Orientadores: Lucia Valeria Ramos de Arruda e Wagner Caradori do Amaral / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-20T00:12:07Z (GMT). No. of bitstreams: 1 Silva_IvanNunesda_M.pdf: 6624700 bytes, checksum: 47db2158e7cca5cd5b4d34c1794ccc63 (MD5) Previous issue date: 1995 / Resumo: Redes Neurais Artificiais atingem altas taxas de computação através de um número massivo de elementos processadores simples com um alto grau de conectividade entre estes elementos. Redes neurais com conexões realimentadas podem ser utilizadas para resolver problemas de otimização. Nesta dissertação utilizam-se Redes Neurais Artificiais do tipo Hopfield, na solução de problemas de Estimação Paramétrica Robusta com perturbação desconhecida-mas-limitada. A rede de Hopfield discreta é usada no cálculo de regiões de incerteza para os parâmetros do modelo. Qualquer elemento pertencente a estas regiões são considerados um bom estimador dos parâmetros reais do processo. Uma Rede de Hopfield Modificada também é descrita e é utilizada para assegurar maior eficiência e confiabilidade na obtenção de resultados. Análises são realizadas comparando os resultados obtidos pela rede em relação a outras abordagens tradicionais de cálculo de incertezas paramétricas. Os parâmetros internos das Redes para o problema são derivados utilizando uma técnica denominada subespaço-válido de soluções. Estes parâmetros são explicitamente calculados, baseado nas especificações do problema, e devem assegurar a convergência da rede para um ponto de equilíbrio que representa uma solução para o problema de estimação robusta de modelos com perturbações desconhecidas-mas-limitadas / Abstract: Artificial Neural Networks can achieve high computation rates by employing a massive number of simple processing elements with a high degree of connectivity between these elements. Neural networks with feedback connections provide a computing model to solve a rich class of optimization problems. This dissertation presents an application of Hopfield's Neural Networks in Robust Parametric Estimation with unknown-but-bounded disturbance. The Discret Hopfield's Network is used to calculate a parameter uncertainty set for model parameters. Any element in this set can be considered a good estimator for the real parameters. A Modified Hopfield's Network has also been described and it is useful for getting efficient and reliable sets. Comparative analysis with others robust estimation approaches are included. The Valid-Subspace technique is used to obtain the internal parameters of the Hopfield's Neural Network. These parameters are explicitlycomputed, based upon problem specifications, to assure the network convergence. In this case, the equilibrium point represents a solution to robust estimation problem with unknown-but-bounded error / Mestrado / Mestre em Engenharia Elétrica

Orientador: Glauco de Souza Rolim / Resumo: Precipitação, em pequenas escalas de tempo, é um fenômeno associado a altos níveis de incerteza e variabilidade. Dada a sua natureza, técnicas tradicionais de previsão são dispendiosas e exigentes em termos computacionais. Este trabalho apresenta um modelo para prever a ocorrência de chuvas em curtos intervalos de tempo por Redes Neurais Artificiais (RNAs) em períodos acumulados de 3 a 7 dias para cada estação climática, mitigando a necessidade de predizer o seu volume. Com essa premissa pretende-se reduzir a variância, aumentar a tendência dos dados diminuindo a responsabilidade do algoritmo que atua como um filtro para modelos quantitativos, removendo ocorrências subsequentes de valores de zero(ausência) de precipitação, o que influencia e reduz seu desempenho. O modelo foi desenvolvido com séries temporais de 10 regiões agricolamente relevantes no Brasil, esses locais são os que apresentam as séries temporais mais longas disponíveis e são mais deficientes em previsões climáticas precisas, com 60 anos de temperatura média diária do ar e precipitação acumulada. foram utilizados para estimar a evapotranspiração potencial e o balanço hídrico; estas foram as variáveis ​​utilizadas como entrada para as RNAs. A precisão média para todos os períodos acumulados foi de 78% no verão, 71% no inverno 62% na primavera e 56% no outono, foi identificado que o efeito da continentalidade, o efeito da altitude e o volume da precipitação normal , tem um impacto direto na precisão das RNAs. Os... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Precipitation, in short periods of time, is a phenomenon associated with high levels of uncertainty and variability. Given its nature, traditional forecasting techniques are expensive and computationally demanding. This paper presents a model to forecast the occurrence of rainfall in short ranges of time by Artificial Neural Networks(ANNs) in accumulated periods from 3 to 7 days for each climatic season, mitigating the necessity of predicting its amount. With this premise it is intended to reduce the variance, rise the bias of data and lower the responsibility of the model acting as a filter for quantitative models by removing subsequent occurrences of zeros values of rainfall which leads to bias the and reduces its performance. The model were developed with time series from 10 agriculturally relevant regions in Brazil, these places are the ones with the longest available weather time series and and more deficient in accurate climate predictions, it was available 60 years of daily mean air temperature and accumulated precipitation which were used to estimate the potential evapotranspiration and water balance; these were the variables used as inputs for the ANNs models. The mean accuracy of the model for all the accumulated periods were 78% on summer, 71% on winter 62% on spring and 56% on autumn, it was identified that the effect of continentality, the effect of altitude and the volume of normal precipitation, have a direct impact on the accuracy of the ANNs. The models have ... (Complete abstract click electronic access below) / Mestre

Made available in DSpace on 2015-03-05T14:01:20Z (GMT). No. of bitstreams: 0 Previous issue date: 6 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho apresenta uma metodologia para extração de regras a partir de Redes Neurais Artificiais (RNA) treinadas para previsão de carga. As regras extraídas visam descrever o conhecimento adquirido pela rede neural a respeito do comportamento da demanda por energia elétrica. As regras possuem uma estrutura do tipo SE premissa ENTÃO consequência, onde premissa refere-se aos dados de entrada submetidos para a rede neural, e consequência caracteriza uma equação linear responsável por descrever a saída apresentada pela rede em função dos dados de entrada, caso a premissa da regra seja satisfeita. Dessa forma, além da precisão advinda das caracter´ısticas das redes neurais, as mesmas serão capazes de tornar seu conhecimento transparente para o usuário, contribuindo ainda mais para o auxílio das tomadas de decisões táticas e estratégicas das companhias de energia elétrica. / This work presents a methodology for the extraction of rules from Artificial Neural Networks (ANN) trained to forecast the electric load demand. The rules have the ability to express the knowledge regarding the behavior of load demand acquired by the network during training process. The rules are presented to the user in an easy to read format, such as IF premise THEN consequence. Where premise relates to the input data submitted to the network, and consequence appears as a linear equation describing the output to be presented by the network, should the premise part holds true. The rule extraction technique presented here, combined with the predictive abilities of the neural networks, constitutes an important tool for tactical and strategic decision making within the electricity supply companies.

Made available in DSpace on 2015-03-05T14:01:20Z (GMT). No. of bitstreams: 0 Previous issue date: 6 / Nenhuma / Este trabalho insere-se na área de modelagem computacional para problemas de previsão em sistemas de energia elétrica. A sociedade moderna possui uma dependência muito grande da utilização de energia elétrica, uma vez que grande parte da tecnologia atual utiliza de alguma forma este tipo de energia. Este fato justifica plenamente os estudos realizados na área para melhorar ou facilitar o trabalho no que se refere aos sistemas de energia elétrica. Atualmente existem diversos estudos na área que abordam todos os campos de sistema de energia elétrica. Uma importante parte do processo tanto de produção como de transmissão e distribuição de energia elétrica é o planejamento, que entre outros fatores baseia-se fortemente em uma previsão de carga elétrica. Esta previsão deve ser confiável, possuir uma alta acuracidade, pois a partir desta são tomadas decisões importantes nos âmbitos técnico e econômico da empresa de geração, transmissão ou distribuição de energia. O presente trabalho apresenta um sistema computacion / This work is inserted in the forecasting computational modeling for electrical power systems area. The modern society has a great dependency of electrical power, since the current technology uses this type of energy to many ends. This fact justifies the studies in that area to bettering or make easy to work with this type systems. Currently there are many studies in this áreas that broaches all the fields of electrical power. An important part of the process of production, transmission and distribution of electrical energy is the planning, that between others factors is strongly based in a load forecasting. This load forecasting should be reliable, and to have a high accuracy, because since that forecast important decisions are maked in technical and economical ambit of electrical system enterprises. This work presents a computational system for electrical load forecasting, through the using of a new neural model for forecasting approach. With this new model is tried integrate the electrical network informati

Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2015

Dissertação (Mestrado em Engenharia Mecânica) - Centro Universitário da FEI, São Bernardo do Campo, 2016

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

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

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

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