Nesta tese é proposta uma implementação para a solução do problema inverso com as estimativas das propriedades radiativas (o albedo de espalhamento simples, a espessura ótica do meio e as reflectividades difusas) a partir dos valores das intensidades de radiação que deixam o meio participante utilizando uma abordagem híbrida de sistemas neuro-fuzzy (SNF), o qual combina a utilização de sistemas de inferência fuzzy com as redes neurais artificiais. Busca-se com a utilização desse sistema híbrido integrar a habilidade dos sistemas fuzzy no tratamento de informações inexatas, imprecisas, e vagas, e a capacidade das redes neurais artificiais de tratar o aprendizado por experiência e a generalização do conhecimento. É proposta também uma metodologia de máquinas de comitês neuro-fuzzy na solução deste problema inverso em transferência radiativa. Foi observado paralelamente que a solução dos sistemas neuro-fuzzy e dos sistemas híbridos de máquinas de comitê neuro-fuzzy, apresentam baixa qualidade nos resultados quando são utilizados os dados experimentais com os menores coeficientes de sensibilidade para os parâmetros que serão estimados. Por outro lado, quando são utilizados dados com maior sensibilidade, são obtidos melhores resultados. Esta abordagem procura evitar a possibilidade da não convergência desses métodos. / In this thesis is proposed an implementation for solving the inverse problem with the estimates of radiative properties (the single scattering albedo, the optical thickness of the media and the diffuse reflectivities) by the values of the intensities of radiation that leaves the participant medium using a hybrid approach of neuro-fuzzy systems, which combines the use of fuzzy inference systems with artificial neural networks. The use of this hybrid system try to include the ability of fuzzy systems in the treatment of inaccurate, imprecise, and vague data, and the ability of artificial neural networks to deal with learning from experience and widespread knowledge. Also is proposed a methodology for machines committees in neuro-fuzzy solution of this inverse problem in radiative transfer. It was observed in parallel that the solution of neuro-fuzzy systems and hybrid systems neuro-fuzzy committee machines, have a poor quality results when using the experimental data with the lowest sensitivity coefficients for the parameters that will be estimated. Moreover, when data are used with greater sensitivity, better results are obtained. This approach seeks to avoid the possibility of non-convergence in such methods.

Este trabalho fundamenta-se no conceito de máquina de comitê de redes neurais artificiais e tem por objetivo resolver o problema inverso de transferência radiativa em um meio unidimensional, homogêneo, absorvedor e espalhador isotrópico. A máquina de comitê de redes neurais artificiais agrega e combina o conhecimento adquirido por um certo número de especialistas aqui representados, individualmente, por cada uma das redes neurais artificiais (RNA) que compõem a máquina de comitê de redes neurais artificiais. O objetivo é atingir um resultado final melhor do que o obtido por qualquer rede neural artificial separadamente, selecionando-se apenas àquelas redes neurais artificiais que apresentam os melhores resultados na fase de generalização descartando-se as demais, o que foi feito neste trabalho. Aqui são utilizados dois modelos estáticos de máquinas de comitê, usando a média aritmética de conjunto, que se diferenciam entre si apenas na composição do combinador de saída de cada máquina de comitê. São obtidas, usando-se máquinas de comitê de redes neurais artificiais, estimativas para os parâmetros de transferência radiativa, isto é, a espessura óptica do meio, o albedo de espalhamento simples e as refletividades difusas. Finalmente, os resultados obtidos com ambos os modelos de máquina de comitê são comparados entre si e com aqueles encontrados usando-se apenas redes neurais artificiais do tipo perceptrons de múltiplas camadas (MLP), isoladamente. Aqui essas redes neurais artificiais são denominadas redes neurais especialistas, mostrando que a técnica empregada traz melhorias de desempenho e resultados a um custo computacional relativamente baixo. / This work is based on the concept of neural networks committee machine and has the objective to solve the inverse radiative transfer problem in one-dimensional, homogeneous, absorbing and isotropic scattering media. The artificial neural networks committee machine adds and combines the knowledge acquired by an exact number of specialists which are represented, individually, by each one of the artificial neural networks (ANN) that composes the artificial neural network committee machine. The aim is to reach a final result better than the one obtained by any of the artificial neural network separately, selecting only those artificial neural networks that presents the best results during the generalization phase and discarding the others, what was done in this present work. Here are used two static models of committee machines, using the ensemble arithmetic average, that differ between themselves only by the composition of the output combinator by each one of the committee machine. Are obtained, using artificial neural networks committee machines, estimates for the radiative transfer parameters, that is, medium optical thickness, single scattering albedo and diffuse reflectivities. Finally, the results obtained with both models of committee machine are compared between themselves and with those found using artificial neural networks type multi-layer perceptrons (MLP), isolated. Here that artificial neural networks are named as specialists neural networks, showing that the technique employed brings performance and results improvements with relatively low computational cost.

Este trabalho aplica técnicas da área de inteligência artificial (IA) com o intuito de prever e classificar riscos ambientais, com o foco no problema da qualidade do ar. Para prever os riscos, dados foram adquiridos acerca das concentrações gasosas de determinados poluentes. Tais concentrações, denominadas de indicadores da qualidade do ar, são regulamentadas por várias legislações ao redor do mundo, inclusive a do Brasil. Estes dados foram empregados em um modelo que consiste de duas técnicas de IA: redes neurais artificiais e otimização por enxame de partículas. O resultado do modelo é a previsão de um dia adiante das concentrações gasosas dos indicadores da qualidade do ar. As previsões são usadas como entradas para a modelagem de riscos. A modelagem de riscos correlaciona as previsões dos poluentes observados para obter a qualidade do ar e o risco que tal qualidade oferece à saúde humana. O modelo de risco é baseado em lógica nebulosa, uma terceira técnica de IA. Ao término do trabalho, dois resultados foram alcançados. O primeiro foi o modelo de previsões que obteve resultados com um bom nível de acuidade. Em seguida, o modelo de riscos foi capaz de alcançar uma classificação coerente dos riscos ambientais. / In order to forecast and classify environmental risks, artificial intelligence (AI) techniques were applied to the air quality problem. Predetermined gaseous pollutant concentration data were acquired with the intent of predicting the risks. Such concentrations are denominated air quality indicators, and are regulated all around the world, including by brazilian law. The data concerning these indicators were used in a model that consists of two AI techniques: artificial neural networks and particle swarm optimization. The air quality indicators concentration prediction resulted in one day ahead values. The risk modeling utilizes the predictions as inputs values, correlating them in order to obtain the resulting air quality and, the risk that such quality has upon the human health. The risk model is based on a third AI technique, called fuzzy logic. The present work obtained two main results. The first was the accurate forecasts made by the prediction model. The second was the achievement of a coherent classification of the risks.

Esta tese tem por objetivo propor um modelo para a detecção automática de indícios de irregularidades na execução da despesa pública, baseado em dados extraídos do Sistema Integrado de Administração Financeira do Governo Federal - SIAFI. O modelo proposto foi desenvolvido para atuar como ferramenta auxiliar ao trabalho de fiscalização da Administração Pública executado pelo Tribunal de Contas da União. As análises realizadas pelo modelo baseiam-se em dois procedimentos complementares: sistema especialista e mineração de dados. A primeira alternativa permite criar um repositório de regras de conhecimento, extraídas da legislação e da experiência de analistas do TCU. A mineração de dados busca de forma automática informações não triviais, que não possam ser facilmente explicitadas através das regras de conhecimento. A principal contribuição do trabalho é a sistematização do procedimento de detecção, detalhando os componentes do modelo e a interação entre eles. Com o objetivo de validar o modelo proposto, é feita a implementação do componente de mineração de dados, caracterizado no trabalho por um modelo matemático de comportamento quanto à execução da despesa e por algoritmos que, utilizando o modelo de comportamento, permitem detectar indícios de irregularidades. O componente de mineração de dados foi implementado com o uso de técnicas estatísticas, redes neurais e lógica nebulosa. / In this work we propose a model to automatically detect irregularities in application of federal funds that may cause losses to the public treasury. The model uses data from the Sistema Integrado de Administração Financeira do Governo Federal - SIAFI. This model was created to help the Brazilian Court of Audit (TCU) in auditing the application of federal funds. The model has two modules, one is an expert system that will have the rules take form the legislation and from the experience of experts from TCU. The other module is a data mining module, that is composed by Behavior model and the detection part that uses Statistics techniques, Neural Networks and Fuzzy Logic to detect possible irregularities.

Made available in DSpace on 2014-06-11T19:27:14Z (GMT). No. of bitstreams: 0 Previous issue date: 2007-09-21Bitstream added on 2014-06-13T19:35:08Z : No. of bitstreams: 1 marqui_cr_me_ilha.pdf: 2038827 bytes, checksum: 471f672b818089216b3b9afc3b90a230 (MD5) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Este trabalho apresenta o estudo e desenvolvimento de técnicas para o monitoramento da integridade estrutural em sistemas inteligentes com sensores e atuadores piezelétricos acoplados. Os índices de sensibilidade estudados e utilizados no monitoramento da estrutura são: índice de falha métrica, calculado diretamente do sinal de impedância elétrica dos sensores/atuadores piezelétricos; índices do sensor, calculados com as normas de sistemas ou com as matrizes grammiana de observabilidade e os índices de entrada, calculados com as matrizes grammianas de controlabilidade. Tais índices são utilizados para detectar e localizar as falhas em aplicações numéricas e experimentais. As normas de sistemas e as matrizes grammianas de controlabilidade e observabilidade são obtidas através de um modelo numérico, como por exemplo, Método dos Elementos Finitos; ou um modelo identificado experimentalmente, via o método de realização para autossistemas, mais conhecido como ERA (Eigensytem Realization Algorithm). Em uma segunda etapa do procedimento proposto, as falhas são quantificadas utilizando Redes Neurais Artificiais, que foram treinadas com as normas de sistemas e com as matrizes grammianas. / This work presents the study and development of Structural Health Monitoring techniques for application in intelligent systems with coupled piezoelectric sensors and actuators. The indices of sensitivity for structural monitoring are based on: root-means-square deviation index, directly calculated from electric impedance signal of the piezoelectric sensors/actuators; sensor indices, calculated from system norms or observability grammian matrix, and input index, calculated from controllability grammian matrix. Such indices are used for damage detection and location in numerical and experimental applications. System norms, controllability and observability grammian matrices are obtained through numerical model, as for instance, Finite Element Method; or by experimental identification technique, via Eigensytem Realization Algorithm (ERA). In the second stage of the proposed procedure, damages were quantified using Artificial Neural Networks, that were trained with systems norms and grammian matrices.

CAPES / Um dos aspectos fundamentais da inteligência natural é sua aptidão no processamento de informações temporais. O grande desafio proposto é o de desenvolver sistemas inteligentes que mapeiem essa aptidão do comportamento humano. Neste contexto, aportam as Máquinas de Estado Líquido (LSMs), uma arquitetura neural pulsada (meio líquido) que projeta os dados de entrada em um espaço dinâmico de alta dimensão e, por conseguinte, realiza a análise do conjunto de dados de entrada através de uma rede neural clássica (unidade de leitura). Desta maneira, esta tese apresenta uma solução inovadora para a previsão de séries temporais contínuas através das LSMs com mecanismo de reinicialização e entradas analógicas, contemplando a área da demanda de energia elétrica. A metodologia desenvolvida foi aplicada no horizonte de previsão a curto prazo e a longo prazo. Os resultados obtidos são promissores, considerando o alto erro estabelecido para parada do treinamento da unidade de leitura, o baixo número de iterações do treinamento da unidade de leitura e que nenhuma estratégia de ajustamento sazonal, ou pré-processamento, sob os dados de entrada foi realizado. Até o momento, percebe-se que as LSMs têm despontado como uma nova e promissora abordagem dentro do paradigma conexionista, emergente da ciência cognitiva. / Among of several aspects of the natural intelligence is its ability to process temporal information. One of major challenges to be addresses is how to efficiently develop intelligent systems that integrate the complexities of human behavior. In this context, appear the Liquid State Machines (LSMs), a pulsed neural architecture (liquid) that projects the input data in a high-dimensional dynamical space and therefore makes the analysis of input data all through a classical neural network (readout). Thus, this thesis presents an innovative solution for forecasting continuous time series through LSMs with reset mechanism and analog inputs, applied to the electric energy demand. The methodology was applied in the short-term and long-term forecasting of electrical energy demand. Results are promising, considering the high error to stop training the readout, the low number of iterations of training of the readout, and that no strategy of seasonal adjustment or preprocessing of input data was achieved. So far, it can be notice that the LSMs have been studied as a new and promising approach in the Artificial Neural Networks paradigm, emergent from cognitive science.

Escoamentos bifásicos líquido-gás estão presentes na natureza e em muitas atividades industriais. Neste tipo de escoamento, as fases líquida e gasosa podem assumir diferentes configurações espaciais dentro da tubulação, chamadas padrões de escoamento. O escoamento bifásico líquido-gás em golfadas é o padrão de escoamento mais frequente nas aplicações industriais, ocorrendo em uma ampla faixa de velocidades das fases segundo os estudos de diversos autores. A modelagem matemática para o escoamento em golfadas compreende desde modelos simples em regime estacionário até modelos mais complexos, em regime transiente. E, para solução destes modelos são necessárias correlações empíricas e distribuições estatísticas dos parâmetros característicos do escoamento. Assim, no presente trabalho, vários modelos baseados em redes neurais artificiais são apresentados como suporte à caracterização dos parâmetros do escoamento bifásico em golfadas em função das séries temporais de fração de vazio obtidas experimentalmente. As séries temporais de fração de vazio são medidas com um par de sensores de malha de eletrodos instalado na seção de testes de uma planta experimental do NUEMUTFPR e descritas em Castillo (2015). A partir das séries temporais de fração de vazio medidas são calculados os parâmetros de interesse para o escoamento em estudo: comprimento da bolha alongada de gás, comprimento do pistão de líquido, velocidade de translação da bolha alongada e desvios padrões para essas variáveis. Essas variáveis medidas e calculadas são utilizadas para a obtenção de um conjunto de modelos baseados em rede neural artificial. Após obtenção dos modelos é realizado um estudo de simulação no qual esses modelos são usados para estimar os parâmetros que caracterizam o escoamento bifásico em golfadas. Análises detalhadas dos resultados mostraram que as variáveis relacionadas à fase gasosa são estimadas com maior acurácia que as variáveis relacionadas à fase líquida. Como aplicação imediata do modelo obtido, apresenta-se sua utilização como uma ferramenta de cálculo das condições iniciais para um modelo matemático fenomenológico de escoamento bifásico em golfadas com leve mudança de inclinação baseado no método de seguimento de pistões. O diferencial do presente trabalho está na predição da característica intermitente do escoamento bifásico líquido-gás em golfadas a partir do modelo neural, além da estimação de parâmetros médios para as variáveis de interesse com taxas de incerteza variando entre 10% e 16%. / Gas-liquid two-phase flows are present in nature and in different industrial activities. In this type of flow, the liquid and gas phases assume different spatial configurations inside the pipe, called flow patterns. Slug flow is one of the most frequent flow patterns in industrial applications, occurring over a wide range of phase velocities according to studies presented by several authors. The mathematical modelling of slug flow comprises from simple steady state models to more complex models for transient regimes. Those models require closure relationships, e.g. empirical correlations and statistical distributions of characteristic flow parameters. In this work, several models based on artificial neural networks are presented as a support to the characterization of the two-phase slug flow parameters that depend on experimentally obtained void fraction time series. The void fraction time series are measured with a pair of wiremesh sensors installed in a test section of an experimental rig in the premises of the NUEM/UTFPR labs and described in Castillo (2015). From the time series of void fraction measurements relevant parameters to the flow under consideration are computed: the length of the elongated gas bubble, the liquid slug length, the translational velocity of the elongated bubble and the standard deviations for those variables. Those measured and calculated variables are used to obtain a set of artificial neural network-based models. After obtaining such models, a simulation study in which those models are used to estimate the parameters that characterize the two-phase slug flows is carried out. Detailed analysis of the results showed that the variables related to the gas phase are estimated with greater accuracy than the ones related to the liquid phase. As an immediate application of the obtained model, its use as a tool to calculate the initial conditions for a phenomenological mathematical model of twophase slug flow with a slight change of inclination based on a slug tracking method is presented. The differential of this study is to predict the intermittent features of the twophase slug flow by means of a neural model, as well as the estimation of average parameters for the variables of interest with uncertainly rates ranging between 10% and 16%.

CAPES / O conforto e a liberdade de movimentos de pacientes com doenças crônicas e que têm que ser continuamente monitorados é um tema que tem incentivado o desenvolvimento de novas tecnologias como as redes de sensores corporais sem fios (WBAN) e novas áreas de pesquisa como a telemedicina. Além disso, a incorporação de software inteligente que permite simular o raciocínio dos especialistas, auxiliá-los na tomada de decisões e detectar com antecedência condições anormais ou tendência ao desenvolvimento de determinadas doenças, abre um campo ainda maior de pesquisas, como o campo da Inteligência Artificial na Medicina (AIM). O monitoramento de pacientes por meio de equipamentos sem fios, em conjunto com a tecnologia AIM, permite desenvolver soluções práticas para monitorar pacientes sem descuidar de seu conforto. Nesta tese foram pesquisadas técnicas inteligentes para o desenvolvimento de uma aplicação que permita monitorar cinco sinais vitais de pacientes sem que eles precisem usar leitos hospitalares. Em uma primeira etapa, os procedimentos médicos tipicamente usados pelos especialistas para avaliar um paciente foram estudados e transformados em regras para o modelo fuzzy. O modelo fuzzy proposto permite analisar o estado clínico presente do paciente e criar as saídas desejadas (targets) que permitam treinar as redes neurais artificiais. Posteriormente foi desenvolvido um modelo neural que, analisando os dados atuais e saídas anteriores do paciente, permite prever o seu estado clínico futuro próximo. A fim de achar a metodologia mais exata, cinco redes neurais artificiais foram analisadas e comparadas umas às outras. As redes Elman MISO, Elman MIMO, e NNARX – totalmente conectadas e podadas – foram testadas. O modelo fuzzy teve um excelente resultado concordando com as respostas dadas pelos especialistas em 99,76% dos casos. Depois de analisar as redes propostas no conjunto de validação, os resultados revelaram que unicamente a rede NNARX podada pode oferecer a mais alta acurácia de 99,82%, enquanto os outros modelos degradam o seu desempenho em até 35%. As técnicas de parada antecipada para o treinamento junto com a obtenção de valores médios de MSE, FPE e coeficientes de correlação conseguiram obter as melhores topologias de cada tipo de rede, fazendo quase desnecessária a sua poda. As redes NNARX e P-NNARX conseguiram resultados bem melhores que as redes restantes, mas a acurácia na rede P-NNARX observou um aumento de 1,27% em relação à rede NNARX. Como conclusão, pode-se dizer que, para este caso particular, as redes NNARX capturam a essência do sistema dinâmico não linear muito melhor do que as redes Elman. Finalmente, a rede P-NNARX foi a escolhida para a implementação do sistema inteligente proposto nesta tese. A sua acurácia foi de 99,25% para uma predição no tempo (t + d), onde d = 1 segundo, utilizando os dados de 30 novos pacientes. Foram feitas mais provas com periodos de predição maiores e o sistema demostrou uma ligeira diminuição na acurácia, chegando a 94,58% para d = 60 segundos, mas ainda ficando na faixa dos 90%. Os resultados demonstram o alto nível de generalização do sistema e o excelente desempenho na predição dos três estados clínicos do paciente (estável, semiestável e instável). Pretende-se que este sistema inteligente possa ser usado como ferramenta para a medicina preventiva em pacientes crônicos. / The comfort and freedom of movements of patients that have to be continually monitored is a theme that has motivated the development of new technologies such as networks of wireless body sensors (WBAN) and new research areas such as telemedicine. In addition, the incorporation of intelligent software to simulate the reasoning of experts, assist them in decision making and in early detection of abnormal conditions or tendencies to develop certain diseases, opens an even larger field of research, such as the field of Artificial Intelligence in Medicine (AIM beings its acronym in English). Patient monitoring through wireless equipment and AIM technology allows to develop practical solutions to control patients in environments outside of clinics or hospitals. In this thesis, intelligent tools were used for the development of an application that allows monitoring of five vital signs of patients without them being present in a hospital bed. In a first step, typical medical procedures used by specialists for evaluating a patient were studied and transformed into rules for the fuzzy model. The proposed fuzzy model allows the analysis of the current state of the patient to create the desired outputs (targets) that are used to train the artificial neural networks. Then, a neural model was developed which, by analysing current and historic patient data, forecasts patients’ clinical status in the near future. In order to find the most exact methodology, five artificial neural networks were analyzed and compared with each other using thousands of real patient data sets. Elman MISO, Elman MIMO and NNARX – fully connected and pruned – were tested. The fuzzy model answered in a excelent form, agreeing in 99.76% to the answers given by the experts. After analizing the proposed networks in the validation dataset, it was discovered that the pruned NNARX can offer the highest overall accuracy of 99.82%, whereas the others show a decrease of up to 35%. Through techniques such as early stopping for the training with the search of the mean of MSE, FPE and correlation coefficients it was possible to achieve the best topologies of every network type, making their pruning almost unnecessary. The fully connected NNARX and the P-NNARX achieved much better results than other networks, but an increase of 1.27% was observed in the overall accuracy of the pruned network with respect to the NNARX. It can be said that for this particular case, NNARX networks capture the essence of the non-linear dynamic system much better than Elman. Finally, the P-NNARX model was chosen for the implementation of the proposed smart system. Its overall acuracy was of 99.25%, for the prediction time (t + d), with d = 1 second, by using unseen data of 30 new patients. More tests made with longer prediction periods demonstrate a slight decrease in the overall accuracy reaching up to 94.58% for d = 60 seconds. Nevertheless, it still remained over 90%. Results demonstrate the high generalization level of the system and its excellent performance in predicting the three possible patient conditions (stable, semi-stable, unstable). The next step is to turn this intelligent system into an usefull tool for preventive medicine for chronic patients.

Com a ampla utilização da web nos dias atuais e também com o seu crescimento constante, a tarefa de classificação automática de sítios web têm adquirido importância crescente, pois em diversas ocasiões é necessário bloquear o acesso a sítios específicos, como por exemplo no caso do acesso a sítios de conteúdo adulto em escolas elementares e secundárias. Na literatura diferentes trabalhos têm surgido propondo novos métodos de classificação de sítios, com o objetivo de aumentar o índice de páginas corretamente categorizadas. Este trabalho tem por objetivo contribuir com os métodos atuais de classificação através de comparações de quatro aspectos envolvidos no processo de classificação: algoritmos de classificação, dimensionalidade (número de atributos considerados), métricas de avaliação de atributos e seleção de atributos textuais e estruturais presentes nas páginas web. Utiliza-se o modelo vetorial para o tratamento de textos e uma abordagem de aprendizagem de máquina clássica considerando a tarefa de classificação. Diversas métricas são utilizadas para fazer a seleção dos termos mais relevantes, e algoritmos de classificação de diferentes paradigmas são comparados: probabilista (Naıve Bayes), árvores de decisão (C4.5), aprendizado baseado em instâncias (KNN - K vizinhos mais próximos) e Máquinas de Vetores de Suporte (SVM). Os experimentos foram realizados em um conjunto de dados contendo sítios de dois idiomas, Português e Inglês. Os resultados demonstram que é possível obter um classificador com bons índices de acerto utilizando apenas as informações do texto ˆancora dos hyperlinks. Nos experimentos o classificador baseado nessas informações atingiu uma Medida-F de 99.59%. / With the wide use of the web nowadays, also with its constant growth, task of automatic classification of websites has gained increasing importance. In many occasions it is necessary to block access to specific sites, such as in the case of access to adult content sites in elementary and secondary schools. In the literature different studies has appeared proposing new methods for classification of sites, with the goal of increasing the rate of pages correctly categorized. This work aims to contribute to the current methods of classification by comparing four aspects involved in the classification process: classification algorithms, dimensionality (amount of selected attributes), attributes evaluation metrics and selection of textual and structural attributes present in webpages. We use the vector model to treat text and an machine learning classical approach according to the classification task. Several metrics are used to make the selection of the most relevant terms, and classification algorithms from different paradigms are compared: probabilistic (Na¨ıve Bayes), decision tree (C4.5), instance-based learning (KNN - K-Nearest Neighbor) and support vector machine (SVM). The experiments were performed on a dataset containing two languages, English and Portuguese. The results show that it is possible to obtain a classifier with good success indexes using only the information from the anchor text in hyperlinks, in the experiments the classifier based on this information achieved 99.59% F-measure.

Escoamentos bifásicos líquido-gás estão presentes na natureza e em muitas atividades industriais. Neste tipo de escoamento, as fases líquida e gasosa podem assumir diferentes configurações espaciais dentro da tubulação, chamadas padrões de escoamento. O escoamento bifásico líquido-gás em golfadas é o padrão de escoamento mais frequente nas aplicações industriais, ocorrendo em uma ampla faixa de velocidades das fases segundo os estudos de diversos autores. A modelagem matemática para o escoamento em golfadas compreende desde modelos simples em regime estacionário até modelos mais complexos, em regime transiente. E, para solução destes modelos são necessárias correlações empíricas e distribuições estatísticas dos parâmetros característicos do escoamento. Assim, no presente trabalho, vários modelos baseados em redes neurais artificiais são apresentados como suporte à caracterização dos parâmetros do escoamento bifásico em golfadas em função das séries temporais de fração de vazio obtidas experimentalmente. As séries temporais de fração de vazio são medidas com um par de sensores de malha de eletrodos instalado na seção de testes de uma planta experimental do NUEMUTFPR e descritas em Castillo (2015). A partir das séries temporais de fração de vazio medidas são calculados os parâmetros de interesse para o escoamento em estudo: comprimento da bolha alongada de gás, comprimento do pistão de líquido, velocidade de translação da bolha alongada e desvios padrões para essas variáveis. Essas variáveis medidas e calculadas são utilizadas para a obtenção de um conjunto de modelos baseados em rede neural artificial. Após obtenção dos modelos é realizado um estudo de simulação no qual esses modelos são usados para estimar os parâmetros que caracterizam o escoamento bifásico em golfadas. Análises detalhadas dos resultados mostraram que as variáveis relacionadas à fase gasosa são estimadas com maior acurácia que as variáveis relacionadas à fase líquida. Como aplicação imediata do modelo obtido, apresenta-se sua utilização como uma ferramenta de cálculo das condições iniciais para um modelo matemático fenomenológico de escoamento bifásico em golfadas com leve mudança de inclinação baseado no método de seguimento de pistões. O diferencial do presente trabalho está na predição da característica intermitente do escoamento bifásico líquido-gás em golfadas a partir do modelo neural, além da estimação de parâmetros médios para as variáveis de interesse com taxas de incerteza variando entre 10% e 16%. / Gas-liquid two-phase flows are present in nature and in different industrial activities. In this type of flow, the liquid and gas phases assume different spatial configurations inside the pipe, called flow patterns. Slug flow is one of the most frequent flow patterns in industrial applications, occurring over a wide range of phase velocities according to studies presented by several authors. The mathematical modelling of slug flow comprises from simple steady state models to more complex models for transient regimes. Those models require closure relationships, e.g. empirical correlations and statistical distributions of characteristic flow parameters. In this work, several models based on artificial neural networks are presented as a support to the characterization of the two-phase slug flow parameters that depend on experimentally obtained void fraction time series. The void fraction time series are measured with a pair of wiremesh sensors installed in a test section of an experimental rig in the premises of the NUEM/UTFPR labs and described in Castillo (2015). From the time series of void fraction measurements relevant parameters to the flow under consideration are computed: the length of the elongated gas bubble, the liquid slug length, the translational velocity of the elongated bubble and the standard deviations for those variables. Those measured and calculated variables are used to obtain a set of artificial neural network-based models. After obtaining such models, a simulation study in which those models are used to estimate the parameters that characterize the two-phase slug flows is carried out. Detailed analysis of the results showed that the variables related to the gas phase are estimated with greater accuracy than the ones related to the liquid phase. As an immediate application of the obtained model, its use as a tool to calculate the initial conditions for a phenomenological mathematical model of twophase slug flow with a slight change of inclination based on a slug tracking method is presented. The differential of this study is to predict the intermittent features of the twophase slug flow by means of a neural model, as well as the estimation of average parameters for the variables of interest with uncertainly rates ranging between 10% and 16%.