Made available in DSpace on 2014-06-12T17:35:17Z (GMT). No. of bitstreams: 2 arquivo2460_1.pdf: 1017299 bytes, checksum: e37f2cfc8bc9f28e658a21d44a4e8b06 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2009 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho apresenta a previsão de vazão na bacia do rio São Francisco, utilizando-se de quatro modelos baseado nas principais ferramentas de inteligência artificiais: RNA (Redes Neurais Artificiais) e lógica fuzzy. No primeiro modelo foram escolhidas as RNAs para prever a vazão mensal com horizonte de um ano. No segundo modelo, utilizou-se a RNA e o sistema ANFIS (Adaptive Neuro-Fuzzy Inference System) para realizar a previsão mensal em horizonte de um e dois meses à frente. No terceiro modelo, foi estudado um sistema híbrido, no qual a RNA realiza uma previsão de vazão com horizonte anual e o sistema ANFIS desagrega em meses. Por fim, foi estudado outro sistema híbrido semelhante ao anterior, no qual se utilizou o método dos fragmentos para a desagregação mensal da vazão. O processo de escolha dos modelos das redes neurais e sistema ANFIS, passaram por uma análise de estrutura da entrada a partir da base de dados. Os dados de vazão utilizados foram do Operador Nacional do Sistema Elétrico (ONS) no período de 1931 a 2004, para realizar o ajuste dos modelos. Para avaliar o desempenho dos modelos foram utilizados os resultados das previsões obtidas no período 2005 a 2008. Através destes modelos, este trabalho visa contribuir de forma direta com o setor elétrico brasileiro que tem cerca de 90% de sua energia proveniente de usinas hidroelétricas

Made available in DSpace on 2014-06-12T17:35:41Z (GMT). No. of bitstreams: 2 arquivo6994_1.pdf: 1435653 bytes, checksum: 4e1bdb7a745c9aaae76de273132b51f9 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2004 / Neste trabalho, são desenvolvidos novos tipos de Wavelets para análise de sinais, um Algoritmo de Compactação e um Sistema de Classificação de sinais de tensões com distúrbio. A compactação do sinal é realizada eliminando-se os coeficientes wavelets cujos módulos estão abaixo de um determinado limiar de corte. Os resultados para sinais reais obtidos em registradores digitais forneceram altas taxas de compactação, tipicamente em torno de 82%, demonstrando a potencialidade deste método. Na classificação, o sinal de tensão é pré-processado via Wavelets e em seguida submetido a uma redução dimensional por meio da ferramenta estatística, Análises de Componentes Principais, e finalmente é submetido à Rede Neural tipo Multilayer Perceptrons - MLP, que indicará o tipo de distúrbio presente no sinal. Cada rede implementada foi treinada com uma base de conhecimento, cujos atributos foram constituídos dos coeficientes wavelets de aproximação, ou de detalhes, ou de ambos. Na combinação das Redes Neurais, em cada um dos seis nós de saída, aplicou-se a média entre as três saídas das redes individuais. A decisão final do classificador corresponde à saída combinada de maior valor. A técnica de combinação de modelos diferentes na classificação mostra excelentes resultados ao corrigir os casos mal classificados pelas redes individuais. O percentual de acerto da combinação da rede treinada com os coeficientes de detalhes com a aquela treinada com os coeficientes de aproximação para um conjunto de teste formado por 306 padrões foi de 99,3%, enquanto que na rede individual treinada com ambos coeficientes, esse índice foi de 96,4%. Estes resultados demonstram a superioridade do Sistema de Classificação baseado na combinação de redes com arquiteturas diferentes

Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-04-26T17:55:41Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) DISSERTAÇÃO Jonata Campelo de Albuquerque.pdf: 6416251 bytes, checksum: 40ff842465c2788b57659257c840f35a (MD5) / Made available in DSpace on 2016-04-26T17:55:41Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) DISSERTAÇÃO Jonata Campelo de Albuquerque.pdf: 6416251 bytes, checksum: 40ff842465c2788b57659257c840f35a (MD5) Previous issue date: 2015-10-23 / CNPQ / Nesta dissertação se propõe modelos de previsão de geração eólica baseados em técnicas de Inteligência Artificial (IA), tais como aplicações de Redes Neurais Artificiais (RNAs) e Sistemas de Inferência Fuzzy (SIFs). Tais previsões foram realizadas de forma horária, sendo os horizontes de 1h à 24h, classificando os modelos como previsores de curto prazo. Atrelada à presciência respectiva de cada modelo de entrada, estão as predições de velocidades médias ou velocidades médias e direções médias do vento. Estas são utilizadas como entradas para modelos de curva de potência dos parques eólicos em análise, nos quais dependendo do modelo em questão, esta poderá ser uma RNA ou um SIF. Tal aplicação é feita para dois parques reais descritos ao longo deste trabalho. Ao fim, faz-se uma comparação entre tais modelos, na qual o desempenho obtido revela-se bastante competitivo em termos de acurácia nas previsões de geração eólica dos SIFs em relação às RNAs / This paper proposes and develops models for wind power prediction, based on Artificial Intelligence concepts with regard to ANN applications (Artificial Neural Networks) and FIS (Fuzzy Inference System). Such models have application time horizon, which is 24 hours, which is why the models are short term denominated. Linked to their foreknowledge of each model are predictions of medium and / or medium speeds directions, which serve as input for a specific power curve of the park in question. Where depending on the model in question, it may be an artificial neural network or Fuzzy inference block, such a study is made for two typical parks described throughout this work. At the end, makes a comparison between these models showing the highly competitive performance in terms of power efficiency in predictions, the Fuzzy inference blocks in relation to neural networks.

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2018-05-10T13:15:42Z No. of bitstreams: 1 texto completo.pdf: 6852351 bytes, checksum: 238f87c924792bb6d204502227d520d3 (MD5) / Made available in DSpace on 2018-05-10T13:15:42Z (GMT). No. of bitstreams: 1 texto completo.pdf: 6852351 bytes, checksum: 238f87c924792bb6d204502227d520d3 (MD5) Previous issue date: 2018-02-23 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O objetivo deste estudo foi avaliar a eficiência do emprego das redes neurais artificiais (RNA) na prognose do crescimento de povoamentos de eucalipto localizados ao Nordeste do Estado da Bahia, a partir de dados de Inventario Florestal Continuo (IFC) históricos de parcelas permanentes. Para o atendimento do objetivo foi necessária a construção de curvas de índice local, o que conseguiu delimitar três tipos de áreas produtivas segundo sua capacidade. A aplicação de um modelo de densidade de variável (Clutter) resultou em equações precisas para a estimação de volumes e áreas basais futuras, permitindo, mediante um modelo para estimar área basal em função do sítio, a construção de tabelas de produção para três classes de sítio (S1=35, S2=27 e S3=19), nas idades compreendidas entre 2 até 9 anos, definindo idades técnicas de corte (ITC), quando IMA=ICA, entre 4,8 e 5,2 anos para cada sítio. Comprovada a efetividade do modelo de crescimento e produção, em seguida foi avaliada a eficiência das RNA configuradas para estimar volumes futuros, treinadas com dados de IFC, climáticos e fisiográficos obtidos mediante procedimento de extração de informação das imagens raster das áreas de estudo. Essas comparações foram feitas por meio de estatísticas clássicas de validação e análises de resíduos. Com as RNA treinadas, foram estimados os volumes e IMAs para os 6 e 7 anos de idade. Este IMA constituiu a camada de saída no treinamento de uma segunda rede, em que as variáveis de entrada foram aquelas climáticas e fisiográficas. A rede treinada foi aplicada para espacializar a produtividade para as quatro áreas de estudo. O IMA aos 7 anos (IMA7) variou de 8,15 até 55,35 m3ha 1ano̵ 1, sendo os maiores localizados próximos ao litoral. A inteligência artificial (RNA) foi eficiente para a construção de mapas de produtividade. Esse tipo de mapa é útil para estudos visando definir novas áreas de implantação, ajudando na diminuição de riscos em novos investimentos das empresas para futuros projetos ou reformas. / The objective of this study was to evaluate the efficiency of the use of artificial neural networks (ANN) in the prognosis of Eucalyptus stands growth located to the northeast state of Bahia, with historical data of permanent plots from of continuous forest inventories (CFI). To achieve the objective it was necessary the construction of local index curves, which managed to delimit three types of productive areas according to their capacity. The application of a variable density model (Clutter), resulted in efficient equations for the estimation of volumes and future basal areas. Through a model for areal basal estimation having site values, production tables for three site classes (S1 = 35, S2 = 27 and S3 = 19) were constructed, with ages between 2 to 9 years old, defining technical cutting ages (ITC), when MAI=CAI, between 4.8 and 5.2 years for each site. Verified the efficiency of the growth and production model, the efficiency of the ANN were evaluated, configured for estimate future volumes from training with CFI data, climate and physiographic data obtained by extracting information from the raster images for the study area. These comparisons were made through classical validation and residue analysis statistics. With the trained RNA, volume and MAI values were estimated for 6 and 7 years of age. This MAI was the output layer of a second network, in which climatic and physiographic were the input variables. The trained network was applied to spatialize productivity for the four study areas. The MAI at 7 years (MAI7) ranged from 8.15 to 55.35 m3ha̵ 1ano̵ 1, the highest values were located near the coast. Artificial intelligence (AI) was efficient for the construction of productivity maps. This type of maps are useful for studies aimed at defining new areas of implantation, helping to reduce risks in new investments of companies for future projects or reforms.

Induction motors are largely used in the industry in our days and the temperature monitoring in these motors is extremely important for their operation. Through this monitoring one can estimate when and how often the maintenance will be performed, adjust the proper protection and identify abnormal operation conditions. In some cases the installation of thermal sensors is not possible due to physical or economical restrictions and the utilization of virtual instrumentation is an option. The following work presents a study for a specific condition where the stator temperature for a generic induction motor in a steady state operation is estimated by using an Artificial Neural Network. The purpose of this study is the evaluation of the applicability of this tool for this specific case and it is the staring point for further studies where the feasibility of a general system can be tested. After simulating the proposed Artificial Neural Network using the backpropagation algorithm it was concluded that this is an applicable method to solve this problem and can be extended to more complex systems. / Os motores de indução são largamente usados em vários setores da sociedade. Entre os setores que mais os utilizam está o setor industrial. Existem vários aspectos a serem considerados na sua operação, entre eles a monitoração da sua temperatura de trabalho. Através desse monitoramento pode-se estimar quando e com que freqüência sua manutenção se faz necessária, condições anormais de funcionamento e também o ajuste de proteções. Em alguns casos a instalação de sensores térmicos não é possível devido a limitações físicas ou econômicas e uma opção é a utilização da instrumentação virtual. O trabalho apresentado faz um estudo de uma dada condição de operação de um motor de indução trifásico cuja temperatura será estimada através de Redes Neurais Artificiais. O objetivo desse estudo é avaliar a aplicabilidade dessa ferramenta para esse caso específico como ponto de partida para estudos futuros, onde a viabilidade da aplicação para sistemas mais generalizados possa ser testada. Após a simulação da Rede Neural Artificial proposta utilizando o algoritmo backpropagation, concluiu-se que é possível aplicar essa metodologia para esse caso e isso indica a possibilidade de aplicá-la em sistemas mais complexos.

AgÃncia Nacional do PetrÃleo / Commercial gasolines are normally produced by blending hydrocarbon fractions obtained from the distillation of crude oil or from other petrochemical or refining processes, and carried through in order to comply with a variety of legal and ambient specifications at minimum cost. The quality for the use and commercialization of gasolines is evaluated through certain characteristics specified by governmental regulation. Such characteristics are usually determined by different methodologies and experimental techniques, since those depend on their constituents and their respective concentrations with a high complexity. Thus, blending of gasolines in petrochemical and refining industries is sometimes a very laborious procedure. The prediction of fuel properties from composition data is growing in importance in the last few years. Methods of group contribution have been used in the last decades to predict properties of pure organic compounds and some mixture parameters (e.g., UNIFAC). However, most of the recent studies use artificial neural networks as a technique for prediction for fuel properties using the composition of classes of constituents or key-compounds as input data. The main advantage of a neural network is its capacity to extract general and unknown information for certain series of data (training), supplying useful and fast models for prediction. However, the use of neural networks trained to predict properties of fuels produced from one given combination of petroleum fractions can not be suitable in the prediction of the characteristics of other gasolines produced from other origins due to the complexity and variability of gasoline composition. In this study, methods of multiple linear regression and artificial neural networks have been evaluated in the correlation and prediction of gasoline properties from information of composition obtained by gas chromatography, as well as a methodology for prediction of properties using a hybrid method composed of neural networks and group contribution. The developed model is evaluated and compared to other methods, revealing to be sufficiently promising for prediction of properties of pure components and complex mixtures. / As gasolinas comerciais sÃo normalmente produzidas a partir de combinaÃÃes de fraÃÃes oriundas da destilaÃÃo do petrÃleo ou de outros processos petroquÃmicos e de refino e realizadas de modo a atender uma variedade de especificaÃÃes legais e ambientais, com o mÃnimo de custo possÃvel. A qualidade para o uso e comercializaÃÃo de uma gasolina à avaliada atravÃs de certas caracterÃsticas especificadas por leis e normas governamentais. Estas caracterÃsticas sÃo normalmente determinadas por diferentes metodologias e tÃcnicas experimentais, haja vista que dependem dos seus constituintes e suas respectivas concentraÃÃes com uma complexidade bastante elevada, tornando a formulaÃÃo da gasolina originada em refinarias e petroquÃmicas, um procedimento muitas vezes bastante laborioso. O intuito de se predizer propriedades de derivados de petrÃleo a partir de dados de composiÃÃo à antigo e vem crescendo em importÃncia nos Ãltimos anos. MÃtodos de contribuiÃÃo de grupos tÃm sido utilizados ao longo das Ãltimas dÃcadas para predizer propriedades de compostos orgÃnicos puros e alguns parÃmetros de misturas (e.g., UNIFAC). Entretanto, a maior parte dos estudos mais recentes utiliza redes neurais artificiais como tÃcnica para prediÃÃo de propriedades de combustÃveis usando a composiÃÃo de grupos de compostos ou mesmo de compostos-chave como informaÃÃo de entrada. A principal vantagem de uma rede neural à sua capacidade de extrair informaÃÃes gerais e desconhecidas para certa sÃrie de dados (treinamento), fornecendo modelos de prediÃÃo Ãteis e rÃpidos tanto para sistemas lineares como nÃo-lineares. PorÃm, dada a complexidade e variabilidade dos constituintes das gasolinas, a utilizaÃÃo de redes neurais treinadas para modelar as propriedades destes combustÃveis produzidos a partir de uma dada combinaÃÃo de fraÃÃes petrolÃferas pode nÃo se adequar na prediÃÃo das caracterÃsticas de gasolinas obtidas a partir de uma outra origem. Neste estudo, mÃtodos de regressÃo linear mÃltipla e redes neurais artificiais foram avaliados na correlaÃÃo e prediÃÃo de propriedades de gasolinas a partir de informaÃÃes de composiÃÃo obtidas por cromatografia gasosa, como tambÃm foi desenvolvida uma metodologia de prediÃÃo de propriedades utilizando um mÃtodo hÃbrido de redes neurais e contribuiÃÃo de grupos. O modelo desenvolvido à avaliado e comparado aos demais, mostrando-se bastante promissor para prediÃÃo de propriedades de componentes puros e misturas mais complexas.

FundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgico / Este trabalho apresenta uma proposta metodolÃgica alternativa para a modelagem macroscÃpica de trÃfego de veÃculos, considerando o prÃprio desenho da malha como indutor dos fluxos de veÃculos, constituindo-se num estudo de caso dos Volumes MÃdios DiÃrios da cidade de Fortaleza (CE). Foi utilizada a ferramenta chamada de Sintaxe Espacial e uma de suas derivaÃÃes, chamada de AnÃlise Angular de Segmentos, como critÃrio de hierarquizaÃÃo das vias. Os valores gerados por tal ferramenta foram utilizados como dados de entrada, juntamente com os dados operacionais de trÃfego para a construÃÃo de um esquema de treinamento para modelagem atravÃs de Redes Neurais Artificiais. Como dados de saÃda, foram utilizados os valores de VMD. O objetivo foi desenvolver um mÃtodo de baixo custo para estimar o volume trÃfego veicular e que eliminasse a necessidade de numerosos dados exigidos para a modelagem tradicional ou modelo âquatro etapasâ, como por exemplo a pesquisa origem / destino / This paper presents an alternative methodological proposal for macroscopic modeling of traffic flows rates, considering the grid design as inductor of veicular flows, configuring a case study of the Daily Average Volumes of Fortaleza City, Cearà State. The tool called Space Syntax and one of its derivations called Angle Segments Analysis were used as a criterion of hierarchization of the streets. The values generated by such tool were used as input data as well as operational data of traffic were used for the construction of a training scheme for modeling through Artificial Neural Networks, and the values of Daily Average Volumes were used as output ones. The research aims at developing low cost method to preview volume flows and that could eliminate the need of numerous data required by the traditional UTMS modeling know as of four-stage model like for example, the survey origin / destination

Made available in DSpace on 2015-04-20T12:31:43Z (GMT). No. of bitstreams: 1 TESE_GILBERTO.pdf: 7344117 bytes, checksum: 7ee42bd37c36d7f42cd43ff6b511a8d2 (MD5) Previous issue date: 2010-12-08 / Fundação de Amparo à Pesquisa do Estado do Amazonas / A Amazônia Brasileira contém a maior diversidade conhecida de peixes da Ordem Gymnotiformes. Estes peixes elétricos, como são popularmente conhecidos, têm sido intensamente estudados por causa de sua capacidade bioelétrica. Em função destes dois fatores, neste estudo desenvolveu-se procedimentos biotecnológicos para sensoriamento ambiental por meio do processamento e análise das descargas do órgão elétricos (DOEs) de Gymnotiformes. Estes procedimentos geraram subsídios para compor um sistema de alerta ambiental, com peixes elétricos como biossensores de contaminações por petróleo na água, com dois principais fatores modelados: depleção de oxigênio dissolvido (hipoxia) e a presença da fração solúvel de petróleo em água (Benzeno, Tolueno, Etilbenzeno e Xileno - BTEX). Foram desenvolvidos algoritmos computacionais utilizando-se técnicas de inteligência artificial com redes neurais artificiais de múltiplas camadas. Estes algoritmos foram testados para o reconhecimento de padrões nas DOEs de Gymnotiformes, com a classificação por meio de características mais basais da taxa de repetição (pulso e onda), e, com a classificação por Genero de Gymnotiformes onduladores. Redes neurais artificiais de uma camada interna com 64 neurônios, algoritmo de treinamento retropropagativo com renovação das taxas de aprendizados por relações heurísticas e validação cruzada via erro médio quadrático, obtiveram máxima performance na avaliação computacional das DOEs.

O presente trabalho tem como objetivo principal o desenvolvimento de um sistema de identificação do surgimento de vazamentos (rupturas) em dutos, através da análise do sinal de sensores de pressão de resposta rápida (frequência de corte superior a 1 kHz). O reconhecimento do sinal de vazamento se realiza através de uma rede neural artificial feed-foward do tipo Perceptron Multi Camadas, previamente treinada. Neste trabalho, a implementação para tal operação foi feita off-line, mas devido ao baixo custo computacional pode ser facilmente implementada em eletrônica embarcada, em tempo real (on-line). Os resultados experimentais foram obtidos no oleoduto piloto do NETeF - Núcleo de Engenharia Térmica e Fluidos da USP - Universidade de São Paulo, com uma seção de testes com 1500 metros e diâmetro de 51,2 mm. Especificamente, os resultados foram obtidos com escoamento monofásico de água. Os resultados mostram-se promissores, visto que o sistema de redes neurais artificiais foi capaz de discriminar 2 universos linearmente separáveis, para sinais de vazamento e de não vazamento, para diversas vazões e localizações de vazamentos simulados. / The present dissertation deals with the development of a system to identify abrupt leaks (ruptures) in pipelines, by analyzing the signal of fast response pressure sensors (cutoff frequency over then 1kHz). The recognition of the leak signal is established by an artificial neural network feed-forward Perceptron Multi Layer, previously trained. In the present work the implementation was performed off-line, but due to low computational costs, the neural network can be easily implemented in real time embedded electronics (online). The experimental results were obtained in a 1500 meter-long and 51.2 millimeter-diameter pilot pipeline at the Center of Thermal Engineering and Fluids. Specifically, the results were obtained with single-phase flow of water. The results have proven to be promising, as the trained neural network was capable of classifying the 2 types of signals into 2 linearly separable regions, for leakage signals and no leakage signals, for various flow rates and locations of simulated leaks.

Submitted by Jorge Silva (jorgelmsilva@ufrrj.br) on 2017-06-02T19:41:02Z No. of bitstreams: 1 2015 - Thuany Christine Lessa de Azevedo Vieira.pdf: 2529622 bytes, checksum: e7159cd09d3d218f61d6f6cee88a775e (MD5) / Made available in DSpace on 2017-06-02T19:41:02Z (GMT). No. of bitstreams: 1 2015 - Thuany Christine Lessa de Azevedo Vieira.pdf: 2529622 bytes, checksum: e7159cd09d3d218f61d6f6cee88a775e (MD5) Previous issue date: 2015-04-15 / FAPERJ / During the last decade, the antiretroviral therapy (ART) contributed to the reduction of the mortality and morbidity among HIV-1 affected people. However, the therapeutic flaw related to the appearance of resistence to the retrovirals due to the mutations and/or the not adherence to the antiretroviral therapy, is a problem of public health. It becomes of extreme importance, the comprehension of the resistence patterns and the mechanism related to them, enabling the choice of a suited therapeutic treatment that considers the mutation frequency, the quantity of viral particles and CD4+ cells among subtypes B and C. Therefore, the goal of the paper is to develop a model based on computational intelligence to help make decisions and give a better support to the clinic practice and research for those who deal with the pati-ents. 923 samples were used for thus study, obtained together with the Laboratory of Molecu-lar Virology of the Federal University of Rio de Janeiro, that belongs to the genotyping net-work of the Health Ministry. Initially, it was done a study of the profile of the mutations of subtypes B and C. To do so, it was made a cut of the patients that entered from 1998 on, with mutation frequency in the protease equal or greater than 5% and submitted to only one HA-ART therapy with just one protease inhibitor, Nelfinavir (NFV), or without any kind of prote-ase inhibitor. Through these studies, it was possible to observe that the subtype C has a diffe-rent character from subtype B, not only when it comes to the CV and CD4+ level but also the numbers of mutations in the protease gene, this fact emphasizes the necessity of specific tre-atments, from health professionals, for each subtype Key-words: antiretroviral treatment, HIV, Artificial Neural Network. / Durante a ?ltima d?cada a terapia antirretroviral (TARV) contribuiu para a redu??o da taxa de mortalidade e morbidade entre as pessoas infectadas pelo HIV-1. Contudo, a falha terap?utica relacionada ao surgimento de resist?ncias aos retrovirais em fun??o das muta??es e/ou pela n?o ades?o ? terapia antirretroviral ? um problema de sa?de p?blica. Torna-se de fundamental import?ncia a compreens?o dos padr?es de resist?ncias e dos mecanismos a eles associados, possibilitando a escolha de um tratamento terap?utico apropriado que considere a frequ?ncia de muta??o, quantidade de part?culas virais (CV) e c?lulas CD4+ entre os subtipos B e C. Portanto, o objetivo desse trabalho ? desenvolver um modelo baseado em intelig?ncia computacional para auxiliar a tomada de decis?o e proporcionar melhor suporte a pr?tica cl?-nica e de pesquisa daqueles que lidam diretamente com pacientes. Foram utilizadas 923 amos-tras para esse estudo, obtidas juntos ao Laborat?rio de Virologia Molecular da Universidade Federal do Rio de Janeiro pertencente ? rede de genotipagem do Minist?rio da Sa?de. Inicial-mente foi realizado um estudo do perfil de muta??es dos subtipos B e C. Para tal foi feito um corte com pacientes com entrada no sistema a partir de 1998, com frequ?ncia de muta??es na protease maior ou igual a 5% e submetidos a uma ?nica terapia HAART com apenas um ini-bidor de protease, Nelfinavir (NFV), ou sem nenhum inibidor de protease. Foram realizadas 50 simula??es para cada um dos subtipos usando as posi??es da sequ?ncia da protease como dados entrada juntamente com as taxas de carga viral e CD4+. Atrav?s dos estudos foi poss?-vel observar que o subtipo C possui car?ter diferenciado do subtipo B tanto em n?vel de CV e CD4+ quanto ao n?mero de muta??es no gene da protease, fato esse que enfatiza a necessida-de de tratamentos espec?ficos para cada subtipo pelos profissionais da sa?de. Al?m disso, o modelo demonstrou um desempenho satisfat?rio, possuindo um bom ?ndice de acertos.