Made available in DSpace on 2014-06-12T23:13:34Z (GMT). No. of bitstreams: 2 arquivo2662_1.pdf: 1447849 bytes, checksum: 604b883dbc75f5ad0ba96208844b4d66 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / De forma geral, a técnica de Análise de Sensibilidade consiste no estudo do comportamento da razão entre a variação dos resultados de saída e a variação dos parâmetros de entrada relacionados a um sistema físico. Esse estudo realizado no pressurizador de um reator nuclear, que é o componente responsável pelo controle da pressão dentro do vaso, é de fundamental importância na concepção da segurança de qualquer conceito de reator avançado. Sobretudo por sua característica de atuação passiva do pressurizador (não há spray), essa análise torna-se uma etapa indispensável para a segurança e desempenho do projeto do reator IRIS (International Reactor Innovative and Secure). O método direto, através do código MODPRESS, que representa o modelo do pressurizador do IRIS, tem necessitado de grande esforço computacional. Ao contrário desse método, as redes neurais artificiais (RNAs) depois de treinadas, são ferramentas rápidas e precisas. Além disso, estas também podem se utilizar de dados experimentais para seu treinamento e aprendizado. Caso as RNAs se mostrem satisfatórias nesse caso teórico, poderão ser usadas futuramente para mapeamento e previsão do comportamento de diversos fenômenos na operação desta planta. De posse dos resultados obtidos no presente trabalho, conclui-se que as redes neurais artificiais apresentam-se como alternativa ao código MODPRESS, bem como podem ser usadas como ferramenta para calcular o coeficiente de sensibilidade neste cenário

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2015-11-23T13:24:59Z No. of bitstreams: 1 texto completo.pdf: 2029309 bytes, checksum: 5a4630bf0a55c5aa3b51fa40546dd8a0 (MD5) / Made available in DSpace on 2015-11-23T13:24:59Z (GMT). No. of bitstreams: 1 texto completo.pdf: 2029309 bytes, checksum: 5a4630bf0a55c5aa3b51fa40546dd8a0 (MD5) Previous issue date: 2015-03-20 / O crescimento de um povoamento de eucalipto depende de vários fatores, como: genótipo, idade, qualidade do local e tratamentos silviculturais. Em relação à capacidade produtiva, os fatores ambientais mais relevantes são: a disponibilidade de água para as plantas ao longo dos anos, a temperatura e a radiação solar. Os modelos mais utilizados no Brasil, para estimar a produção futura de povoamentos florestais, são aqueles em nível de povoamento, que estimam o crescimento e, ou, a produção, fazendo uso de variáveis, como: idade, área basal e índice de local. Ferramentas utilizando inteligência artificial, como as redes neurais artificiais (RNA), vêm sendo utilizadas no setor florestal, em substituição aos modelos de regressão, apresentando superioridade de precisão das estimativas. Outra abordagem é o emprego de modelos processuais (ecofisiológicos), como o 3PG, que descrevem o crescimento das florestas baseando-se em processos que apresentam relações com os meios físicos e biológicos. O objetivo deste estudo foi aplicar e validar redes neurais artificiais e propor uma nova metodologia para prognose do crescimento e da produção, além de gerar mapas de classes de produtividade aos 6 e 7 anos de idade para todo o Estado de Minas Gerais. Os dados utilizados foram provenientes de parcelas permanentes de inventários florestais contínuos (IFC) conduzidos em povoamentos de eucalipto em diferentes regiões de Minas Gerais, e de informações climáticas obtidas de estações distribuídas pelas áreas de plantio. Foram avaliadas três situações. Na primeira, as redes foram avaliadas com a utilização de dados de inventários, informações do tipo de solo e dados de variáveis climáticas; na segunda situação, foram utilizados apenas os dados de inventário; e na terceira, foram utilizados apenas os dados de variáveis climáticas e as informações do tipo de solo. Esta última situação é importante por tornar possível a prognose em locais sem base de dados de IFC e, ou, sem plantios. Para uma grande e abrangente base de dados, empregar somente inputs contidos na base de dados de IFC ou dados de IFC somados aos dados climáticos, resulta em exatidão e consistência satisfatórias, porém, neste último caso é possível considerar efeitos naturais fora do comportamento padrão e das simulações destes efeitos. O emprego de redes neurais resultou em maior detalhamento da produtividade no Estado de Minas Gerais, quando comparado com mapas de produtividade obtidos empregando modelos processuais. / The development of a eucalyptus stand depends on several factors, such as genotype, age, site quality and silvicultural treatments. The most relevant environmental factors related to yielding capacity are: plant water availability along the years, temperature and solar radiation. The most used models to estimate the future yield of forest stands in Brazil are those measuring stand growth, and/or yield, using variables such as age, basal area, and site index. Artificial intelligence tools, such as the artificial neural networks (ANNs) have been utilized in the forest sector, as a replacement to regression models, presenting superior estimate precision. Another approach is the use of processual (eco-physiological) models, such as the 3PG, which describe the growth of forests based on physical and biological media processes. This study aimed to apply and validate artificial neural networks and propose a new methodology for prognosis of stand growth and yield, as well as generate maps showing yield classes at 6 and 7 years of age for the state of Minas Gerais. The data used in this study were originated from permanent plots of continuous forest inventories (CFI) conducted in eucalyptus stands in different regions of Minas Gerais, and on climatic information obtained from stations located at the planting areas. Three situations were assessed: in the first, the neural networks were evaluated by using the inventory data, soil type and climatic variables data. In the second, only the inventory data were used, and in the third, only the climatic variable and soil type data. The third situation is important for allowing prognosis in places without CFI data base, and, or, without plantations. In the case of a large and comprehensive data base, only CFI database inputs, combined with the climatic data, should be used; however, in this case, it is possible to consider natural effects outside the standard behavior and simulation of these effects. The use of neural networks has resulted in more precise yield details in the State of Minas Gerais, compared with yield maps obtained through processual models.

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2016-12-22T16:08:32Z No. of bitstreams: 1 texto completo.pdf: 1758739 bytes, checksum: 20ddcca0d58047cadae8bf627d01a684 (MD5) / Made available in DSpace on 2016-12-22T16:08:32Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1758739 bytes, checksum: 20ddcca0d58047cadae8bf627d01a684 (MD5) Previous issue date: 2016-07-27 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Restingas são ecossistemas costeiros localizados no domínio da Mata Atlântica que hospedam uma grande diversidade de plantas, incluindo muitas espécies endêmicas. Atualmente, encontram-se altamente ameaçados devido à expansão da infraestrutura de transporte e desenvolvimento imobiliário. Para tomar medidas mitigatórias é necessário desenvolver estudos que permitam compreender o funcionamento deste ecossistema. Como parte deste esforço, o presente trabalho teve como objetivo estudar os componentes do balanço de radiação na restinga de Marambaia –RJ, obtidos a partir de medições em campo, sensoriamento remoto e redes neurais artificias. Os dados de campo foram coletados e avaliados no período de março de 2015 a fevereiro de 2016. Os resultados mostraram que a rede neural para calcular a radiação de onda longa atmosférica, foi mais eficiente que os modelos clássicos (r 2 > 0,83, RMSE < 6 W m -2 , MAE < 5 W m -2 e d > 0,94). No cálculo do balanço de radiação, a rede mostrou melhor desempenho para dias de céu claro (r 2 = 0,90, RMSE = 81,67 W m -2 , MAE = 64,96 W m -2 , d = 0,96) do que para dias de céu nublado (r 2 = 0,74, RMSE = 74,30 W m -2 , MAE = 40,51 W m -2 , e d = 0,83). Os resultados de sensoriamento remoto, mostraram uma subestimação no cálculo dos componentes do balanço de radiação. No entanto, no cálculo do ciclo diurno do balanço de radiação, este apresentou desempenho similar da rede neural artificial para dias de céu claro, r 2 = 0,93, RMSE = 85,81 W m -2 , MAE = 74,50 W m -2 , e d = 0,96. De modo geral, consideram-se ambas as metodologias como alternativas interessantes no esforço de calcular os componentes do balanço de radiação, a partir de um mínimo de variáveis meteorológicas ou para áreas sem nenhuma instrumentação. / Restingas are coastal ecosystems located in the area of Atlantic Forest that host a wide variety of plants, including many endemic species. Currently, they are highly threatened due to expansion of the transport infrastructure and real estate development. To take mitigation measures is necessary to develop studies to understand the functioning of this ecosystem. As part of this effort, this study aimed to study the radiation balance components in the restinga of Marambaia -RJ obtained from field measurements, remote sensing and artificial neural networks. Field data were collect and evaluated from March 2015 to February 2016. The results showed that the neural network to calculate the atmospheric longwave radiation was more efficient than the classical models (r 2 > 0.83, RMSE < 6 Wm- 2 , MAE < 5 Wm-2, and d > 0.94). In calculating the net radiation, the network showed better performance for a clear day (r 2 = 0.90, RMSE = 81.67 Wm- 2 , MAE = 64.96 Wm- 2 , d = 0.96) than for days of cloudy sky (r 2 = 0.74, RMSE = 74.30 Wm- 2 , MAE = 40.51 Wm- 2 , d = 0.83). The results of remote sensing showed an underestimation in the calculation of the components of the radiation balance. However, in calculating the diurnal cycle of net radiation, it showed similar performance of the artificial neural network for a clear day, r2 = 0.93, RMSE = 85.81 Wm- 2 , MAE = 74.50 Wm- 2 , d = 0.96. In general, both methods were consider as interesting alternatives in an effort to calculate the radiation balance components from a minimum of meteorological variables or areas without any instrumentation.

A demanda por energia no mundo moderno é crescente, em particular nos países em desenvolvimento. Dentre as fontes de energia atualmente disponíveis a opção nuclear tem merecido destaque pelas suas qualidades de não afetar o meio ambiente por meio de emissões de gases de efeito estufa e nem demandar grandes áreas. Porém, a sociedade tem requerido melhoria da segurança dos novos reatores e as empresas de energia necessitam maior disponibilidade das centrais. O projeto do IRIS, um reator nuclear integral a água pressurizada, vem atender a esses requisitos. Um sistema de identificação e classificação de transientes ajudaria a melhorar a segurança e a aumentar a disponibilidade do IRIS, melhorando sua competitividade. Como contribuição para o desenvolvimento de um sistema como esse foi desenvolvido e estudado o Sistema de Identificação e Classificação de Transientes SICT com capacidade de monitorar a operação da central e disponibilizar informações sobre seu estado operacional. O SICT foi desenvolvido usando a técnica de redes neuronais, mais especificamente os Mapas Auto-Organizáveis (Self-Organizing Maps - SOM). Para o treinamento do SICT foram usados resultados de simulação do IRIS com o código RELAP5. Para comprovar a metodologia de usar resultados de simulações, cujos valores têm características diferentes daqueles medidos, foi feito uma aplicação do SICT para uma instalação experimental, o Circuito Térmico NO 1 CT1. A partir de experimentos termo-hidráulicos no CT1 e de simulações deste com o RELAP5, pôde-se verificar a validade dessa metodologia. Tem-se disponível para estudos futuros uma nodalização do CT1 validada, uma nodalização do IRIS testada para vários transientes, normais e anormais, e um banco de dados de resultados de simulação do IRIS. Está também disponível, em um CD em anexo a esta tese, os arquivos fontes do aplicativo desenvolvido, SICT, e de alguns programas auxiliares, os dados dos experimentos realizados no CT1 e dados de entrada e resultados de simulações do CT1 com o RELAP5. / The demand for energy in the modern world is growing, particularly in the developing countries. The nuclear option has been deserving prominence for their qualities of not impacting the environment through emissions of greenhouse gases and nor to demand great areas. However society requests improvement in the safety of new reactors and the utilities request larger availability of the power plants. The IRIS project of an integral nuclear pressurized water reactor proposes to fulfill those requirements. A system for identification and classification of transients would help to improve the safety and to increase the availability of the IRIS increasing its competitiveness. In order to contribute to the development of such a system it was developed in this work a System for Identification and Classification of Transients SICT - capable of monitoring the operation of the reactor and of providing information on its operational state. SICT was developed using the technique of neural networks, more specifically the Self-Organizing Maps. Results of IRIS simulations with RELAP5 code were used to train the neural network of SICT. To demonstrate the correctness of the methodology of using simulation results, whose values have characteristics different from the measured ones, it was made a version of SICT for an experimental installation, the Thermal Circuit #1 - CT1. Experiments were run in this test facility and simulations of its operation were done with RELAP5. This CT1 version of SICT was then checked against the simulation and experimental data validating the methodology. As a result of the activities to develop SICT, it is now available for futures studies: the developed application, SICT, a database of experiments in CT1, a validated nodalização of CT1, a database of results of CT1 simulations, a nodalização of the IRIS tested for several normal and abnormal transients and a database with the results of IRIS simulations. Attached to this thesis is a CD with the source files of the application and of some auxiliary programs, the data from the experiments carried out in CT1 and the input data and simulation results of CT1 with RELAP5

Este trabalho descreve o estudo e testes de um sistema capaz de identificar e classificar os transientes, ou estados transitórios, de sistemas termo-hidráulicos, utilizando a técnica de redes neurais artificiais do tipo mapas de características auto-organizáveis, com o objetivo de sua implantação nas novas gerações de reatores nucleares. A técnica desenvolvida neste trabalho consiste no uso de múltiplas redes para fazer a classificação e identificação dos estados transitórios, sendo cada uma especialista em um respectivo transitório do sistema, que competem entre si por meio do erro de quantização, que é uma medida gerada por estas redes neurais. Esta técnica se mostrou eficiente, apresentando características muito promissoras no que diz respeito ao desenvolvimento de novas funcionalidades em futuros projetos. Uma dessas características consiste no potencial de que a rede, além de responder qual estado transitório está em curso, também pode oferecer informações adicionais sobre esse transitório. / This work describes the study and test of a system capable to identify and classify transients in thermo-hydraulic systems, using a neural network technique of the self-organizing maps (SOM) type, with the objective of implanting it on the new generations of nuclear reactors. The technique developed in this work consists on the use of multiple networks to do the classification and identification of the transient states, being each network a specialist at one respective transient of the system, that compete with each other using the quantization error, that is a measure given by this type of neural network. This technique showed very promising characteristics that allow the development of new functionalities in future projects. One of these characteristics consists on the potential of each network, besides responding what transient is in course, could give additional information about that transient.

Submitted by Kamila Costa (kamilavasconceloscosta@gmail.com) on 2015-06-15T21:53:52Z No. of bitstreams: 1 Dissertação-Larissa M de Almeida.pdf: 5516102 bytes, checksum: e49d2bccd21168f811140c6accd54e8f (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-06-16T15:05:39Z (GMT) No. of bitstreams: 1 Dissertação-Larissa M de Almeida.pdf: 5516102 bytes, checksum: e49d2bccd21168f811140c6accd54e8f (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-06-16T15:07:25Z (GMT) No. of bitstreams: 1 Dissertação-Larissa M de Almeida.pdf: 5516102 bytes, checksum: e49d2bccd21168f811140c6accd54e8f (MD5) / Made available in DSpace on 2015-06-16T15:07:25Z (GMT). No. of bitstreams: 1 Dissertação-Larissa M de Almeida.pdf: 5516102 bytes, checksum: e49d2bccd21168f811140c6accd54e8f (MD5) Previous issue date: 2015-04-17 / Não Informada / About half the world's population lives in malaria risk areas. Moreover, given the globalization of travel, these diseases that were once considered exotic and mostly tropical are increasingly found in hospital emergency rooms around the world. And often when it comes to experience in tropical diseases, expert opinion most of the time is not available or not accessible in a timely manner. The task of an accurate and efficient diagnosis of malaria, essential in medical practice, can become complex. And the complexity of this process increases as patients have non-specific symptoms with a large amount of data and inaccurate information involved. In this approach, Uzoka and colleagues (2011a), from clinical information of 30 Nigerian patients with confirmed malaria, used the Analytic Hierarchy Process method (AHP) and Fuzzy methodology to conduct the evaluation of the severity of malaria. The results obtained were compared with the diagnosis of medical experts. This paper develops a new methodology to evaluate the severity of malaria and compare with the techniques used by Uzoka and colleagues (2011a). For this purpose the data set used is the same of that study. The technique used is the Artificial Neural Networks (ANN). Are evaluated three architectures with different numbers of neurons in the hidden layer, two training methodologies (leave-one-out and 10-fold cross-validation) and three stopping criteria, namely: the root mean square error, early stop and regularization. In the first phase, we use the full database. Subsequently, the feature extraction methods are used: in the second stage, the Principal Component Analysis (PCA) and in the third stage, the Linear Discriminant Analysis (LDA). The best result obtained in the three phases, it was with the full database, using the criterion of regularization associated with the leave-one-out method, of 83.3%. And the best result obtained in (Uzoka, Osuji and Obot, 2011) was with the fuzzy network which revealed 80% accuracy / Cerca de metade da população mundial vive em áreas de risco da malária. Além disso, dada a globalização das viagens, essas doenças que antes eram consideradas exóticas e principalmente tropicais são cada vez mais encontradas em salas de emergência de hospitais no mundo todo. E frequentemente quando se trata de experiência em doenças tropicais, a opinião de especialistas na maioria das vezes está indisponível ou não acessível em tempo hábil. A tarefa de chegar a um diagnóstico da malária preciso e eficaz, fundamental na prática médica, pode tornar-se complexa. E a complexidade desse processo aumenta à medida que os pacientes apresentam sintomas não específicos com uma grande quantidade de dados e informação imprecisa envolvida. Nesse sentido, Uzoka e colaboradores (2011a), a partir de informações clínicas de 30 pacientes nigerianos com diagnóstico confirmado de malária, utilizaram a metodologia Analytic Hierarchy Process (AHP) e metodologia Fuzzy para realizar a avaliação da gravidade da malária. Os resultados obtidos foram comparados com o diagnóstico de médicos especialistas. Esta dissertação desenvolve uma nova metodologia para avaliação da gravidade da malária e a compara com as técnicas utilizadas por Uzoka e colaboradores (2011a). Para tal o conjunto de dados utilizados é o mesmo do referido estudo. A técnica utilizada é a de Redes Neurais Artificiais (RNA). São avaliadas três arquiteturas com diferentes números de neurônios na camada escondida, duas metodologias de treinamento (leave-one-out e 10-fold cross-validation) e três critérios de parada, a saber: o erro médio quadrático, parada antecipada e regularização. Na primeira fase, é utilizado o banco de dados completo. Posteriormente, são utilizados os métodos de extração de características: na segunda fase, a Análise dos Componentes Principais (do inglês, Principal Component Analysis - PCA) e na terceira fase, a Análise Discriminante Linear (do inglês, Linear Discriminant Analysis – LDA). O melhor resultado obtido nas três fases, foi com o banco de dados completo, utilizando o critério de regularização, associado ao leave-one-out, de 83.3%. Já o melhor resultado obtido em (Uzoka, Osuji e Obot, 2011) foi com a rede fuzzy onde obteve 80% de acurácia.

Este trabalho descreve o estudo e testes de um sistema capaz de identificar e classificar os transientes, ou estados transitórios, de sistemas termo-hidráulicos, utilizando a técnica de redes neurais artificiais do tipo mapas de características auto-organizáveis, com o objetivo de sua implantação nas novas gerações de reatores nucleares. A técnica desenvolvida neste trabalho consiste no uso de múltiplas redes para fazer a classificação e identificação dos estados transitórios, sendo cada uma especialista em um respectivo transitório do sistema, que competem entre si por meio do erro de quantização, que é uma medida gerada por estas redes neurais. Esta técnica se mostrou eficiente, apresentando características muito promissoras no que diz respeito ao desenvolvimento de novas funcionalidades em futuros projetos. Uma dessas características consiste no potencial de que a rede, além de responder qual estado transitório está em curso, também pode oferecer informações adicionais sobre esse transitório. / This work describes the study and test of a system capable to identify and classify transients in thermo-hydraulic systems, using a neural network technique of the self-organizing maps (SOM) type, with the objective of implanting it on the new generations of nuclear reactors. The technique developed in this work consists on the use of multiple networks to do the classification and identification of the transient states, being each network a specialist at one respective transient of the system, that compete with each other using the quantization error, that is a measure given by this type of neural network. This technique showed very promising characteristics that allow the development of new functionalities in future projects. One of these characteristics consists on the potential of each network, besides responding what transient is in course, could give additional information about that transient.

Submitted by Lucienne Costa (lucienneferreira@ufcg.edu.br) on 2018-04-25T18:49:44Z No. of bitstreams: 1 GIRLENE LIMA RIBEIRO – DISSERTAÇÃO (PPGEE) 2017.pdf: 3769966 bytes, checksum: 1e2c04beeac23084837591c1bfec0869 (MD5) / Made available in DSpace on 2018-04-25T18:49:44Z (GMT). No. of bitstreams: 1 GIRLENE LIMA RIBEIRO – DISSERTAÇÃO (PPGEE) 2017.pdf: 3769966 bytes, checksum: 1e2c04beeac23084837591c1bfec0869 (MD5) Previous issue date: 2017-03-31 / CNPq / Nesta pesquisa é desenvolvida uma metodologia para aprimoramento da classificação de isoladores poliméricos por medições termográficas e radiação UV utilizando o Processamento Digital de Imagens (PDI) e Redes Neurais Artificiais (RNAs). A metodologia é baseada na análise da ocorrência de descargas corona e nas variações de temperatura ao longo do isolador a fim de classificá-los quanto seu estado de degradação. Cada isolador utilizado foi submetido à tensão de 133 kV fase-terra durante um período de 30 minutos, com o objetivo de ocasionar aquecimento e evidenciar descargas corona nos isoladores. As medições foram realizadas utilizando um detector de corona para medição de UV e os dados de temperatura foram adquiridos utilizando-se um termovisor. As imagens adquiridas pelos instrumentos de monitoramento, durante os ensaios, foram submetidas a um processamento digital de imagem, para extrair informações de densidade de pixels, persistência das descargas e distâncias relativas das áreas de descargas ao isolador. A partir de informações obtidas de imagens de infravermelho (temperatura) foi aplicada a estatística descritiva e o teste discriminante de Fisher, para apresentar ao sistema de classificação, parâmetros objetivos e com alto nível de separabilidade. O sistema de classificação utilizou RNA para determinar o estado de degradação dos isoladores. A classificação foi realizada de forma individual e combinada, com vetores formados pelos atributos UV e infravermelho. O sistema desenvolvido permitiu o auxílio à tomada de decisões quanto à necessidade de intervenção ou não aos isoladores. A classificação dos isoladores, de forma individual, obteve acurácia média para temperatura de 80,00% e UV 74,05%. A classificação dos isoladores, de forma combinada (UV e infravermelho), obteve acurácia média de 92,58%, evidenciando o aprimoramento na classificação. / This research presents a methodology for the improvement of the classification of polymeric insulators by using thermographic measurements and UV radiation in combination with Digital Image Processing (DIP) and Artificial Neural Networks (ANNs). The methodology is based on the analysis of the occurrence of corona discharges and temperature variations along the insulator in order to classify their stage of degradation. Each insulator was subjected to the 133 kV phase-to-ground voltage over a period of 30 minutes, in order to cause heating and corona discharges in the insulators. The experiments were performed using a corona detector for UV measurement and the temperature data were acquired using a thermal imager. The images acquired by the monitoring instruments during the tests were subjected to digital image processing to extract information of pixel density, persistence of discharges and relative distances from the discharge areas to the insulator. From information obtained through infrared (temperature) images descriptive statistics and Fisher's discriminant test were applied to present objective parameters with high level of separability to the classification system. The classification system used ANN to determine the insulators degradation state. The classification was performed in individual and in combination ways, with vectors formed by UV and infrared attributes. The developed system helped on the decision making, concerning to the necessity of intervention or not to the insulators. The classification of the insulators, in an individual way, obtained accuracy for temperature of 80.00% and UV 74.05%. The classification of the isolators, combined (UV and infrared), obtained an average accuracy of 92.58%, evidencing the improvement in the classification.

A demanda por energia no mundo moderno é crescente, em particular nos países em desenvolvimento. Dentre as fontes de energia atualmente disponíveis a opção nuclear tem merecido destaque pelas suas qualidades de não afetar o meio ambiente por meio de emissões de gases de efeito estufa e nem demandar grandes áreas. Porém, a sociedade tem requerido melhoria da segurança dos novos reatores e as empresas de energia necessitam maior disponibilidade das centrais. O projeto do IRIS, um reator nuclear integral a água pressurizada, vem atender a esses requisitos. Um sistema de identificação e classificação de transientes ajudaria a melhorar a segurança e a aumentar a disponibilidade do IRIS, melhorando sua competitividade. Como contribuição para o desenvolvimento de um sistema como esse foi desenvolvido e estudado o Sistema de Identificação e Classificação de Transientes SICT com capacidade de monitorar a operação da central e disponibilizar informações sobre seu estado operacional. O SICT foi desenvolvido usando a técnica de redes neuronais, mais especificamente os Mapas Auto-Organizáveis (Self-Organizing Maps - SOM). Para o treinamento do SICT foram usados resultados de simulação do IRIS com o código RELAP5. Para comprovar a metodologia de usar resultados de simulações, cujos valores têm características diferentes daqueles medidos, foi feito uma aplicação do SICT para uma instalação experimental, o Circuito Térmico NO 1 CT1. A partir de experimentos termo-hidráulicos no CT1 e de simulações deste com o RELAP5, pôde-se verificar a validade dessa metodologia. Tem-se disponível para estudos futuros uma nodalização do CT1 validada, uma nodalização do IRIS testada para vários transientes, normais e anormais, e um banco de dados de resultados de simulação do IRIS. Está também disponível, em um CD em anexo a esta tese, os arquivos fontes do aplicativo desenvolvido, SICT, e de alguns programas auxiliares, os dados dos experimentos realizados no CT1 e dados de entrada e resultados de simulações do CT1 com o RELAP5. / The demand for energy in the modern world is growing, particularly in the developing countries. The nuclear option has been deserving prominence for their qualities of not impacting the environment through emissions of greenhouse gases and nor to demand great areas. However society requests improvement in the safety of new reactors and the utilities request larger availability of the power plants. The IRIS project of an integral nuclear pressurized water reactor proposes to fulfill those requirements. A system for identification and classification of transients would help to improve the safety and to increase the availability of the IRIS increasing its competitiveness. In order to contribute to the development of such a system it was developed in this work a System for Identification and Classification of Transients SICT - capable of monitoring the operation of the reactor and of providing information on its operational state. SICT was developed using the technique of neural networks, more specifically the Self-Organizing Maps. Results of IRIS simulations with RELAP5 code were used to train the neural network of SICT. To demonstrate the correctness of the methodology of using simulation results, whose values have characteristics different from the measured ones, it was made a version of SICT for an experimental installation, the Thermal Circuit #1 - CT1. Experiments were run in this test facility and simulations of its operation were done with RELAP5. This CT1 version of SICT was then checked against the simulation and experimental data validating the methodology. As a result of the activities to develop SICT, it is now available for futures studies: the developed application, SICT, a database of experiments in CT1, a validated nodalização of CT1, a database of results of CT1 simulations, a nodalização of the IRIS tested for several normal and abnormal transients and a database with the results of IRIS simulations. Attached to this thesis is a CD with the source files of the application and of some auxiliary programs, the data from the experiments carried out in CT1 and the input data and simulation results of CT1 with RELAP5

[pt] O presente trabalho apresenta o desenvolvimento de um modelo neural para a inferência da qualidade do polietileno de baixa densidade (PEBD) a partir dos valores das variáveis de processo do sistema reacional. Para tal, fez- se uso de dados operacionais de uma empresa petroquímica, cujo pré-processamento incluiu a seleção de variáveis, limpeza e normalização dos dados selecionados e preparação dos padrões. A capacidade de inferência do modelo neural desenvolvido neste estudo foi comparada com a de dois modelos fenomenológicos existentes. Para tal, utilizou-se como medida de desempenho o valor do erro médio absoluto percentual dos modelos, tendo como referência valores experimentais do índice de fluidez. Neste contexto, o modelo neural apresentou-se como uma eficiente ferramenta de modelagem da qualidade do sistema reacional de produção do PEBD. / [en] This work comprises the development of a neural network- based model for quality inference of low density polyethylene (LDPE). Plant data corresponding to the process variables of a petrochemical company`s LDPE reactor were used for model development. The data were preprocessed in the following manner: first, the most relevant process variables were selected, then data were conditioned and normalized. The neural network- based model was able to accurately predict the value of the polymer melt index as a function of the process variables. This model`s performance was compared with that of two mechanistic models developed from first principles. The comparison was made through the models` mean absolute percentage error, which was calculated with respect to experimental values of the melt index. The results obtained confirm the neural network model`s ability to infer values of quality-related measurements of the LDPE reactor.