Orientadores : Fernando Gomide, Rosangela Ballini / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-03T22:20:23Z (GMT). No. of bitstreams: 1 LunaHuamani_IvetteRaymunda_M.pdf: 990940 bytes, checksum: 8ef170d41279a1e177af8a10947c6d0e (MD5) Previous issue date: 2003 / Resumo: Este trabalho apresenta um estudo comparativo entre redes neurof uzzy hibridas, redes neurais e sistemas fuzzy, aplicados a problemas de identificação e controle de sistemas dinamicos nao lineares. Devido a necessidade de representação temporal e de elementos de memoria, para a resolução dos problemas tratados, duas estruturas de redes neuro fuzzy recorrentes sao propostas, a partir de uma rede neuro fuzzy estatica. As relações temporais sao induzidas por realimentação local e global internas nas redes neurofuzzy recorrentes. Para a aprendizagem das redes neurofuzzy propoe-se um algoritmo baseado no m'etodo do gradiente e no m'etodo de treinamento por reforço associativo. Resultados de simulação mostram que as redes neurofuzzy propostas proporcionam uma alternativa efetiva para modelar e controlar sistemas dinamicos nao lineares / Abstract: This work compares the performance of neural fuzzy, neural network and fuzzy systems, to model and control non-linear dynamical systems. Due to the need of temporal representations, two recurrent neural fuzzy networks are proposed based on an hybrid static neural fuzzy architecture. Temporal processing is induced by local and global recurrence in the hidden layer neurons. A learning method based on gradient search and associative reinforcement learning is proposed. Computational experiments suggest that recurrent neural fuzzy networks provide an effective alternative to model and control non-linear dynamical systems / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientadores : Ana Maria Frattini Fileti, Andre Pitasse da Cunha / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-03T22:11:37Z (GMT). No. of bitstreams: 1 Pacianotto_TatianaAparecida_M.pdf: 3017381 bytes, checksum: 6635c29a407fd5a666599633333bed56 (MD5) Previous issue date: 2003 / Resumo: O presente trabalho apresenta a aplicação de redes neurais artificiais ao processo de produção de aço líquido com o objetivo de elaborar dois modelos: rede direta, para predição de temperatura e porcentagem de carbono ao final do processo, e rede inversa, para ajuste operacional das quantidades de oxigênio para o término do sopro e de minério de ferro a ser adicionado no período final da batelada. Neste processo, o metal a 1400°C é convertido ao aço a aproximadamente 1650°C pela oxidação exotérmica de carbono, manganês, fósforo, silício e enxofre dissolvidos no ferro. Oxigênio é soprado no conversor LD usado na etapa de refino do aço através de uma lança e nenhuma fonte de calor externa é requeri da. Este processo é transiente, altamente complexo e sofre freqüentes oscilações na composição da matéria-prima. No processo de refino da Cia. Siderúrgica Nacional (CSN-Volta Redonda/RJ), as quantidades das matérias-primas e de oxigênio para iniciar o sopro em um conversor LD são definidas através de um modelo estático, em que os cálculos são realizados com informações prévias ao início da batelada. Em um ponto pré-determinado do sopro de oxigênio, medidas de temperatura e de porcentagem de carbono são obtidas usando uma sub-lança. O tempo entre o ponto de amostragem e o final do processo é conhecido como o período de final de sopro. Durante este período, um modelo convencional é usado para predizer quanto de oxigênio e de minério de ferro deverá ser adicionado a fim de obter a porcentagem de carbono e a temperatura do aço desejadas no final do sopro. Este último modelo é chamado de modelo dinâmico por ser alimentado com informações obtidas durante o processo e por determinar ações corretivas. O modelo neural direto proposto neste trabalho é composto das seguintes variáveis de entrada: a temperatura e o percentual de carbono medidos através da sub-lança, as quantidades de minério de ferro e de oxigênio determinadas pelo modelo convencional vigente e, opcionalmente, as quantidades de ferro-gusa, sucata e escória alimentadas. As variáveis de saída são as mesmas do modelo dinâmico comercial utilizado atualmente na CSN: a porcentagem de carbono e a temperatura do aço no período de final de sopro. Para a simulação do modelo dinâmico direto foram consideradas 5030 bateladas (filtradas de 15.000 bateladas) para treinamento e 200 bateladas para testes. Este conjunto de dados equivale à cerca de 4 anos de processamento na aciaria da CSN. As melhores topologias encontradas foram 4x9x2 e 4x3x6x2, que alcançaram um acerto simultâneo das duas variáveis de saída de 76,5%. Cunha (2001) obteve um acerto simultâneo de 73,3% com um modelo dinâmico neural treinado com este mesmo banco de dados. O desempenho atingido pelo modelo convencional da CSN encontra-se em tomo de 66%. Com a adição de variáveis de entrada opcionais um maior acerto simultâneo (77%) foi obtido com a arquitetura 7x4x4x2. Através de um banco de dados de operações mais recentes, o melhor acerto simultâneo foi obtido com a topologia 7x5x3x2, a qual foi mantida para a estrutura da rede inversa. Nesta estrutura, as variáveis de saída passam a ser as quantidades manipuláveis de oxigênio e minério de ferro para o final do sopro. A temperatura e a porcentagem de carbono desejadas ao final da batelada passam a compor o vetor de entrada juntamente com as demais variáveis citadas anteriormente. Testes industriais foram realizados com a rede inversa 7x5x3x2 treinada. As medições de temperatura e de porcentagem de carbono ao final de 40 bateladas mostraram que em 82,5% destas bateladas as ações corretivas, indicadas pela rede inversa e implementadas pelo operador, conduziam o processo às especificações desejadas de temperatura e porcentagem de carbono simultaneamente. A especificação de temperatura é atingida em 97,5% das bateladas. Observou-se ainda que a especificação de porcentagem de carbono é mais facilmente alcançada (90,6%) quando situa-se próxima a 0,04% de carbono. Conclui-se, portanto, que os modelos neurais desenvolvidos apresentaram desempenho de predição superior ao modelo dinâmico convencional utilizado atualmente pela CSN e que a rede inversa está apta a fornecer informações corretivas para o ajuste operacional deste processo / Abstract: The present work describes the application of neural networks in the basic oxygen steelmaking process. Two neural models were developed: the prediction model and the inverse model. The first one aims to predict end-blow temperature and carbon percentage. The inverse model was built to provide end-blow corrective actions in oxygen and iron ore additions. In this process, hot metal at about 1400°C is converted to steel at 1650°C by exothermic oxidation of metalloids dissolved in the iron. Oxygen is blown into the LD converter through a lance and no external heat source is required. This process is transient, highly complex and is subject to oscillations in raw material composition. In the refining process of the Cia. Siderúrgica Nacional (CSN-Volta Redonda/RJ), raw material proportions and the oxygen flow rate required to start blowing in the LD converter are defined through a conventional static model (calculations are performed based on feed informations). At a pre-determined point in the blow, temperature and carbon percentage are measured using the sub-lance. The time between the sample point and the end of the process is known as the end-blow period. During this period, a conventional model is used to predict how much oxygen to blow and how much coolant to add in order to achieve the desired end-point temperature and carbon content in liquid steel. This model is called dynamic model since process measurements are employed in its calculations and it determines corrective actions. The end-blow neural model proposed in the present work is composed of the following input variables: carbon (sub-lance), temperature (sub-lance), coolant (iron ore) and oxygen. Informations on amount of cast iron, scrap iron and slag can be optionally inputted. The output variables are end-blow carbon percentage and end-blow temperature. CSN's historical databases (4 years) were used in training procedures. Approximately 15000 records were collected. Records containing spurious data were filtered out and the new database with 5230 vectors were split in two sets, one for training and other for testing. The best architectures obtained were 4x9x2 and 4x3x6x2, that present 76,5% of simultaneous agreement in temperature and carbon percentage. Cunha's neural model (CUNHA, 2001) achieved 73,3% of simultaneous agreements in temperature and carbon outputs against 66% obtained with the conventional dynamic model. Adding the optional variables to the input vector, a hitting-rate (simultaneous agreement) of 77% was achieved through the 7x4x4x2 architecture. A recent data-base was also employed in training procedures. The architecture 7x5x3x2 presented the best result and it was chosen to be the architecture of the inverse model. In this case, the output variables are the oxygen volume and the amount of iron ore to be added in the end-blow period. Set-points of temperature and carbon percentage at the end of the run are joined to the other input variables. The inverse neural model 7x5x3x2 was employed in the industrial investigation. Temperature and carbon percentage measurements at the and of 40 industrial runs presented a 82,5% hitting-rate. It could be observed that temperature set-point was achieved in 97,5% of the cases. Carbon percentage set-point around 0,04% was easily achieved: 90,5% of the cases. 1n conclusion, the performance of the end-blow model predictions has increased substantially and the inverse neural model may be employed to predict oxygen and coolant flow rates without the requirement of a steelmaking expert / Mestrado / Sistemas de Processos Quimicos e Informatica / Mestre em Engenharia Química

Orientador: Yuji Takahata / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituo de Quimica / Made available in DSpace on 2018-07-24T10:20:36Z (GMT). No. of bitstreams: 1 Borges_EdilsonGrunheidt_M.pdf: 1018839 bytes, checksum: cc50ebeae03a9bc57b490bd2edc45662 (MD5) Previous issue date: 1998 / Mestrado

Orientador: Marcio Luiz de Andrade Netto / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-24T05:39:47Z (GMT). No. of bitstreams: 1 Graciarena_Martin_M.pdf: 12012337 bytes, checksum: f8b1660fd6fbf146c9c94eb63f38e664 (MD5) Previous issue date: 1998 / Resumo: No presente trabalho é proposta a incorporação de um mecanismo adaptativo, o fIltro de Kalman, ao modelo tradicional de neurônio dando por resultado um modelo que chamamos Neurônio de Reconhecimento Adaptativo, especificamente destinado ao reconhecimento ruidoso de padrões. O objetivo do modelo é a classificação da estimação do padrão limpo realizado pelo filtro de Kalman, a partir de suas observações ruidosas. Se estende naturalmente o modelo proposto a uma rede de neurônios que chamamos Rede Neural de Reconhecimento Adaptativo. Estudaremos também desde o ponto de vista teórico suas propriedades e o aplicaremos à classificação de padrões ruidosos e de séries temporais no problema XOR. As experiências foram feitas com o objetivo de estudar a robustez do mecanismo proposto frente ao problema de desemparelhamento de condição. Este pode resumir-se como os problemas que surgem com os sistemas de reconhecimento quando têm que reconhecer padrões em condições diferentes às presentes nos padrões de treinamento. Em todos os problemas de reconhecimento estudados, o treinamento das redes neurais é feito com exemplos não ruidosos. A proposta que se apresentará está incluída dentro dos classificadores robustos. Isto é, propõe mecanismos para que o classificador seja robusto à distorção ruidosa dos padrões. Isto em contraposição à estratégia clássica de filtrar o ruído na etapa das características (chamadas características invariantes) e evitar que passem ao classificador. Mas o grande problema desta aproximação é que o classificador não é robusto ao ruído, portanto, em níveis de distorção onde as características não possam filtrar todo o ruído, existirá um erro no classificador. Aplicaremos o modelo proposto para a classificação de fonemas ruidosos. Para tal fim a proposta é utilizar três diferentes arquiteturas. Estas diferem entre si na forma de extração do padrão de características do sinal de voz. A primeira implica em análise através de um banco de fIltros digitais onde os fIltros de Kalman estimam os valores médios da energia de saída de cada filtro.A segunda implica no uso de um modelo de predição linear extraído pelo filtro de Kalman diretamente do sinal de voz, onde os padrões a serem reconhecidos são os coeficientes de predição linear. A terceira é uma melhora sobre a anterior, onde se classifica o ângulo dos coeficientes de predição linear. Para esta última arquitetura apresentamos o fundamento teórico de onde foi extraída. Junto com a proposta de dois índices de reconhecimento especificamente destinados a aplicações de voz, as arquiteturas propostas são primeiro comparadas no reconhecimento ruidoso de vogais espanholas afetadas por ruído branco gaussiano em diversas relações sinal - ruído e também no reconhecimento ruidoso de palavras, junto com os modelos Hidden Markov Models (HMM). A partir dos resultados encontrados no reconhecimento de palavras com a melhor arquitetura, foi proposta uma Rede Invariante. Esta tem a propriedade de ser robusta à compressão e dilatação dos padrões, que é a alteração sofrida pelos coeficientes de predição linear na presença do ruído. Esta é a rede que, juntamente com os coeficientes de predição linear foi a que melhor desempenho teve no reconhecimento ruidoso de palavras / Mestrado / Mestre em Engenharia Elétrica

Orientadores: Marcio Luiz de Andrade Netto, Armando Freitas de Rocha / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-18T19:59:28Z (GMT). No. of bitstreams: 1 Silva_MyriamRegattieriDeBiasida_M.pdf: 5682991 bytes, checksum: 50fb893bb784a410563523f1ce96f602 (MD5) Previous issue date: 1993 / Resumo: Este trabalho propõe um método de compressão-descompressão de dados aplicado a curvas no espaço 2D. Novas técnicas como Redes Neurais e Lógica Nebulosa são usadas para comprimir e descomprimir os pontos de uma curva plana. No processo de compressão, estruturas de redes neurais são desenvolvidas para operarem conjuntos de pontos seqüenciais (x,y). O objetivo é extrair o mínimo de dados possíveis de modo a permitir a recuperação da curva original. Um método de interpolação baseado em regras nebulosas é proposto, introduzindo-se modificações no algoritmo original apresentado por Uchino et aI.. Este algoritmo é utilizado para recuperar a informação, sempre que necessário. O algoritmo original (INL) - Interpolação Nebulosa Linear - funciona somente quando os pares de entrada saída (x,y) representam funções. O algoritmo proposto (INNL) - Interpolação Nebulosa Não Linear - introduz não linearidades no cálculo das funções de pertinência associadas às regras nebulosas, visando à obtenção de curvas interpoladas mais suaves. Uma outra modificação é introduzida no sentido de se generalizar a aplicação do método a curvas genéricas (curvas fechadas e não funções) / Abstract: This work proposes a method for compression-restoring data applied to bi-dimensional curves. New techniques as Neural Networks and Fuzzy Logic are used on compressing and restoring the points of the curve. On data compression, neural-like structures are developed to operate on a set of sequential points (x,y) in order to extract the minimal amount of data that can still accurately represent the entire original set. A method of interpolation based on fuzzy rules is proposed introducing modifications on the original algorithm presented by Uchino et al., to regenerate the whole original set of data whenever necessary. The original algorithm based on linear fuzzy rules works only when the input-output relation (x,y) represent a function. The modified algorithm (INNL) makes use of non linear fuzzy rules introducing the nonlinearities to calculate the membership functions associated to the rules, whose purpose is to obtain smoother interpolated curves. Another modification is introduced to generalize the algorithm to any kind of curve (closed and non-fullctions) / Mestrado / Mestre em Engenharia Elétrica

Orientador: Heloisa Vieira da Rocha / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Ciencia da Computação / Made available in DSpace on 2018-07-19T14:51:10Z (GMT). No. of bitstreams: 1 Barbieri_Heitor_M.pdf: 3338070 bytes, checksum: 7e01fc370d8436edb4d799783be57ff8 (MD5) Previous issue date: 1994 / Resumo: Rede Neural Artificial (RNA) é um modelo que tenta emular uma Rede Neural Biológica. A área de RNA tem se mostrado bastante promissora, o que pode ser comprovado pela quantidade de trabalhos publicados e de eventos científicos. Mas para que as RNAs atinjam o escopo de aplicações desejado, muitas de suas limitações atuais terão que ser superadas. Ainda não é claro e bem estabelecido o funcionamento das RNAs, não existem metodologias boas e completas para a utilização das mesmas em aplicações, isto é, metodologias que diante de um problema específico a ser resolvido, indiquem qual a topologia de rede, o algoritmo de aprendizagem e a amostragem de informações adequadas ao funcionamento desejado. Em não se tendo uma metodologia que indique a combinação ótima dos elementos de uma RNA para uma determinada aplicação, resta aos usuários a opção de partir de uma base teórica e, utilizando-se de métodos empíricos, ir formando regras individuais de como conseguir as melhores combinações dos elementos formadores da rede. Esta técnica, porém, apresenta muitas dificuldades em sua realização devido à grande quantidade de variáveis que precisam ser avaliadas durante todo o processo de desenvolvimento da rede. O presente trabalho busca facilitar o entendimento do funcionamento das RNAs através da familiarização do usuário com os seus elementos formadores. Foi desenvolvido um simulador de RNAs, denominado Sirena, que através de sua interface gráfica procura minimizar a dificuldade de entendimento dos processos de baixo nível realizados pelas RNAs. Durante o processo de simulação pode-se ter acesso a diversas representações, tanto qualitativas quanto quantitativas, que visam refletir as alterações que ocorrem na rede rias fases de aprendizagem e inferência. / Abstract: Artificial Neural Net (ANN) is a model that emulates a Biological Neural Net. The ANN field has showed very promising which can be verified by the number of published papers and scientific events. In spite, to reach the desired ANN applications scope, many of ANN current limitations have to be overcome since it is not yet and well established the ANN functioning . There is no good and complete methodologies for construct ANN applications, i.e., for a specific problem to be solved, no methodology indicates what the net topology is, the learning algorithm and the sample of information suitable to the desired performance. If there is no methodology that indicates the better combination of the ANN elements to a specific application, the users have the option to start from a theoretical base and, by using empirical methods, begin constructing personal rules that indicates. the better combination of neural elements. The execution of this technique is difficulty because the number of variables that need to be evaluated during the net development process The focus of this work is facilitate the understanding of the ANN functioning through the user familiarization with its elements. A ANN simulator named Sirena was developed and its graphical interface aim to minimize the understanding difficulties of the low level processes executed by ANNs. During the simulation process one can access to several qualitative and quantitative representations that reflect the net alterations in the learning and inference phases. / Mestrado / Mestre em Ciência da Computação

Orientador: Rodney Carlos Bassanezi / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Científica / Made available in DSpace on 2018-07-19T20:32:45Z (GMT). No. of bitstreams: 1 Blinder_PauloBernardo_M.pdf: 3862568 bytes, checksum: 62af5bd0c403d3aea4069935a7e9aa90 (MD5) Previous issue date: 1994 / Resumo: Não informado / Abstract: Not informed / Mestrado / Analise Aplicada / Mestre em Matemática Aplicada

Orientador: Carlos Roberto Minussi / Banca: Julio Cesar Stacchini de Souza / Banca: Haroldo Rodrigues de Azevedo / Banca: Dilson Amancio Alves / Banca: Percival Bueno de Araujo / Resumo: 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... (Resumo completo, clicar acesso eletrônico abaixo). / Abstract: 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). / Doutor

Orientador: Santiago del Rio Oliveira / Banca: Delson Luiz Modolo / Banca: Elson Avallone / Banca: Paulo Cesar Moralli / Banca: Ismael de Marchi Neto / Resumo: Neste trabalho é realizada uma análise exergética de uma caldeira de biomassa baseada nas redes neurais artificiais. A caldeira de biomassa em análise fornece vapor a companhia Iguaçu de café solúvel. A produção da caldeira é de 50.000 kg/h de vapor, sendo sua pressão de trabalho de 21 kgf/cm² (~2060 kPa) e temperatura do vapor de 216,2°C (~489 K). Para tanto, é queimado uma mistura de borra de café (rejeito da produção) e cavaco de eucalipto, sendo que, a proporção de entre os dois combustíveis é cerca de 25%-75%, respectivamente. São realizados balanços de primeira e segunda lei da termodinâmica para cada equipamento da caldeira, bem como, de maneira global. Parâmetros produtivos baseados na segunda lei da termodinâmica são apresentados para completar a análise. Parâmetros importantes no processo de combustão como excesso de oxigênio, umidade da borra de café e umidade do cavaco de eucalipto são incorporados à modelagem. A fim de predizer o comportamento da caldeira (vazão mássica das diversas correntes e temperaturas) para variações dos parâmetros de combustão, são utilizadas as redes neurais artificiais (RNA). Para treinamento das RNA's, são utilizados dados reais de operação fornecidos pela empresa. Com as RNA's treinadas e validadas, são apresentados os comportamentos termodinâmicos de cada equipamento como função da umidade das biomassas (borra de café e cavaco de eucalipto) e do excesso de oxigênio. Espera-se que este trabalho, possa contribuir para um melhor entendim... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In this work an exergetic analysis of a biomass boiler based on artificial neural networks is performed. A biomass boiler under analysis provides steam to the soluble coffee company Iguacu. The production of the boiler is 50,000 kg / h of steam, its working pressure being 21 kgf / cm² (~ 2060 kPa) and steam temperature 216.2 ° C (~ 489 K). To do so, it is a mixture of rubber coffee and eucalyptus chip, with a ratio between the two fuels being about 25% -75%, respectively. The first and second order balances of the law are executed for each boiler equipment, as well as, in the boiler in a global manner. Productive parameters in the second law of thermodynamics are presented to complete an analysis. The main components are not suitable for the combustion of oxygen, coffee moisture and humidity of the eucalyptus chip are incorporated into the modeling. The artificial neural data (RNA). For RNA training, customers are real to the company. The RNAs are trained and validated, they are executed in the thermodynamic exercise of each one of the functions like the function of the biomasses and the excess of oxygen. It is expected that this work will be responsible for a better understanding of the combinations of biomass that operates with the fuel mixture or not, since most of the operations are not radically radical in their operation. / Doutor

Orientador: Gustavo Garcia Manzato / Banca: Antônio Nélson Rodrigues da Silva / Banca: Ilza Machado Kaiser / Resumo: O objetivo deste trabalho foi analisar os impactos da resolução espacial na modelagem da expansão urbana da Região Metropolitana de São Paulo (RMSP) por meio de autômatos celulares (CA, do inglês: Cellular Automata) combinados com redes neurais artificiais. Para tanto, foram utilizados dados do perímetro urbanizado referentes aos períodos de 1881, 1905, 1929, 1949, 1974 e 2005 para a construção de uma série de modelos espaciais. Uma estrutura de células regulares (grid) foi concebida para se representar a área de estudo, cuja resolução espacial se baseou em células de 1.000 por 1.000 metros, 800 por 800 metros e 600 por 600 metros. Os modelos também levaram em consideração a combinação de variáveis representando o estado inicial da célula (urbana ou não urbana), o número de células vizinhas classificadas como urbanas e o número de células vizinhas classificadas como não urbanas. Os resultados mostraram que a variação da resolução espacial não proporcionou impacto significativo no desempenho das modelagens desenvolvidas, visto que os desempenhos obtidos a partir das diferentes estruturas e tamanhos de grid foram bastante similares. Há os destaques para o Grid de 1000 por 1000 metros, baseado no estado e no número de vizinhos urbanos, com 90,09% de acertos global; para o Grid de 800 por 800 metros, baseado no estado, no número de vizinhos urbanos e no número de vizinhos não urbanos, com 90,25% de acertos global; e finalmente, para o Grid de 600 por 600 metros, baseado no estado... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The objective of this work was to analyze the impacts of the spatial resolution related to the urban expansion modeling of the Metropolitan Region of São Paulo (MRSP) by means of Cellular Automata (CA) combined with Artificial Neural Networks. Data regarding the urbanized perimeter in the periods of 1881, 1905, 1929, 1949, 1974 and 2005 were used for the construction of a series of spatial models. A grid of regular cells was conceived to represent the study area, whose spatial resolution was based on cells of 1,000 by 1,000 meters, 800 by 800 meters and 600 by 600 meters. The models also took into account the combination of variables representing the initial state of the cell (urban or non-urban), the number of neighboring cells classified as urban, and the number of neighboring cells classified as non-urban. The results showed that the variation on the spatial resolution did not result in a significant impact on the performance of the developed models, since they were quite similar across the different structures and grid sizes explored. There were some highlights, for example, the Grid of 1000 by 1000 meters, based on the state of the cell and the number of urban neighbors, with 90.09% of global correct predictions; the Grid of 800 by 800 meters, based on the state of the cell, the number of urban neighbors and the number of non-urban neighbors, with 90.25% of global correct predictions; and finally, the Grid of 600 by 600 meters, based on the state of the cell and number o... (Complete abstract click electronic access below) / Mestre