim de se executar a interpolaçao e a integraçao desses dados. O modelo proposto consiste em uma RNA com duas camadas escondidas, fazendo uso do algoritmo de treinamento supervisionado backpropagation . Na primeira etapa dos processamentos, como variáveis de entrada para o treinamento da rede, foram adotadas as posiçoes planimétricas das profundidades dadas pelas coordenadas E, N; as intensidades de backscatter e também foram atribuídos pesos binários aos valores numéricos dos 59 PFB's e pesos lineares, utilizando os ângulos de incidencia dos feixes, variáveis estas, denominadas de peso binário e peso linear. Numa segunda etapa foram utilizadas também as coordenadas planimétricas E, N de uma grade gerada pelo interpolador convencional local, o Inverso do Quadrado da Distância (IQD), e o treinamento executado e armazenado da primeira etapa. Desta forma as grades foram generalizadas pela rede nas mesmas posiçoes da grade IQD, a qual foi adotada como sendo o modelo de referencia "verdade de campo", visando obter as grades RNA nas mesmas posiçoes da grade IQD, variando apenas a coordenada Z (profundidades). As verificaçoes dos processamentos foram feitas mediante análises qualitativas (curvas isobatimétricas) e quantitativas (resíduos), do comportamento das profundidades interpoladas e das grades generalizadas pela rede. Para tal, fez-se uso de elementos amostrais de verificaçao, os quais nao fizeram parte do aprendizado e as saídas da rede (análise pontual). Também foram avaliadas as grades generalizadas pela RNA, comparando-as com o modelo de referencia adotado, isto é, a grade gerada através do algortimo de interpolaçao IQD (análise entre grades).O estudo comprova que o método proposto gera resultados que atendem a precisao do equipamento (multibeam), conforme o fabricante e também conforme especificaçoes da Organizaçao Internacional de Hidrografia (IHO) que preconizam 1% conforme a altura da lâmina d' água para a categoria de profundidades em questao, sendo o erro máximo permitido neste caso de 17 m. A RNA forneceu resultados cujo erro máximo foi de 14 m. Os resultados obtidos indicam que o uso de modelos neurais, treinados por algoritmos de aprendizado supervisionado, é uma alternativa promissora para a modelagem tridimensinal do relevo oceânico, tanto no aspecto da interpolaçao para a estimativa de profundidades como na possibilidade de integraçao de diferentes variáveis de entrada para o treinamento da rede

Orientador : Prof. Dr. Alexandre Kolodynskie Guetter / Coorientador : Prof. Dr. Fábio Teodoro de Souza / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia de Recursos Hídricos e Ambiental. Defesa: Curitiba, 29/02/2016 / Inclui referências : f.145-152 / Resumo: A geração de energia elétrica por fonte eólica tem se mostrado competitiva pela contínua diminuição de seus custos, tanto para instalação quanto nos equipamentos. As maiores capacidades instaladas, ao final de 2015, estavam na China (145.104 MW) e nos Estados Unidos da América (EUA) (74.471 MW), conforme relatório anual elaborado pelo Global Wind Energy Council (GWEC). No Brasil, ressalta-se a existência de diversas áreas favoráveis à implantação e à expansão dessa tecnologia, que poderia ajudar na diversificação de sua matriz energética. Considerando que o vento é um fenômeno natural e inconstante, qualquer estimativa de geração de energia baseada nele, para tomar decisões e buscar eficiência energética, torna-se um grande desafio. Estudos da previsão de geração dividem-se em três categorias: estatísticas, físicas e híbridas. As primeiras, de fácil implementação, podem envolver inteligência computacional e são baseadas, essencialmente, nas estruturas de persistência temporal extraídas dos dados históricos das variáveis de interesse, não contemplando as características meteorológicas específicas do local onde se encontra o empreendimento. As físicas fundamentam-se em modelos determinísticos de previsão meteorológica, que posteriormente são convertidos através de modelos de transformação de vento em potência. Finalmente, as híbridas utilizam uma combinação das abordagens estatísticas (maior precisão no curto prazo) e físicas (maior precisão no médio prazo), considerando uma ou outra dependendo do período estudado. Neste trabalho, foram implementados modelos estatísticos com Redes Neurais Artificiais (RNA) para as previsões de velocidade de vento e de geração eólica de curtíssimo prazo para a Usina Eólio-Elétrica de Palmas (PR). As RNA produziram resultados de geração satisfatórios para horizontes de previsão de até seis horas. Palavras-chave: energia eólica, Redes Neurais Artificiais, previsão de curtíssimo prazo, Usina Eólio-Elétrica de Palmas. / Abstract: Wind energy, as a clean power generation source, is already consolidated and has become competitive by its constant decrease in costs, including equipment's installation and purchase. The largest installed capacities, by the end of 2015, were in China (145,104 MW) and the United States of America (USA) (74,471 MW), according to the annual Global Wind Energy Council's report. In Brazil, there are several areas favorable to the implementation and expansion of this technology, which could help in the diversification of its energy matrix. Whereas wind is a natural and highly variable phenomenon, its generation forecast becomes a challenge. Forecasting methods are divided into three categories: statistical, physical and hybrid. The first one, which is easy to implement, may involve computational intelligence and is based on the persistence structure estimated from historical data of the variables of interest. It doesn't consider specific meteorological characteristics of the site. Physical models are based on information generated by weather prediction models, which are then converted by wind models into power. In this case, it is noteworthy the need of many data and lot of computational effort. Finally, hybrid models use a combination of statistical (short-term forecast) and physical approaches (medium-term forecast), using one or another depending on the period considered. This study develops statistical models based on Artificial Neural Networks (ANN) for wind and generation predictions for the Palmas Wind Farm (PR). The ANN were sufficiently trained and reach satisfactory results for forecasts up to six hours. Key-words: wind energy, Artificial Neural Networks, very short-term prediction, Palmas Wind Farm.

Orientador : Prof. Dr. Carlos Roberto Sanquetta / Coorientadores : Prof. Dr. Renato Vinicius Oliveira Castro, Prof. Dr. Julio Eduardo Arce / Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Agrárias, Programa de Pós-Graduação em Engenharia Florestal. Defesa: Curitiba, 19/12/2016 / Inclui referências: f. 142-153 / Resumo: Estudos com Redes Neurais Artificiais (RNA) para o gênero Pinus são incipientes no Brasil. O objetivo deste trabalho foi testar as RNA para estimação da altura, volume e afilamento para povoamentos de Pinus taeda L., bem como avaliar sua aplicabilidade e compará-la com os métodos tradicionais de regressão. Para a estimação de altura por regressão e RNA foram utilizados dados de 304 parcelas permanentes, totalizando 2.454 remedições de parcela em plantios de Pinus taeda L. entre 3 e 21 anos, pertencentes à empresa Klabin S.A. No ajuste dos modelos hipsométricos os dados foram estratificados em ano de plantio, totalizando 11 estratos. Para cada estrato foram ajustados 4 modelos hipsométricos, e esses avaliados de acordo com o coeficiente de correlação ajustado (R² ajust), erro padrão da estimativa (Syx%), gráficos de dispersão de resíduos, além de estatísticas complementares como viés (V), média das diferenças absolutas (MD) e desvio padrão das diferenças (DPD). Os melhores modelos aplicados nos dados de validação foram comparados às RNA, que por sua vez foram treinadas no software Statistica 7.0, em que as 20 melhores redes foram aplicadas aos dados sem estratificação. A RNA com melhor desempenho para estimar a altura total foi comparada com o modelo de regressão por estrato. Para avaliar a precisão dos modelos hipsométricos e RNA para a redução da medição das alturas, os dados de ajuste foram reduzidos em 30% e 60%, e ajustados e treinados respectivamente. Para a estimação de volume total com casca e diâmetros e volumes ao longo do fuste e ainda volume total com casca por meio de funções de afilamento, foram utilizadas 212 cubagens de árvores com diâmetro a 1,30 (dap) entre 5 e 45 cm e aplicados o método da RNA e regressão. Na metodologia de ajuste por regressão os dados foram divididos em 4 estratos e para cada estrato ajustado 4 modelos de volume e 4 modelos de afilamento. O treinamento das RNA e seleção dos modelos de regressão foram realizados com a mesma metodologia da relação hipsométrica. As melhores RNA e modelos de regressão aplicados aos dados de validação foram comparados para verificar as melhores estimativas. Na estimativa de altura, modelos de regressão apresentaram melhor desempenho que as RNA para a base de dados total e na redução de até 60%. Na estimativa de volume total com casca os modelos estratificados por regressão apresentaram resultados mais satisfatórios, enquanto na estimativa do diâmetro e volume ao longo do fuste as RNA foram mais precisas. Conclui-se que, para as estimativas de altura e volume total de Pinus taeda, o uso de modelos de regressão é mais adequado especialmente em função da maior facilidade de aplicação. Já para as estimativas de diâmetros e volumes ao longo do fuste, o uso das RNA é mais adequado em razão de sua maior precisão e maior complexidade de ajuste dos modelos de afilamento. Palavras-chave: desempenho, interações não lineares, modelos de regressão. / Abstract: Studies with Artificial Neural Networks (ANN) for the genus Pinus are incipient in Brazil. The main purpose of this work was to test ANN for height, volume and taper estimation for stands of Pinus taeda L., as well as to evaluate its applicability and to compare it with traditional regression methods. For the height estimation by regression and ANN, data from 304 permanent plots were used, totaling 2,454 remeasurements in Pinus taeda L plantations between 3 and 21 years, belonging to the company Klabin S.A. For the hypsometric models the data were stratified in year of planting, totaling 11 strata. For each stratum, 4 hypsometric models were fitted, and these were evaluated according to the adjusted correlation coefficient (R² adjust), standard error of estimative (Syx%), residual scatter plots, as well as complementary statistics, such as bias (V), absolute differences (MD) and standard deviation of differences (DPD). The best models applied in the validation data were compared to ANN trained in the Statistica 7.0 software, in which the 20 best networks were applied to the data without stratification. The best ANN performing to estimate total height was compared with the stratum regression model. To evaluate the accuracy of the hypsometric and ANN models for the height measurements reduction, the data were reduced by 30% and 60%, and adjusted and trained, respectively. For the estimation of the total volume with bark and diameters and volumes along the stem and also total volume with bark by means of tapering functions, 212 trees were scaled with diameter at 1.30 (dbh) between 5 and 45 cm and ANN and regression method was applied. In the regression adjustment method the data were divided into 4 strata and for each stratum adjusted 4 volume models and 4 taper models. The ANN training and regression models selection were performed using the same methodology as the hypsometric relation. The best ANN and regression models applied to the validation data were compared to verify the best estimates. In height estimation, regression models presented better performance than ANN for the total database and data reduction of up to 60%. For the estimation of total volume with bark, the models stratified by regression presented more satisfactory results, whereas for the estimation of diameter and volume along the stem the ANN was more accurate. It was concluded that, for the estimates of height and total volume of Pinus taeda, the use of regression models is more appropriate especially due to the greater ease of application. For the estimation of diameters and volumes along the stem, the use of ANN is more adequate because of the better precision and greater complexity of adjustment of the models of tapering. Keywords: Performance, nonlinear interactions, regression models.

Orientador : Luiz Eduardo S. Oliveira / Coorientador : David Menotti / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa: Curitiba, 20/07/2017 / Inclui referências : f. 63-72 / Resumo: As séries temporais financeiras são notoriamente difíceis de analisar e prever dada sua natureza não estacionária e altamente oscilatória. Nesta tese, a eficácia da técnica de decomposição não-paramétrica Ensemble Empirical Mode Decomposition (EEMD) é avaliada como uma técnica de extração de característica de séries temporais provenientes de índices de mercado e taxas de câmbio, características estas usadas na classificação, juntamente com diferentes modelos de aprendizado de máquina, de tendências de curto prazo. Os resultados obtidos em dois datasets de dados financeiros distintos sugerem que os resultados promissores relatados na literatura foram obtidos com a adição, inadvertida, de lookahead bias (viés) proveniente da aplicação desta técnica como parte do pré-processamento das séries temporais. Em contraste com as conclusões encontradas na literatura, nossos resultados indicam que a aplicação do EEMD com o objetivo de gerar uma melhor representação dos dados financeiração, por si só, não é suficiente para melhorar substancialmente a precisão e retorno cumulativo obtidos por modelos preditivos em comparação aos resultados obtidos com a utilização de series temporais de mudanças percentuais. Palavras-chave: Predição de Tendencias, Aprendizado de Máquina, Séries Temporais Financeiras. / Abstract: Financial time series are notoriously difficult to analyse and predict, given their nonstationary, highly oscillatory nature. In this thesis, the effectiveness of the Ensemble Empirical Mode Decomposition (EEMD) is evaluated at generating a representation for market indexes and exchange rates that improves short-term trend prediction for these financial instruments. The results obtained in two different financial datasets suggest that the promising results reported using EEMD on financial time series in other studies were obtained by inadvertently adding look-ahead bias to the testing protocol via pre-processing the entire series with EEMD, which do affect the predictive results. In contrast to conclusions found in the literature, our results indicate that the application of EEMD with the objective of generating a better representation for financial time series is not sufficient, by itself, to substantially improve the accuracy and cumulative return obtained by the same models using the raw data. Keywords: Trend Prediction, Machine Learning, Financial Time Series.

Made available in DSpace on 2014-06-11T19:33:34Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-12-18Bitstream added on 2014-06-13T18:45:27Z : No. of bitstreams: 1 bendini_jn_dr_botfmvz.pdf: 529177 bytes, checksum: a53a8964c181be6747c777213e53fd3b (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Universidade Estadual Paulista (UNESP) / O presente trabalho teve como objetivo realizar o mapeamento dos apiários da microrregião de Campos do Jordão, por meio do Sistema de Informações Geográficas (SIG), gerando uma base de dados relacionada a características referentes à procedência do apicultor regional em relação à distribuição espacial, número de colméias e produtividade. A referida microrregião apresenta, de acordo com o presente estudo, 54 apicultores distribuídos pelos seus 04 municípios, onde a atividade apícola é desenvolvida por pequenos produtores que possuem no máximo 70 colméias. O SIG mostrou-se uma ferramenta eficiente para a avaliação do desenvolvimento da atividade apícola da Microrregião de Campos do Jordão e servirá como instrumento de monitoramento da procedência do produto regional, principalmente para se orientar quanto à melhor distribuição futura de suas respectivas unidades apícolas, podendo gerar resultados positivos na produtividade melífera. / The objective of this paper was mapping the apiaries of the micro region of Campos do Jordão, through the Geographical Information System (GIS), generating a database related to beekeeper's characteristics as their space distribution, number of beehives and productivity. According to the present study, the micro region has 54 beekeepers distributed in 04 municipalities, where beekeeping activity is developed by a small group of producers who can own at the most 70 hives. As a result, the GIS has proved to be an efficient tool to evaluate the development of the beekeeping activity at the micro region of Campos de Jordão. Furthermore, it will be useful as a reference to monitor the origin of the regional final product, especially to lead the producers for a best distribution of their respective apiaries. Moreover, the finding could produce positive results in the melliferous productivity.

Made available in DSpace on 2014-06-11T19:34:58Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-10-19Bitstream added on 2014-06-13T19:04:56Z : No. of bitstreams: 1 goncalves_vd_dr_guara.pdf: 2777682 bytes, checksum: 5d4369fe1e30d71b1e79eccb5580ba09 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Este trabalho descreve o desenvolvimento de um sistema de análise de imagens de partículas de desgaste encontradas em óleos lubrificantes de equipamentos industriais. Para tanto, foi utilizado um sistema de aquisição de imagem para capturar imagens de amostras de óleo retidas em membranas de filtro e, também, desenvolvida uma metodologia analítica que faz a classificação quantitativa e qualitativa das partículas, relacionando-as ao modo de desgaste na qual foram geradas. Para a classificação quantitativa utilizou-se a norma ISO 4406 e para a qualitativa, a análise por meio de Redes Neurais Artificiais. O sistema aplicado consiste em uma câmera digital, um microscópio óptico monocular, um sistema de filtragem de óleo e dois programas computacionais desenvolvidos para realização da análise automatizada das imagens das partículas de desgaste obtidas. Foram utilizados óleos minerais de redutores de máquinas industriais no processo de obtenção de amostras. As partículas de desgaste foram analisadas pelo processo de microscopia óptica para obtenção da imagem da amostra relacionada ao desgaste. Os resultados obtidos mostraram que o sistema de análise desenvolvido realiza a classificação individual das partículas, através de Redes Neurais Artificiais, com uma eficiência de até 96%, além de analisar as múltiplas partículas contidas nas amostras, exibindo um relatório de acompanhamento e evolução do desgaste. Os programas computacionais desenvolvidos para essa análise possuem interface gráfica de fácil utilização. Eles podem ser amplamente utilizados no estudo e avaliação das partículas de desgaste obtidas de amostras de óleos industriais em empresas ou em universidades para fins educacionais. O sistema pode ser utilizado para análise de superfícies de metais obtidos pelo processo de metalografia ou na análise de imagens de microorganismos obtidas... / This paper describes the development of an image analysis system for wear particles found in industrial equipment lubricating oil. Hence, it was utilized an image acquisition system to capture image samples of the oil held in filter membranes. An analytical methodology was also developed to classify the particles quantitatively and qualitatively, relating them to the wear mode where they had been generated. The ISO 4406 standard was applied for quantitative classification and Artificial Neural Networks were used for qualitative classification analysis. The applied system consists of a digital camera, a monocular optical microscope, one oil filtering system and two software programs developed to perform the automated analysis of the acquired wear particles images. Mineral oils of gearbox industrial machines were used in the process of achieving the samples. The wear particles were analyzed by an optical microscopy system, to obtain the sample image related to the wear. The results showed that the analysis system that was developed classifies the individual particles through Artificial Neural Networks with 96% accuracy, in addition to analyzing the multiple particles contained in the samples and generating an evaluation report and wear evolution. The software programs developed for the analysis have a graphical interface easy to use. They can be used in the study and evaluation of the wear particles obtained from industrial oil samples in the companies or in the universities for educational purposes. The system can be applied to analyze the surface of metals acquired by metallographic processes or in the image analysis of microorganisms acquired from blood samples, opening a wide field of application within universities and researches.