Submitted by Cleide Dantas (cleidedantas@ufpa.br) on 2014-07-08T11:38:47Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstimativaPerfisPermeabilidade.pdf: 14341089 bytes, checksum: 7aac37b8df2d4e4fa92df4ea1c55a258 (MD5) / Rejected by Irvana Coutinho (irvana@ufpa.br), reason: Indexar os assuntos on 2014-08-06T14:53:42Z (GMT) / Submitted by Cleide Dantas (cleidedantas@ufpa.br) on 2014-08-12T13:30:08Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstimativaPerfisPermeabilidade.pdf: 14341089 bytes, checksum: 7aac37b8df2d4e4fa92df4ea1c55a258 (MD5) / Approved for entry into archive by Irvana Coutinho (irvana@ufpa.br) on 2014-09-22T11:22:10Z (GMT) No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstimativaPerfisPermeabilidade.pdf: 14341089 bytes, checksum: 7aac37b8df2d4e4fa92df4ea1c55a258 (MD5) / Made available in DSpace on 2014-09-22T11:22:10Z (GMT). No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstimativaPerfisPermeabilidade.pdf: 14341089 bytes, checksum: 7aac37b8df2d4e4fa92df4ea1c55a258 (MD5) Previous issue date: 2002 / A permeabilidade e a porosidade são duas das mais importantes propriedades petrofísicas para a qualificação dos reservatórios de óleo e gás. A porosidade está relacionada à capacidade de armazenamento de fluidos e a permeabilidade, com a capacidade de produção destes fluidos. Suas medidas são, normalmente, realizadas em laboratório, através de testemunhos da rocha. Esses processos têm custos elevados e nem todos os poços são testemunhados. As estimativas da permeabilidade e da porosidade são de fundamental importância para os engenheiros de reservatório e geofísicos, uma vez que seus valores podem definir a completação ou não de um poço petrolífero. O perfil de porosidade e sua relação com o perfil de densidade, é bem conhecida na geofísica de poço. No entanto, existem poucas relações quantitativas e/ou qualitativas entre a porosidade e a permeabilidade, como por exemplo as relações de Kozeny. Sendo assim, este trabalho busca o estabelecimento do perfil de permeabilidade e do perfil de porosidade, a partir de informações do perfil de densidade. Para tanto, buscamos a relação entre a propriedade física da rocha (densidade) e as propriedades petrofísicas: permeabilidade e porosidade, utilizando como metodologia à técnica de redes neurais artificiais, como a rede neural artificial com função de base radial. A obtenção da permeabilidade e da porosidade a partir da rede neural artificial, que possui como entrada a informação da densidade possibilita um menor custo para a aquisição dessas importantes informações petrofísicas, permite ao intérprete de perfis de poço optar ou não pela exploração de uma unidade estudada, além de uma visão mais completa do reservatório. Os procedimentos para a estimativa da permeabilidade e da porosidade estão direcionados para uma única formação, mas os intérpretes de perfis poderão aplicar a diretriz apresentada no programa de rede neural artificial com função de base radial, utilizando a estimativa dessas propriedades petrofísicas para outras formações, inclusive de outros campos petrolíferos. Portanto, recomenda-se a utilização de um conjunto de dados completo, com quantidade de dados suficientes de um mesmo poço, a fim de viabilizar corretamente a melhor interpretação. / The permeability and the porosity are the two most important petrophysical properties for qualification of oil and gas reservoirs. The porosity is related to the capacity of fluids storage and the permeability, with the production of these fluids. The estimates of the permeability and porosity are of fundamental importance for reservoir engineers and geophysics, once its values can define the completacion or not of an oil well. Its measures are, usually, accomplished in laboratory, through cores of the rock. The porosity log and its relationship with the density log, is very well-known in the well logging, however, it just exist a few qualitative relationships (Kozeny's relation, for instance) between the porosity and the permeability. This work search the establishment of the permeability log and of the porosity log, starting from information of the density log. For so much, we looked for the relationship among the physical property of the rock (density) and the petrophysical properties: permeability and porosity, using as methodology the technique of artificial neural networks with radial base function. To obtaining the permeability and the porosity, the artificial neural network possessing as input the information of the density that facilitates a smaller cost for the acquisition of those important petrophysical information, giving possibility to the well log analysts, to opt or not for the exploration of a studied unit, in addition, it facilitates a more complete vision of the reservoir. The procedures for the estimate of the permeability and of the porosity are addressed for an only formation, but the log interpreters can apply the guideline presented in the program of artificial neural network with radial base function, using the estimate of those properties for another formations, besides of another oil fields. Therefore, is recommended the use of a large data set of the same well in order to make possible the best interpretation.

Submitted by Hellen Luz (hellencrisluz@gmail.com) on 2017-07-26T17:00:27Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_AvaliacaoDesempenhoTecnicas.pdf: 3698170 bytes, checksum: 46cb9ea0205bb00976fb7b6694eb9b4b (MD5) / Approved for entry into archive by Irvana Coutinho (irvana@ufpa.br) on 2017-08-21T12:13:06Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_AvaliacaoDesempenhoTecnicas.pdf: 3698170 bytes, checksum: 46cb9ea0205bb00976fb7b6694eb9b4b (MD5) / Made available in DSpace on 2017-08-21T12:13:06Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_AvaliacaoDesempenhoTecnicas.pdf: 3698170 bytes, checksum: 46cb9ea0205bb00976fb7b6694eb9b4b (MD5) Previous issue date: 2014-05-26 / A localização em redes de sensores sem fio é um desafio que vai além do uso do popular GPS, com trabalhos diversos que visam aprimorá-lo ou mesmo substituí-lo. A localização pode ser realizada utilizando múltiplas antenas e seus respectivos ângulos, tempo e sincronização, diferencial de tempo entre envio de dois rádios diferentes ou mesmo com a potência do sinal.A partir destes padrões de estimativa, várias técnicas foram postuladas com objetivo de se utilizar dos recursos disponíveis para mensurar distâncias e estimar as coordenadas de um nó. Dentre estas técnicas pode-se citar como as mais importantes a Lateração, Nearest Neighbor, K-Nearest Neighbor, Min-Max, Non-Linear Regression, Iterative Non- Linear Regression, Sum-Dist, Dv-hop, Rede Neural Artificial, filtro de Kalman. Este trabalho conduz um conjunto de testes realizados em dois ambientes, sendo o primeiro indoor, e o segundo outdoor utilizando como hardware os módulos IRIS da MEMSIC para realização do experimento. Nestes testes são comparadas as técnicas Lateração, KNN e uma Rede Neural Artificial é proposta para o objetivo de estimar a localização de um nó da RSSF. São apresentadas as formulações matemáticas da Lateração e KNN, assim como a configuração da Rede Neural utilizada nos testes conduzidos neste trabalho. Os resultados são exibidos tomando o benchmark entre as técnicas para análise comparativa percentual entre as mesmas e para melhor análise quantitativa, os dados são Tabelados para visualização da precisão. / The location of wireless sensor networks is a challenge that goes beyond the use of popular GPS through several studies that aim to improve it or even replace it. The location can be performed using multiple antennas and their respective angles, and time synchronization, time differential between transmission of two different or same power with a radio signal. From these patterns estimated, various techniques have been postulated in order to use the resources available to measure distances and estimate the coordinates of a node. Among these techniques may be cited as the most important Lateração, Nearest Neighbor, K-Nearest Neighbor, Min-Max, Non-Linear Regression, Linear Regression Non-Iterative, Sum-Dist, Dv-hop, Artificial Neural Network, filter Kalman . This paper conducts a series of tests conducted in two environments, the first indoor, outdoor and the second using the hardware as the MEMSIC IRIS modules to perform the experiment. These tests are compared Lateração, KNN and an Artificial Neural Network techniques is proposed for the purpose of estimating the location of a WSN node. Lateração mathematical formulations KNN and are presented as well as the configuration of the neural network used in the tests conducted in this work. The results are shown taking the benchmark for comparative analysis techniques to the percentage there between and better quantitative analysis, the data are tabulated for display accuracy.

Este trabalho apresenta um sistema para o processamento do sinal mioelétrico baseado em Redes Neurais e Wavelets. Com a aquisição dos sinais mioelétricos dos músculos do segmento mão-braço, é possível determinar diversos parâmetros para a caracterização dos movimentos executados. A Transformada Wavelets foi utilizada na etapa de segmentação do sinal e a rede neural artificial na caracterização do movimento executado. O sistema é constituído de um eletromiógrafo (EMG de 8 canais), placa de aquisição de dados e um computador responsável pelo processamento dos dados. Foram utilizado eletrodos de superfície posicionados em lugares estratégicos no segmento mão-braço. O experimento consiste em repetir movimentos do segmento mão-braço executados por um modelo virtual. Os movimentos avaliados, neste trabalho, são: contração da mão, extensão do punho, flexão do antebraço, flexão do punho, rotação do braço, rotação e flexão do antebraço, rotação do braço e contração da mão, extensão e flexão do punho, contração da mão e elevação do braço. Esses movimentos são apresentados ao sujeito em determinadas sequências através dos modelos virtuais desenvolvidos, permitindo assim, a padronização do movimento a ser executado pelo voluntário O sinal é adquirido através de uma placa de aquisição e processado. As etapas principais de processamento são: segmentação do sinal de interesse através da Wavelet Discreta, extração de características (r.m.s, variância, desvio padrão, sesgo, curtose ) e uso da Rede Neural para determinar o movimento executado final dos testes, foi verificado que o movimento contração da mão e elevação do braço apresentou uma taxa de acerto média de 75%; o movimento flexão do antebraço obteve 81% de acerto médio; a contração da mão obteve 33% de acerto médio, o movimento contração da mão 76% de acerto médio; o movimento de flexão do punho 100 % de acerto médio, rotação e flexão do antebraço 66% de acerto médio, extensão e flexão do punho um 16% de acerto médio, extensão do punho 83,3% de acerto médio, rotação do braço 16,7% de acerto médio. Rotação do braço e contração da mão 83,3% de acerto médio. / This work presents a neural-network myoelectric processing-based system. With the acquisition of myoelectric signals from the muscles of the hand-arm segment, it is possible to determine the parameters that characterize the executed movements. Therefore, in this work Artificial Neural Networks are implemented to recognize patterns in order to determine the executed movement. The system is constituted by an electromyography (8-channel EMG), a data acquisition board and a computer responsible for data processing. In this research an experimental system is developed to capture the myoelectric signals by means of an EMG and a data acquisition board. Surface electrodes located in strategic places in the hand-arm segment are used. The experiment consists of repeated movements of the hand-arm segment executed by a virtual model. The movements examined in this work are: hand contraction, fist extension, forearm flexion, fist flexion, arm rotation, forearm rotation and flexion, fist contraction and extension and arm elevation. Those movements are presented to a volunteer in a random way by means of the virtual models developed, permitting a standardization of the movements that are to be executed by the volunteer. In the last part it is verified that the hand-contraction movement and the arm-elevation movement present an accuracy rate average of 75%; the forearm-flexion movement reaches 81% of accuracy rate average, the hand-contraction movement with 33% of accuracy rate average, the hand-contraction movement with 76% of accuracy rate average, the fist-flexion movement reached a 100% in the accuracy rate average, the forearm rotation flexion movement with a 66% in the accuracy rate average, the fist extension and flexion movement reaches the 16% in the accuracy rate average and the fist-extension movement with a 83.3% of accuracy rate average.

Ministério da Educação, Universidade Federal Rural da Amazônia e Programa de Pós-Graduação em Ciências Florestais. / The objective of this study was to compare the methodologies used to measure the volume of standing bark in natural forests, using regression analysis, mean shape factor, 0.7 form factor proposed by Heinsdijk & Bastos (1963) and artificial neural networks training in a dense ombrophilous forest in the municipality of Breu Branco-PA. A total of 576 trees were sown by the Smalian methodology and the information from 476 trees was used to estimate the coefficients of the volumetric equations and average form factor. 100 trees were also used, different from the 476 trees for data validation and normality. Three models of single entry and three of double entry were adjusted. The criteria used to select the best models were R²aj, Syx%, Syxr%, RQME, AIC, VP and waste distribution. Three thousand RNAs were trained for each analysis of tree volume estimation, using quantitative variables (DBH and commercial height) and qualitative (species). RQME parameters, Correlation Coefficient, Bias and graph analysis were used for the best RNA estimation. All volume estimates were compared to the volume cubed by the Smalian methodology and it was found that in this study there was no significant difference at a 95% probability between them. / Este estudo teve como objetivo comparar as metodologias utilizadas para mensurar o volume com casca de madeira em pé em florestas naturais, por meio da análise de regressão, fator de forma médio, fator de forma 0,7 proposto por Heinsdijk & Bastos (1963) e treinamento de Redes Neurais Artificiais em uma floresta ombrófila densa no município de Breu Branco-PA. Foram cubadas 576 árvores pela metodologia de Smalian e utilizadas as informações de 476 árvores, para estimativa dos coeficientes das equações volumétricas e fator de forma médio, também foram utilizadas 100 árvores diferentes das 476 arvores para validação e normalidade dos dados. Foram ajustados três modelos de simples entrada e três de dupla entrada. Os critérios utilizados para seleção dos melhores modelos foram R²aj, Syx%, Syxr%, RQME, AIC, VP e distribuição dos resíduos. Foram treinadas 3000 RNA para cada análise de estimativa de volume da árvore, utilizando variáveis quantitativas (DAP e Altura comercial) e qualitativa (espécie). Para a melhor estimativa da RNA foram utilizados os parâmetros RQME, Coeficiente de Correlação, Viés e análise de gráfico. Todas as estimativas de volumes foram comparado com o Volume cubado pela metodologia Smalian e verificou-se que neste estudo não obtiveram diferença significativa a uma probabilidade de 95% entre elas.

Submitted by Cleide Dantas (cleidedantas@ufpa.br) on 2014-08-05T13:44:13Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_IdentificacaoAutomaticaPrimeiras.pdf: 11576524 bytes, checksum: ad81c2874a0a83c3c5bd73b07a0c091c (MD5) / Rejected by Irvana Coutinho (irvana@ufpa.br), reason: Indexar os assuntos on 2014-08-06T13:10:44Z (GMT) / Submitted by Cleide Dantas (cleidedantas@ufpa.br) on 2014-08-11T13:31:43Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_IdentificacaoAutomaticaPrimeiras.pdf: 11576524 bytes, checksum: ad81c2874a0a83c3c5bd73b07a0c091c (MD5) / Approved for entry into archive by Irvana Coutinho (irvana@ufpa.br) on 2014-09-22T11:21:58Z (GMT) No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_IdentificacaoAutomaticaPrimeiras.pdf: 11576524 bytes, checksum: ad81c2874a0a83c3c5bd73b07a0c091c (MD5) / Made available in DSpace on 2014-09-22T11:21:58Z (GMT). No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_IdentificacaoAutomaticaPrimeiras.pdf: 11576524 bytes, checksum: ad81c2874a0a83c3c5bd73b07a0c091c (MD5) Previous issue date: 2000 / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / Apesar do avanço tecnológico ocorrido na prospecção sísmica, com a rotina dos levantamentos 2D e 3D, e o significativo aumento na quantidade de dados, a identificação dos tempos de chegada da onda sísmica direta (primeira quebra), que se propaga diretamente do ponto de tiro até a posição dos arranjos de geofones, permanece ainda dependente da avaliação visual do intérprete sísmico. O objetivo desta dissertação, insere-se no processamento sísmico com o intuito de buscar um método eficiente, tal que possibilite a simulação computacional do comportamento visual do intérprete sísmico, através da automação dos processos de tomada de decisão envolvidos na identificação das primeiras quebras em um traço sísmico. Visando, em última análise, preservar o conhecimento intuitivo do intérprete para os casos complexos, nos quais o seu conhecimento será, efetivamente, melhor aproveitado. Recentes descobertas na tecnologia neurocomputacional produziram técnicas que possibilitam a simulação dos aspectos qualitativos envolvidos nos processos visuais de identificação ou interpretação sísmica, com qualidade e aceitabilidade dos resultados. As redes neurais artificiais são uma implementação da tecnologia neurocomputacional e foram, inicialmente, desenvolvidas por neurobiologistas como modelos computacionais do sistema nervoso humano. Elas diferem das técnicas computacionais convencionais pela sua habilidade em adaptar-se ou aprender através de uma repetitiva exposição a exemplos, pela sua tolerância à falta de alguns dos componentes dos dados e pela sua robustez no tratamento com dados contaminados por ruído. O método aqui apresentado baseia-se na aplicação da técnica das redes neurais artificiais para a identificação das primeiras quebras nos traços sísmicos, a partir do estabelecimento de uma conveniente arquitetura para a rede neural artificial do tipo direta, treinada com o algoritmo da retro-propagação do erro. A rede neural artificial é entendida aqui como uma simulação computacional do processo intuitivo de tomada de decisão realizado pelo intérprete sísmico para a identificação das primeiras quebras nos traços sísmicos. A aplicabilidade, eficiência e limitações desta abordagem serão avaliadas em dados sintéticos obtidos a partir da teoria do raio. / In spite of the technologic development happened at seismic prospection, and the significative amount of data with seismic two-dimensional (2D) and three-dimensional (3D) surveys, some process in the seismic interpretation task like the first break picking, remains in a manual version, that still needs an intuitive human intervention. This dissertation purpose, fill in the seismic processing with the intention to look for an efficient method to enable the computational simulation of the human visual system behavior, through decision process automation involved in first break picking in a seismic trace; looking at to preserv the interpreter intuitive knowledgement to more complex tasks, where your knowledgement will be better profitable. Neural networks, the most important implementation of neurocomputing systems, were initially developed by neurobiologists as computer models of the neural system in the brain. They differ from conventional computation techniques in their ability to adaptively discriminate or learn through repeated exposure to examples, their tolerance to data component failure and their robustness in the presence of high noise levels. This computing technology provide some techniques that can reduce the labor intensive aspects of the first break picking, maintaining the quality and reliability of the results. The method here presented is an application of an artificial neural network computational process, known as feedforward multilayer perceptron trained with the error back-propagation algorithm; from the establishment of a convenient neural network architecture and learning set that make possible its application over seismic data. This method is a computational simulation of seismic interpreter decision intuitive process for first break picking in seismic traces. The applicability, efficiency and limitations of this approach will be appraised in synthetic data obtained starting out the ray theoretical method.

Submitted by Cleide Dantas (cleidedantas@ufpa.br) on 2014-08-05T15:51:38Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_IdentificacaoFaciesPerfis.pdf: 665471 bytes, checksum: a4caa8578a24f550d62e424c7cbedd4f (MD5) / Rejected by Irvana Coutinho (irvana@ufpa.br), reason: Indexar os assuntos on 2014-08-06T13:19:05Z (GMT) / Submitted by Cleide Dantas (cleidedantas@ufpa.br) on 2014-08-18T14:37:20Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_IdentificacaoFaciesPerfis.pdf: 665471 bytes, checksum: a4caa8578a24f550d62e424c7cbedd4f (MD5) / Approved for entry into archive by Irvana Coutinho (irvana@ufpa.br) on 2014-09-18T11:34:13Z (GMT) No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_IdentificacaoFaciesPerfis.pdf: 665471 bytes, checksum: a4caa8578a24f550d62e424c7cbedd4f (MD5) / Made available in DSpace on 2014-09-18T11:34:13Z (GMT). No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_IdentificacaoFaciesPerfis.pdf: 665471 bytes, checksum: a4caa8578a24f550d62e424c7cbedd4f (MD5) Previous issue date: 2014 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A identificação de fácies em um poço não testemunhado é um dos problemas clássicos da avaliação de formação. Neste trabalho este problema é tratado em dois passos, no primeiro produz-se a codificação da informação geológica ou da descrição das fácies atravessadas em um poço testemunhado em termos das suas propriedades físicas registradas nos perfis geofísicos e traduzidas pelos parâmetros L e K, que são obtidos a partir dos perfis de porosidade (densidade, sônico e porosidade neutrônica) e pela argilosidade (Vsh) calculada pelo perfil de raio gama natural. Estes três parâmetros são convenientemente representados na forma do Gráfico Vsh-L-K. No segundo passo é realizada a interpretação computacional do Gráfico Vsh-L-K por um algoritmo inteligente construído com base na rede neural competitiva angular generalizada, que é especializada na classificação de padrões angulares ou agrupamento de pontos no espaço n-dimensional que possuem uma envoltória aproximadamente elipsoidal. Os parâmetros operacionais do algoritmo inteligente, como a arquitetura da rede neural e pesos sinápticos são obtidos em um Gráfico Vsh-L-K, construído e interpretado com as informações de um poço testemunhado. Assim, a aplicação deste algoritmo inteligente é capaz de identificar e classificar as camadas presentes em um poço não testemunhado, em termos das fácies identificadas no poço testemunhado ou em termos do mineral principal, quando ausentes no poço testemunhado. Esta metodologia é apresentada com dados sintéticos e com perfis de poços testemunhados do Campo de Namorado, na Bacia de Campos, localizada na plataforma continental do Rio de Janeiro, Brasil. / Facies identification in an uncored borehole is a classic problem in formation evaluation. In this study, this problem is treated as the extraction of geological information or facies descriptions from a cored borehole in terms of their physical properties registered in well logs and perform their encoding through the parameters L and K calculated from porosity logs, and shaliness calculated using the natural gamma ray log to construct the Vsh-L-K plot. For interpretation is presented an intelligent algorithm based on the competitive generalized angular neural network, built for angular pattern classification or data clustering in n-dimensional space that have an approximately ellipsoidal envelope, which are the characteristics of clusters in the Vsh-L-K plot and make your visual interpretation extremely complex. The application of intelligent algorithm is able to identify and classify the layers present in uncored boreholes, in terms of the facies identified in the cored borehole or in terms of its main mineral, when it is absent in the cored borehole. This methodology is presented with synthetic data and well logs from cored boreholes in Namorado oil field, in the Campos Basin, located on the continental shelf of Rio de Janeiro, Brazil.

Submitted by Cleide Dantas (cleidedantas@ufpa.br) on 2014-09-18T14:30:47Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_InterpretacaoGraficoHingle.pdf: 522659 bytes, checksum: 507b861128b62985e78862762914d403 (MD5) / Approved for entry into archive by Ana Rosa Silva (arosa@ufpa.br) on 2014-09-18T16:28:19Z (GMT) No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_InterpretacaoGraficoHingle.pdf: 522659 bytes, checksum: 507b861128b62985e78862762914d403 (MD5) / Made available in DSpace on 2014-09-18T16:28:19Z (GMT). No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_InterpretacaoGraficoHingle.pdf: 522659 bytes, checksum: 507b861128b62985e78862762914d403 (MD5) Previous issue date: 2007 / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / A saturação de água é a principal propriedade petrofísica para a avaliação de reservatórios de hidrocarbonetos, pois através da análise dos seus valores é definida a destinação final do poço recém perfurado, como produtor ou poço seco. O cálculo da saturação de água para as formações limpas é, comumente, realizado a partir da equação de Archie, que envolve a determinação da resistividade da zona virgem, obtida a partir de um perfil de resistividade profunda e o cálculo de porosidade da rocha, obtida a partir dos perfis de porosidade. A equação de Archie envolve ainda, a determinação da resistividade da água de formação, que normalmente necessita de definição local e correção para a profundidade da formação e da adoção de valores convenientes para os coeficientes de Archie. Um dos métodos mais tradicionais da geofísica de poço para o cálculo da saturação de água é o método de Hingle, particularmente útil nas situações de desconhecimento da resistividade da água de formação. O método de Hingle estabelece uma forma linear para a equação de Archie, a partir dos perfis de resistividade e porosidade e a representa na forma gráfica, como a reta da água ou dos pontos, no gráfico de Hingle, com saturação de água unitária e o valor da resistividade da água de formação é obtido a partir da inclinação da reta da água. Independente do desenvolvimento tecnológico das ferramentas de perfilagem e dos computadores digitais, o geofísico, ainda hoje, se vê obrigado a realizar a interpretação de ábacos ou gráficos, sujeito a ocorrência de erros derivados da sua acuidade visual. Com o objetivo de mitigar a ocorrência deste tipo de erro e produzir uma primeira aproximação para a saturação de água em tempo real de perfilagem do poço, insere-se o trabalho apresentado nesta dissertação, com a utilização de uma conveniente arquitetura de rede neural artificial, a rede competitiva angular, capaz de identificar a localização da reta da água, a partir da identificação de padrões angulares presentes nos dados dos perfis de porosidade e resistividade representados no gráfico de Hingle. A avaliação desta metodologia é realizada sobre dados sintéticos, que satisfazem integralmente a equação de Archie, e sobre dados reais. / Water saturation is an important petrophysical property for formation evaluation, defining the final wellbore destination. The Archie’s equation calculates the water saturation for clean formations in function of rock resistivity, from a deep resistivity log and porosity, from one porosity log. The Archie’s equation, still involves the knowledge of formation water resistivity, which requires local determination and appropriated Archie’s coefficients. Hingle plot is traditional method in well logging for water saturation calculus, specially when the water resistivity is unknown. This method promotes a linearization of Archie’s equation from resistivity and porosity logs as the water line in the Hingle plot. The water resistivity is obtained from water line inclination. Independent of logging tools and digital computers development, the log analyst still handles with visual data interpretation and as all visual data interpretation, the Hingle plots interpretation is subject of sharpness errors. The objective of this dissertation is to simulate the visual interpretation of Hingle plot by a angular competitive neural network to mitigate the occurrence of sharpness errors and produces a real time first approach of water saturation, based on angular pattern identification in the raw well logging data.. The evaluation of this methodology is accomplished on synthetic data that satisfies the Archie’s equation and on actual well logging data.

Submitted by camilla martins (camillasmmartins@gmail.com) on 2017-01-10T18:24:56Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_UmaMetodologiaBiologicamenteInspirada.pdf: 6813858 bytes, checksum: e9f8d255746d2cab6cd257d65d193c43 (MD5) / Approved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2017-01-11T13:53:34Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_UmaMetodologiaBiologicamenteInspirada.pdf: 6813858 bytes, checksum: e9f8d255746d2cab6cd257d65d193c43 (MD5) / Made available in DSpace on 2017-01-11T13:53:34Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_UmaMetodologiaBiologicamenteInspirada.pdf: 6813858 bytes, checksum: e9f8d255746d2cab6cd257d65d193c43 (MD5) Previous issue date: 2016-08-26 / Essa tese propõe um algoritmo neuro-evolutivo (ANE) que utiliza um esquema de codificação indireto compacto para representar seus genótipos (um conjunto de dez regras de produção de um sistema de lindenmayer com memória), além disso, possui a habilidade de reuso dos genótipos e automaticamente construir redes neurais modulares, hierárquicas e recorrentes. Um algoritmo genético evolui um sistema de lindenmayer (sistema-l) que é usado para projetar a arquitetura de redes neurais. Essa codificação neural proporciona redução de escalabilidade e do espaço de busca em relação a outros métodos, possibilitando uma busca mais eficiente no espaço infinito de arquiteturas de redes neurais. Em adição, o sistema usa um mecanismo de checagem paralelo do genoma que aumenta o paralelismo implícito e a convergência do AG. A função fitness do ANE recompensa redes neurais que são facilmente implementadas. Essa é a primeira tentativa de gerar redes recorrentes a partir dessa combinação de metáforas. O ANE foi testado utilizando cinco bancos de dados do mundo real para classificação e três bens conhecidos para predição de séries temporais (PST). Os resultados são estatisticamente comparados com algoritmos proeminentes citados no estado da arte e com vários métodos de predição (ADANN, ARIMA, UCM e Forecast Pro®). Na maioria dos casos, o ANE superou os outros métodos produzindo classificação e predição de séries temporais mais precisas com um menor esforço computacional. Esses resultados são atribuídos a melhoria da eficácia e eficiência no processo de tomada de decisão. O resultado é uma arquitetura de rede neural otimizada para resolver problemas de classificação e simular problemas dinâmicos. / This thesis proposes a hybrid neuro-evolutive algorithm (NEA) that uses a compact indirect encoding scheme (IES) for representing its genotypes (a set of ten production rules of a Lindenmayer System with memory), moreover has the ability to reuse the genotypes and automatically build modular, hierarchical and recurrent neural networks. A genetic algorithm (GA) evolves a Lindenmayer System (L-System) that is used to design the neural network’s architecture. This basic neural codification confers scalability and search space reduction in relation to other methods. Furthermore, the system uses a parallel genome scan engine that increases both the implicit parallelism and convergence of the GA. The fitness function of the NEA rewards economical artificial neural networks (ANNs) that are easily implemented. The NEA was tested on five real-world classification datasets and three well-known datasets for time series forecasting (TSF). The results are statistically compared against established stateof- the-art algorithms and various forecasting methods (ADANN, ARIMA, UCM, and Forecast Pro®). In most cases, our NEA outperformed the other methods, delivering the most accurate classification and time series forecasting with the least computational effort. These superior results are attributed to the improved effectiveness and efficiency of NEA in the decisionmaking process. The result is an optimized neural network architecture for solving classification problems and simulating dynamical systems.

Submitted by Nathalya Silva (nathyjf033@gmail.com) on 2017-06-28T18:53:10Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_SistemaInteligenteSuporte.pdf: 7220905 bytes, checksum: f37e7c8fa38831e5d1198ddba5ee15f3 (MD5) / Approved for entry into archive by Irvana Coutinho (irvana@ufpa.br) on 2017-08-10T14:48:48Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_SistemaInteligenteSuporte.pdf: 7220905 bytes, checksum: f37e7c8fa38831e5d1198ddba5ee15f3 (MD5) / Made available in DSpace on 2017-08-10T14:48:48Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_SistemaInteligenteSuporte.pdf: 7220905 bytes, checksum: f37e7c8fa38831e5d1198ddba5ee15f3 (MD5) Previous issue date: 2017-02-21 / Este trabalho apresenta o desenvolvimento de um software que fornece um ambiente computacional para que o usuário possa realizar análises de Qualidade de Energia Elétrica (QEE) seguindo as normas estipuladas pela Agência Nacional de Energia Elétrica (ANEEL) através dos Procedimentos de Distribuição (PRODIST). Também é possível realizar análises de contribuição de impactos causados pela injeção de harmônicos na rede elétrica, apontando as possíveis parcelas percentuais de contribuição de cada Unidade Consumidora (UC), através de módulos que realizam um estudo de sensibilidade por meio de técnicas de Inteligência Computacional (IC) como Redes Neurais Artificiais (RNA), Árvores de Regressão (AR) e Regressão Linear Simples (RL). Para construção dos modelos são utilizados dados de séries temporais de harmônicos de corrente e de tensão que foram obtidos através de campanhas de medição. / This work presents the development of software that provides a computational environment so that the user can carry out analyzes of Quality of Eletrical Energy (QEE) following the rules stipulated by the National Eletrical Power Agency (ANEEL) through the Distribution Procedures (PRODIST). Also it is possible to do analysis of contribution of impacts caused by the injection of harmonics in the electric network, pointing out the possible percentage shares of contribution of each Consumer Unit (UC), through modules that perform a sensitivity study through Computational Intelligence (CI) techniques as Artificial Neural Network (ANN) Regression Trees (RT) and Simple Linear Regression (LR). For the construction of the models are used time series data of current and voltage harmonics that were obtained through measurement campaigns.

A navegação autônoma é um dos problemas fundamentais da robótica móvel. Para um robô executar esta tarefa, é necessário determinar a região segura para a navegação. Este trabalho propõe um sistema de identificação de superfícies navegáveis baseado em visão computacional utilizando redes neurais artificiais. Mais especificamente, é realizado um estudo sobre a utilização de diferentes atributos de imagem, como descritores estatísticos e elementos de espaços de cores, para serem utilizados como entrada das redes neurais artificiais que tem como tarefa a identificação de superfícies navegáveis. O sistema desenvolvido utiliza resultados de classificação de múltiplas configurações de redes neurais artificiais, onde a principal diferença entre elas é o conjunto de atributos de imagem utilizados como entrada. Essa combinação de diversas classificações foi realizada visando maior robustez e melhor desempenho na identificação de vias em diferentes cenários / Autonomous navigation is a fundamental problem in mobile robotics. In order to perform this task, a robot must identify the areas where it can navigate safely. This dissertation proposes a navigable terrain identification system based on computer vision and neural networks. More specifically, it is presented a study of image attributes, such as statistical decriptors and elements of different color spaces, that are used as neural neworks inputs for the navigable surfaces identification. The system developed combines the classification results of multiple neural networks topologies with different image attributes. This combination of classification results allows for improved efficient and robustenes in different scenarios