A Barragem de Itaipu é uma obra de engenharia de grande importância. Localizada na fronteira entre o Brasil e o Paraguai no Rio Paraná e com coordenadas geográficas aproximadas 25°24\'29\"S, 54°35\'21\"O, ela fornece energia elétrica a estes dois países e deve ser constantemente monitorada de modo a manter níveis de qualidade e segurança. Mais de dois mil instrumentos foram instalados e fornecem dados contínuos sobre diversas características da fundação e estrutura da barragem, incluindo mais de 650 piezômetros. A avaliação de níveis piezométricos em barragens é importante, pois refletem os valores de subpressão que atuam na estrutura da barragem. A utilização de novos métodos em tais análises pode permitir agilidade na tomada de decisões por parte da equipe de segurança de barragens. Dependendo do método aplicado, uma melhor compreensão do fenômeno no tempo e espaço pode ser obtida. Este estudo aplica Redes Neurais Artificiais (RNA) para simular o comportamento dos piezômetros instalados em uma descontinuidade geológica na fundação da Barragem de Itaipu. Ele considera diferentes tipos de dados de entrada em uma Rede Neural Multicamadas e determina a melhor arquitetura de RNA que mais se aproxima da situação real. / Itaipu Dam is an engineering work of high importance. Located at the border between Brazil and Paraguay in the Paraná River and with approximated geographical coordinates 25°24\'29\"S, 54°35\'21\"W, it provides electrical energy to these two countries and has to be constantly monitored in order to maintain its levels of quality and security. Over two thousand instruments have been installed and they provide continuous data about several characteristics of the dam foundation and structure, including more than 650 piezometers. The evaluation of piezometric levels in dams is important for it reflects the values of the uplift pressure that acts on the structure of the dam. The utilization of new methods in such an analysis can provide agility to decisions-taking by the security team of the dam. Depending on the method applied, a better comprehension of the phenomenon in time and space may be achieved. This study employs Artificial Neural Networks (ANN) to simulate the behavior of the piezometers installed in a geological discontinuity in the foundation of Itaipu Dam. It considers different types of entry data in a Multilayer Neural Network and determines the best ANN architecture that is closest to the real situation.

Submitted by JACQUELINE SANTOS CHAVES null (jac_sc@yahoo.com) on 2016-08-19T20:04:09Z No. of bitstreams: 1 Jacqueline S. Chaves.pdf: 1795331 bytes, checksum: 9c7a177018aa3a98f7cb4a90da94c904 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-08-23T19:46:42Z (GMT) No. of bitstreams: 1 chaves_js_me_ilha.pdf: 1795331 bytes, checksum: 9c7a177018aa3a98f7cb4a90da94c904 (MD5) / Made available in DSpace on 2016-08-23T19:46:42Z (GMT). No. of bitstreams: 1 chaves_js_me_ilha.pdf: 1795331 bytes, checksum: 9c7a177018aa3a98f7cb4a90da94c904 (MD5) Previous issue date: 2016-07-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / As técnicas para o monitoramento de falhas em estruturas têm se tornado cada vez mais importantes principalmente por seus benefícios quanto à maior segurança de vida e por auxiliarem as empresas responsáveis em construir edifícios, pontes e estruturas em geral a diminuírem seus custos com a manutenção das mesmas. Deste modo, a fim de desenvolver uma forma eficiente para a identificação e caracterização de falhas estruturais, esta dissertação tem por objetivo demonstrar uma aplicação de Redes Neurais Artificiais (RNAs) como uma técnica de monitoramento da integridade estrutural (SHM) para tal problema. Através de um modelo matemático de equações diferenciais ordinárias para a representação de uma estrutura predial, será desenvolvida uma RNA ARTMAP Fuzzy por ser uma rede flexível e estável em relação à sua habilidade em se adaptar às mudanças imprevistas do ambiente externo, para identificar tais falhas. / The techniques for failures monitoring in mechanical engineering structures have become increasingly important especially for its benefits as the largest life-security and assist the responsible companies for build buildings, bridges and structures in general to lower their costs to maintenance of them. Thus, in order to develop an efficient way for the identification and characterization of structural failures, this work aims to demonstrate an application of Artificial Neural Networks (ANN) as a monitoring technique of structural health monitoring (SHM) for this problem. Through a dynamic model for the representation of a building structure, Fuzzy ARTMAP ANN will be developed to be a flexible and stable network with respect to its ability to adapt to unexpected changes in the external environment to identify such failures.

Submitted by Larissa Braz Sousa null (lari.braz@yahoo.com.br) on 2016-09-08T20:56:05Z No. of bitstreams: 1 dissertacao_larissa_braz.pdf: 3936683 bytes, checksum: 895d7c19251882d2943a0c96d08839f6 (MD5) / Rejected by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br), reason: Solicitamos que realize uma nova submissão seguindo a orientação abaixo: O arquivo submetido não contém o certificado de aprovação. A versão submetida por você é considerada a versão final da dissertação/tese, portanto não poderá ocorrer qualquer alteração em seu conteúdo após a aprovação. Corrija esta informação e realize uma nova submissão contendo o arquivo correto. Agradecemos a compreensão. on 2016-09-12T21:08:10Z (GMT) / Submitted by Larissa Braz Sousa null (lari.braz@yahoo.com.br) on 2016-09-21T16:51:01Z No. of bitstreams: 1 larissa_braz_sousa.pdf: 3979763 bytes, checksum: f8e3d15b2462c21284cd021911b24914 (MD5) / Rejected by Ana Paula Grisoto (grisotoana@reitoria.unesp.br), reason: Solicitamos que realize uma nova submissão seguindo as orientações abaixo: A data (mês) que consta na capa e folha de rosto do trabalho deve ser a mesma que consta na folha de aprovação. Corrija estas informações e realize uma nova submissão contendo o arquivo correto. Agradecemos a compreensão. on 2016-09-21T19:49:16Z (GMT) / Submitted by Larissa Braz Sousa null (lari.braz@yahoo.com.br) on 2016-09-21T20:17:06Z No. of bitstreams: 1 dissertacao_larissa_braz.pdf: 3979123 bytes, checksum: bf328cbe779463512a8d0d120087bca0 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-09-22T17:59:19Z (GMT) No. of bitstreams: 1 sousa_lb_me_rcla.pdf: 3979123 bytes, checksum: bf328cbe779463512a8d0d120087bca0 (MD5) / Made available in DSpace on 2016-09-22T17:59:19Z (GMT). No. of bitstreams: 1 sousa_lb_me_rcla.pdf: 3979123 bytes, checksum: bf328cbe779463512a8d0d120087bca0 (MD5) Previous issue date: 2016-07-08 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Muitos são os fatores que determinam o estabelecimento e crescimento populacional do Aedes (Stegomyia) aegypti no Brasil. No entanto, ainda não há uma compreensão sobre quais são e como esses determinantes atuam em diferentes regiões do país, bem como sobre o impacto que exercem na epidemiologia da dengue. Sabe-se que o aumento da temperatura, pluviosidade e umidade possibilitam ambientes propícios para a proliferação de mosquitos vetores, como o Ae. aegypti; no entanto não se sabe ao certo como se comportam regionalmente. Os atuais programas vigentes no país para o controle epidemiológico baseiam-se principalmente na eliminação de criadouros, porém é necessário o estudo de diferentes fatores envolvidos na transmissão, já que a dinâmica da doença engloba vírus, mosquito vetor e homem. Desse modo, este trabalho teve três objetivos diferentes: 1) o estudo de séries temporais aplicado à epidemiologia de dengue, 2) o uso de dados entomológicos e meteorológicos para descrever a probabilidade e tamanho de surtos em diferentes regiões do Brasil e 3) o estudo aprofundado sobre a percepção e os conhecimentos da população de Rio Claro, SP, acerca das características do vetor e da doença. Com isso, buscou-se entender melhor o comportamento e os determinantes do crescimento de Ae. aegypti em diferentes localidades brasileiras, e como essa dinâmica implicaria na epidemiologia de dengue no Brasil. Os resultados deste estudo mostram que nem sempre a alta densidade vetorial relaciona-se com a maior quantidade de casos da doença. Para muitas cidades brasileiras, a chuva do mês anterior mostrou-se o principal determinante no número de casos de dengue, porém, é necessário o estudo de outros fatores, como introdução de novos sorotipos e casos importados. / There are many factors that determine the establishment and population growth of Aedes (Stegomyia) aegypti in Brazil. However, there is still no understanding of what they are and how these determinants operate in different regions of the country, as well as their impact on dengue epidemiology. It is known that the increase of temperature, rainfall, and relative humidity enable environments conducive to proliferation of mosquito vectors such as Ae. aegypti, but not exactly how to behave regionally. The current existing programs in the country for the epidemiological control are mainly based on the elimination of breeding sites, but the study of different factors involved in transmission is necessary since the dynamics of the disease includes virus, the mosquito vector and humans. Thus, this work had three different objectives: 1) the study of time series applied to dengue epidemiology, 2) the use of entomological and meteorological data to describe the likelihood and outbreaks size in different regions of Brazil and 3) a depth study on the perception and knowledge of the population of Rio Claro, São Paulo state, about the vector characteristics and disease. Thus, we sought to better understand the behavior and the determinants of Ae. aegypti growth in different locations in Brazil, and how this dynamic would imply on dengue epidemiology in Brazil. The results of this study show that high-density of the vector is not always related to the highest amount of cases. For many Brazilian cities, rainfall of the previous month proved to be the main determinant in the number of dengue cases, however, the study of other factors is necessary, such as the introduction of new serotypes and imported cases. / FAPESP: 2014/05101-2

Submitted by Luciana Paro Scarin Freitas null (melscarin@gmail.com) on 2016-09-15T19:43:12Z No. of bitstreams: 1 Tese Final - Luciana Paro Scarin Freitas - 150916.pdf: 2268932 bytes, checksum: 6258cf968244fdbb360b56af8ef82a25 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-09-15T19:48:07Z (GMT) No. of bitstreams: 1 freitas_lps_dr_ilha.pdf: 2268932 bytes, checksum: 6258cf968244fdbb360b56af8ef82a25 (MD5) / Made available in DSpace on 2016-09-15T19:48:07Z (GMT). No. of bitstreams: 1 freitas_lps_dr_ilha.pdf: 2268932 bytes, checksum: 6258cf968244fdbb360b56af8ef82a25 (MD5) Previous issue date: 2016-09-05 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / O dióxido de carbono (CO2) é considerado um dos principais gases do efeito estufa adicional e contribui significativamente para as mudanças climáticas globais. Áreas agrícolas oferecem uma oportunidade para mitigar esse efeito, uma vez que, dependendo de seu uso e manejo, são capazes de armazenar grandes quantidades de carbono, retirando-as da atmosfera. A produção de CO2 no solo é resultado de processos biológicos, como a decomposição da matéria orgânica e respiração de raízes e organismos do solo, fenômeno chamado de emissão de CO2 do solo (FCO2). O objetivo deste trabalho foi utilizar as redes neurais artificiais para estudo e previsão de padrões espaço-temporais da emissão de CO2 do solo em áreas de cana-de-açúcar em sistema de cana crua, colheita mecanizada, quando grandes quantidades de palhas são depositadas sobre a superfície do solo. Valores de FCO2 foram coletados em áreas de cultivo comercial no Sudeste do Estado de São Paulo, registrados por meio do sistema LI-8100, em gradeados amostrais para determinação da variabilidade espaçotemporal de FCO2, e atributos físicos e químicos do solo. Foram utilizados dados referentes a estudos realizados nos anos de 2008, 2010 e 2012, no período após a operação de colheita mecânica da cultura. Uma rede neural Perceptron Multi-Camadas via algoritmo backpropagation foi aplicada para estimar a emissão de FCO2 do ano de 2012, utilizando os dados referentes aos anos de 2008 e 2010 para treinamento da rede neural. A rede neural inicialmente apresentou um MAPE de 18,3852 coeficiente de determinação R2 de 0,9188. Os dados obtidos do FCO2 observado e do FCO2 estimado apresentam moderada dependência espacial, e pelos mapas do padrão espacial do fluxo de CO2 é observado que a rede neural apresentou considerável similaridade com os dados observados, identificando os pontos característicos de maior emissão como também os de menor emissão de CO2. Portanto, os resultados indicam que a rede neural artificial pode fornecer estimativas com confiabilidade para a avaliação de FCO2 a partir de dados de atributos físicos e químicos do solo, sendo capaz de caracterizar a variabilidade espaçotemporal desse atributo em áreas de cana-de-açúcar, sob o sistema de cana crua no Sudeste do Estado de São Paulo. / Carbon dioxide (CO2) is considered one of the main gases additional greenhouse effect and contributes significantly to global climate change. Agriculture areas offer an opportunity to mitigate this effect, since, depending on its use and handling, are capable of storing large amounts of carbon, removing them from the atmosphere. The CO2 production in soil is the result of biological processes such as the decomposition of organic matter and breathing roots and soil organisms, a phenomenon called soil CO2 emissions (FCO2). The aim of this study was to use artificial neural networks to study and forecast patterns spatiotemporal of soil CO2 emission in areas of sugarcane in raw cane system, mechanical harvesting, when large amounts of straw are deposited on soil surface. FCO2 values were collected in areas of commercial cultivation in southeastern of the state of São Paulo, registered through the LI-8100 system, sample grilles for determining the spatiotemporal variability of FCO2, and physical and chemical soil properties. The used data were from studies conducted in the years 2008, 2010 and 2012, in the period after the mechanical harvesting operation culture. A Multilayer Perceptron neural network with backpropagation algorithm was applied to estimate the emission of FCO2 in the year 2012, using data from the years 2008 and 2010 to the neural network training. The neural network initially presented a MAPE of 18.3852 and determination coefficient R2 of 0.9188. Data obtained from the observed FCO2 and FCO2 estimated present moderate spatial dependence, and observing the maps of the spatial pattern of the CO2 flow show that neural network presents considerable similarity to the observed data, identifying the higher and lower characteristic points of CO2 emissions. Therefore, the results indicate that the artificial neural network can provide reliability for the evaluation of FCO2 from data of physical and chemical soil properties, being able to describe the spatiotemporal variability of this attribute in sugarcane fields, under the crude cane system in the southeastern of the state of São Paulo. / CNPq: 152199/2012-8

Submitted by Kilvya Braga (kilvyabraga@hotmail.com) on 2018-04-18T15:21:01Z No. of bitstreams: 1 SAVANA BARBOSA DE BRITO LÉLIS VILLAR - DISSERTAÇÃO (PPGEQ) 2016.pdf: 4927740 bytes, checksum: 02efe9b034cf0c99994b28b1588c4e7a (MD5) / Made available in DSpace on 2018-04-18T15:21:01Z (GMT). No. of bitstreams: 1 SAVANA BARBOSA DE BRITO LÉLIS VILLAR - DISSERTAÇÃO (PPGEQ) 2016.pdf: 4927740 bytes, checksum: 02efe9b034cf0c99994b28b1588c4e7a (MD5) Previous issue date: 2016 / Metamodelos têm sido utilizados em inúmeras aplicações de engenharia, para aproximar modelos matemáticos rigorosos quando seus códigos computacionais exigem tempo demasiadamente grande para que a sua utilização prática seja possível. Neste contexto, realizou-se uma aplicação do modelo Kriging para obtenção de resultados da metamodelagem de um processo de separação de propeno por destilação. Neste trabalho foi incluída a utilização das Redes Neurais Artificiais como parâmetro comparativo entre os metamodelos.O procedimento envolve o plano de amostragem Latin Hypercube Sampling, a seleção do tipo do metamodelo, estimação de parâmetros e validação. O desempenho dos metamodelos foi comparado com resultados obtidos através do modelo rigoroso pertencente ao simulador de processos Aspen Plus®, onde a predição dos dados mostrou-se com ótima precisão e esforço computacional significativamente menor. Outra contribuição importante deste trabalho é o desenvolvimento da metodologia para otimização baseada na predição dos dados através do metamodelo Kriging utilizando a função fmincon do software Matlab e a comparação à otimização da ferramenta Optimization do Aspen Plus®, atingindo resultados minimizados para as cargas térmicas dos refervedores das três colunas de destilação e obedecendo as restrições de pureza do produto e taxa de boilup. / Metamodels have been used in many engineering applications, rigorous mathematical models to approximate when their computational codes require too great a time so that its practical use is possible. In this context, there was an application of the Kriging model to obtain metamodeling results of a propylene distillation separation process. This work included the use of Artificial Neural Networks as a comparison parameter between metamodels. The procedure involves the plan Latin Hypercube Sampling, selection of the type of metamodel, parameter estimation and validation. The performance of the metamodel was compared with results obtained from the rigorous model belonging to the process simulator Aspen Plus®, where the prediction of the data showed with great precision and significantly less computational effort. Another important contribution of this work is the development of methodology for optimization based on the prediction of data through Kriging metamodel using fmincon function of Matlab software and compared to optimize the optimization tool Aspen Plus®, reaching results for minimized thermal loads of reboilers the three-column distillation and obeying the purity of the product restrictions and boilup rate.

Orientador: Anna Diva Plasencia Lotufo / Resumo: O dióxido de carbono (CO2) é considerado um dos principais gases do efeito estufa adicional e contribui significativamente para as mudanças climáticas globais. Áreas agrícolas oferecem uma oportunidade para mitigar esse efeito, uma vez que, dependendo de seu uso e manejo, são capazes de armazenar grandes quantidades de carbono, retirando-as da atmosfera. A produção de CO2 no solo é resultado de processos biológicos, como a decomposição da matéria orgânica e respiração de raízes e organismos do solo, fenômeno chamado de emissão de CO2 do solo (FCO2). O objetivo deste trabalho foi utilizar as redes neurais artificiais para estudo e previsão de padrões espaço-temporais da emissão de CO2 do solo em áreas de cana-de-açúcar em sistema de cana crua, colheita mecanizada, quando grandes quantidades de palhas são depositadas sobre a superfície do solo. Valores de FCO2 foram coletados em áreas de cultivo comercial no Sudeste do Estado de São Paulo, registrados por meio do sistema LI-8100, em gradeados amostrais para determinação da variabilidade espaçotemporal de FCO2, e atributos físicos e químicos do solo. Foram utilizados dados referentes a estudos realizados nos anos de 2008, 2010 e 2012, no período após a operação de colheita mecânica da cultura. Uma rede neural Perceptron Multi-Camadas via algoritmo backpropagation foi aplicada para estimar a emissão de FCO2 do ano de 2012, utilizando os dados referentes aos anos de 2008 e 2010 para treinamento da rede neural. A rede neural inici... (Resumo completo, clicar acesso eletrônico abaixo) / Doutor

Orientador: Fábio Roberto Chavarette / Resumo: As técnicas para o monitoramento de falhas em estruturas têm se tornado cada vez mais importantes principalmente por seus benefícios quanto à maior segurança de vida e por auxiliarem as empresas responsáveis em construir edifícios, pontes e estruturas em geral a diminuírem seus custos com a manutenção das mesmas. Deste modo, a fim de desenvolver uma forma eficiente para a identificação e caracterização de falhas estruturais, esta dissertação tem por objetivo demonstrar uma aplicação de Redes Neurais Artificiais (RNAs) como uma técnica de monitoramento da integridade estrutural (SHM) para tal problema. Através de um modelo matemático de equações diferenciais ordinárias para a representação de uma estrutura predial, será desenvolvida uma RNA ARTMAP Fuzzy por ser uma rede flexível e estável em relação à sua habilidade em se adaptar às mudanças imprevistas do ambiente externo, para identificar tais falhas. / Abstract: The techniques for failures monitoring in mechanical engineering structures have become increasingly important especially for its benefits as the largest life-security and assist the responsible companies for build buildings, bridges and structures in general to lower their costs to maintenance of them. Thus, in order to develop an efficient way for the identification and characterization of structural failures, this work aims to demonstrate an application of Artificial Neural Networks (ANN) as a monitoring technique of structural health monitoring (SHM) for this problem. Through a dynamic model for the representation of a building structure, Fuzzy ARTMAP ANN will be developed to be a flexible and stable network with respect to its ability to adapt to unexpected changes in the external environment to identify such failures. / Mestre

Resumo: Este trabalho apresenta a aplicação de um sistema inteligente utilizando redes neurais artificiais para estimar valores de densidade do solo, a partir de parâmetros referentes à resistência do solo à penetração. Foram considerados solos preparados e não preparados, os não preparados foram os seguintes : teor de argila menor que 30 % (solo tipo 1), de 30 a 50 % (solo tipo 2) e maior que 50 % (solo tipo 3). Os preparados foram os seguintes: um com teor de argila menor que 30 % (solo tipo 1) e o outro com teor de argila maior que 50 % (solo tipo 3). O objetivo principal deste trabalho foi implementar diversas redes neurais do tipo perceptron multicamadas, alimentando-as com resistência do solo à penetração, teor de água e teor de argila, tendo como variável de saída a densidade do solo. Cada rede foi treinada variando o número de camadas escondidas e também variando o número de neurônios, de 10 a 40, em cada camada. Para cada arquitetura, a rede foi treinada 10 vezes, escolhendo-se no final do treinamento a arquitetura com menor erro relativo médio e menor variância em relação aos dados de validação. As análises realizadas mostraram que as arquiteturas de rede com apenas uma camada escondida forneceram melhores resultados. Todas as redes tiveram melhor desempenho em solo não preparado do que em solo preparado. A rede de arquitetura de 3 entradas, uma camada escondida com 30 neurônios e 1 saída forneceu excelente resultado para solo não preparado (com teor de argila entre 30 e 50 %). Constatou-se que a rede quando treinada com dados do solo preparado, juntamente com dados do solo não preparado, melhorou os resultados de estimação para o solo preparado, mas piorou para os solos não preparados. Constatou também que a rede quando treinada junto com dados que contém solo solto fornece resultados imprecisos. O mesmo ocorreu para dados com teor de água elevado. / Abstract: This work presents the development of an intelligent system using artificial neural networks to estimate values of soil density. Prepared and non-prepared soils were considered in this work. The non-prepared soils were the following ones: clay content lesser than 30 % (soil type 1), 30 to 50 % (soil type 2) and larger than 50 % (soil type 3). The prepared soils were the following ones: soil with clay content lesser than 30 % (soil type 1) and soil with clay content larger than 50 % (soil type 3). The main objective of this work was to implement several neural networks of type multilayer perceptron, feeding them with data concerning to the soil compaction characteristics. The output computed by the neural network was the respective density of these soils. Each neural network was trained varying both number of hidden layers and number of neurons, which was changed from 10 to 40 neurons in each layer. In each architecture the network was trained 10 times and selected architecture was always that having either the least mean relative error or the least variance in relation to validation data. The carried out analyses showed that the neural architectures having only a hidden layer were those that provided the best results. All neural networks have presented more efficient results for non-prepared soils than prepared soils. The neural network constituted by three inputs and one output, having 30 neurons at hidden layer, has provided excellent results for non-prepared soils (clay content between 30 and 50 %). It was also verified that the neural network when trained with data referent to non-prepared and soils, which were put in the same data set, it became the results referent to prepared soils more efficient, but the results for non-prepared soils become worse. Another observed point was when the network had been trained with data constituted by soft soil... (Complete abstract, click electronic address below). / Orientador: Ivan Nunes da Silva / Coorientador: Kléber Pereira Lanças / Doutor

Este trabalho apresenta um estudo sobre a aplicação de técnicas de aprendizagem de máquina na análise do processo ingestivo de ruminantes, contemplando as etapas de preparação e classificação dos dados. O estudo desenvolvido resultou no desenvolvimento de um sistema utilizado para classificar de maneira automatizada diferentes eventos realizados por ruminantes durante a ingestão de alimentos e também alimentos consumidos pelos animais. Classificar padrões no comportamento ingestivo de ruminantes serve como base para estudos relacionados à nutrição animal bem como a identificação de dados relacionados a saúde animal. Neste trabalho, o conhecimento é obtido por meio da classificação de padrões usando redes neurais artificiais e árvores de decisão. Os dados foram coletados usando sensores a fibra ótica baseados em redes de Bragg (FBG), fixados na mandíbula do animal sob estudo. Foram realizados ensaios in vitro, com base em uma mandíbula cadavérica de um caprino, bem como ensaios in vivo para análise do processo mastigatório de um bovino da espécie Bos taurus. Diferentes tipos de materiais e plantas forrageiras foram usados para medir forças biomecânicas envolvidas no processo de mastigação do alimento. Os dados obtidos nos ensaios são pré-processados e utilizados para o treinamento dos algoritmos de aprendizagem de máquina. Resultados experimentais mostram que é possível classificar diferentes forrageiras e eventos envolvidos no processo ingestivo de ruminantes, contribuindo para melhoria da eficiência da atual metodologia de avaliação de consumo animal. / In this work, a system to automate the classification of chewing patterns of ruminants is developed. Pattern classification of ingestive behavior in grazing animals has extreme importance in studies related to animal nutrition, growing and health. The proposal is based on data collected by optical fiber Bragg grating sensors (FBG). The collected data are processed by machine learning techniques. The FBG sensors measure the biomechanical strain during jaw movements. In vitro tests were performed based on a cadaveric mandible of a goat and in vivo tests were performed by monitoring the food intake process of a steer. For the pattern classification a classic model of decision tree and artificial neural network were used. Experimental results show that the proposed approaches for pattern classification have been capable to differentiate the materials and events involved in the chewing process. Experimental results show that it is possible to classify different forage and events involved in the ingestive behaviour of ruminants, that contributes to improving the current methodology for monitoring the animal consumption efficiency.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-06-14T20:19:26Z No. of bitstreams: 1 IgorGuedesReboucas_DISSERT.pdf: 4109459 bytes, checksum: 9d05bc4fe3e1208e2195bfe4405550de (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-06-15T23:42:40Z (GMT) No. of bitstreams: 1 IgorGuedesReboucas_DISSERT.pdf: 4109459 bytes, checksum: 9d05bc4fe3e1208e2195bfe4405550de (MD5) / Made available in DSpace on 2016-06-15T23:42:40Z (GMT). No. of bitstreams: 1 IgorGuedesReboucas_DISSERT.pdf: 4109459 bytes, checksum: 9d05bc4fe3e1208e2195bfe4405550de (MD5) Previous issue date: 2015-12-17 / Este trabalho consiste na elabora??o de uma Rede Neural Artificial (RNA) com o fim de modelar o comportamento de comp?sitos quando submetidos a carregamento de fadiga. A proposta ? desenvolver e apresentar um modelo misto, que associa uma equa??o anal?tica (Equa??o de Adam) ? estrutura da RNA. Tendo em vista que os comp?sitos geralmente apresentam comportamentos semelhantes quando sujeitos a carregamentos flutuantes, essa equa??o visa estabelecer um padr?o pr?-definido de compara??o para um material gen?rico, a fim de que a RNA ajuste o comportamento de outro comp?sito a esse padr?o. Dessa forma, a RNA n?o precisaria aprender por completo o comportamento de determinado material, pois a Equa??o de Adam faria boa parte do trabalho. Este modelo foi utilizado em duas arquiteturas de rede diferentes, modular e perceptron, com o objetivo de analisar a sua efici?ncia em estruturas distintas. Al?m das diferentes arquiteturas, foram analisadas as respostas geradas a partir de dois conjuntos de dados diferentes ? com tr?s e duas curvas S-N. Esse modelo tamb?m foi comparado com os resultados da literatura especializada, que utilizam uma estrutura convencional de RNA. Os resultados consistem em analisar e comparar algumas caracter?sticas, como a capacidade de generaliza??o, a robustez e os Diagramas de Goodman, desenvolvidas pelas redes. / This work consists basically in the elaboration of an Artificial Neural Network (ANN) in order to model the composites materials? behavior when submitted to fatigue loadings. The proposal is to develop and present a mixed model, which associate an analytical equation (Adam Equation) to the structure of the ANN. Given that the composites often shows a similar behavior when subject to float loadings, this equation aims to establish a pre-defined comparison pattern for a generic material, so that the ANN fit the behavior of another composite material to that pattern. In this way, the ANN did not need to fully learn the behavior of a determined material, because the Adam Equation would do the big part of the job. This model was used in two different network architectures, modular and perceptron, with the aim of analyze it efficiency in distinct structures. Beyond the different architectures, it was analyzed the answers generated from two sets of different data ? with three and two SN curves. This model was also compared to the specialized literature results, which use a conventional structure of ANN. The results consist in analyze and compare some characteristics like generalization capacity, robustness and the Goodman Diagrams, developed by the networks.