Submitted by Emanuel Varela Cardoso (emanuel.varela@ufcg.edu.br) on 2018-08-15T18:07:08Z No. of bitstreams: 1 LEANDRO RODRIGUES DE SOUZA – TESE (PPGMet) 2016.pdf: 12492309 bytes, checksum: ca8d5277ca89e54d596cec75ed55a590 (MD5) / Made available in DSpace on 2018-08-15T18:07:08Z (GMT). No. of bitstreams: 1 LEANDRO RODRIGUES DE SOUZA – TESE (PPGMet) 2016.pdf: 12492309 bytes, checksum: ca8d5277ca89e54d596cec75ed55a590 (MD5) Previous issue date: 2016-07-14 / CNPq / O objeto principal do estudo foi utilizar o modelo de mesoescala BRAMS (versão 5.2) para simular a variabilidade do vento, para fins de caracterização e avaliação de potencial eólico nos Estados do Amapá e Pará (Brasil) no ano de 2009. Na metodologia foram aplicados índices e um refinamento estatístico com Redes Neurais Artificiais (RNAs) para validação e ajustes das saídas do modelo atmosférico. Nos resultados, verificou-se que no Amapá a velocidade média do vento horária foi maior em Macapá com valor igual a 3,23 m/s e; no Pará foi em Soure com 2,61 m/s. Macapá (AP) e Soure (PA) apresentaram, também, os valores mais expressivos em escala mensal da velocidade do vento com 3,23 e 3,00 m/s, respectivamente. Após a simulação e uso RNAs, percebeu um aumento estatisticamente significativo da simulação numérica, que aumenta a credibilidade do BRAMS na caracterização da variabilidade do vento nas diversas escalas de tempo. Além disso, na análise da direção do vento, o modelo de mesoescala mostrou-se eficiente sua representação em todas as estações, inclusive com suas magnitudes, exceto em Belém que a direção predominante medida foi de Leste e o modelo reproduziu de Nordeste. No estudo de casos para períodos chuvoso e seco, foram observados que tanto o BRAMS como as RNAs representaram a variabilidade da intensidade do vento de forma eficiente em todas as estações, exceto Macapá que o modelo atmosférico subestimou. Os índices estatísticos (BIAS, RMSE e r) aplicados nas comparações dos dados foram satisfatórios para o BRAMS e com as RNAs, no qual o coeficiente de Pearson na maioria das estações mostrou correlações Moderadas (0,40 a 0,69) alcançando correlações Muito Forte (0,90 a 1,0). Em seguida, os parâmetros da FDP de Weibull indicaram que BRAMS melhor simulou o parâmetro de Forma na maioria dos pontos de estudo e, as RNAs mostraram representação mais adequada do parâmetro de Escala. Por tanto, a utilização de modelos atmosféricos para simular a variabilidade do vento é uma ferramenta importante, principalmente, quando não há registros de dados observacionais em locais remotos. E, se tratando de Amazônia, a baixa densidade de estações meteorológicas na extensa região inviabiliza estudos detalhados para monitorar locais com potencial eólico. / The main objective of the study was to use the mesoscale model BRAMS (version 5.2) to simulate the wind variability, for the purpose of characterization and wind potential evaluation in the states of Amapá and Pará (Brazil) in 2009. The methodology was applied indexes and statistical refinement with Artificial Neural Networks (ANN) for validation and adjustments of the atmospheric model outputs. As a result, it was found that in Amapá average wind speed time was higher in Macapá with a value of 3,23 m/s and; Pará was in Soure with 2,61 m/s. Macapa (AP) and Soure (PA) had also the higher values in wind speed of the monthly scale with 3,23 and 3,00 m/s, respectively. After the ANN and use simulation to validation, noticed a statistically significant increase in numerical simulation, which increases the credibility of BRAMS to characterize the wind variability in different time scales. Moreover, the wind direction analysis, the mesoscale model was efficient representation in all seasons, including their magnitudes, except in Bethlehem to the predominant direction as was East and reproduced Northeast model. In the case studies for rainy and dry seasons, it was observed that both the BRAMS as ANN represented the wind speed variability efficiently in all seasons except Macapa that atmospheric model underestimated. Statistical indices (BIAS, RMSE and r) applied to the data comparisons were satisfactory for BRAMS and the ANN in which the Pearson coefficient of at most stations showed moderate correlations (0,40-0,69) reaching correlations very strong (0.90-1,0). Then, the PDF Weibull parameters indicated that BRAMS best simulated shape parameter in most points of study and the RNAs showed better representation of the scale parameter. Therefore, the use of atmospheric models to simulate the wind variability is an important tool, especially when there are no records of observational data in remote locations. And, in the case of Amazon, the low density of weather stations in the vast region derail detailed studies to monitor places with wind potential.

[pt] Esta dissertação investiga os efeitos do racionamento de energia elétrica ocorrido no período entre junho de 2001 a fevereiro de 2002, nas previsões de energia das principais concessionárias brasileiras. Para tal, estudamos o desempenho de modelos lineares e não-lineares. Dentre os modelos lineares, analisamos os modelos ARIMA (p,d,q) de Box & Jenkins e os modelos de amortecimento exponencial de Holt & Winters. Dentre os modelos não-lineares, são abordadas técnicas de inteligência artificial tais como Redes Neurais e Lógica Fuzzy. Visto que o racionamento levou a previsões ineficientes, propomos alternativas para reduzir seu impacto. Por último, investigamos os impactos causados pela crise energética nas previsões doze passos à frente de carga elétrica provenientes de vinte e oito concessionárias. A base de dados é composta pelos valores observados e as previsões fornecidas pelo PREVCAR, um dos sistemas de previsão da cadeia oficial de programas do setor elétrico brasileiro. Por meio de um procedimento de Análise de Agrupamento utilizando Redes Neurais Artificiais do tipo SOM (Self Organizing Map) de Kohonen são estabelecidos os grupos de concessionárias que possuem os mesmos comportamentos diante do racionamento. Como resultado final, foram estimados fatores de redução das previsões causados pelo racionamento, que servem como base de cálculo para reduções nas previsões futuras em períodos de crise de abastecimento. / [en] This dissertation aims at an exploratory study of impacts caused by the 2001 energy crisis on the current forecasts produced on a monthly basis for main distributing utilities. For that we show an accuracy study of the performance of the linear and non-linear models. It has been used, within the linear models class, the modeling approach of Box-Jenkins and exponential smoothing of Holt- Winters. Within the non-linear ones, it was chosen those based on artificial intelligence techniques, such as Fuzzy Logic and Artificial Neural Network. Due to the lack of accuracy of the models to cope with the discontinuities provoked by the crisis on the forecasts, some alternative tools to reduce the impact on the forecast errors are proposed. Finally, the impacts caused by the crisis on multiple steps ahead forecasts have also been investigated. It was taken the monthly forecasts produced by PREVCAR (one of official Brazilian load forecasting system), as well as the observed values covering the same period, to create the crisis response indices series for each one of the twenty and eight utilities included in the analysis. It was also used the well-known neural network based algorithm SOM (Self Organizing Maps) to classify the utilities into homogeneous groups, according to their response to the energy crisis. As a final result, for each group, it was estimated the reduction factors that can be used as a prior information in future energy supply crisis.

Data de aprova??o retirada da vers?o impressa do trabalho. / Submitted by Jos? Henrique Henrique (jose.neves@ufvjm.edu.br) on 2017-09-05T18:36:05Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) tamires_mousslech_andrade_penido.pdf: 7601696 bytes, checksum: 5db79c506834a030e0682976f71d2692 (MD5) / Approved for entry into archive by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br) on 2017-09-18T17:02:44Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) tamires_mousslech_andrade_penido.pdf: 7601696 bytes, checksum: 5db79c506834a030e0682976f71d2692 (MD5) / Made available in DSpace on 2017-09-18T17:02:44Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) tamires_mousslech_andrade_penido.pdf: 7601696 bytes, checksum: 5db79c506834a030e0682976f71d2692 (MD5) Previous issue date: 2017 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / A modelagem ? um procedimento estat?stico empregado por gestores florestais para esbo?ar o desenvolvimento vegetal com precis?o. Informa??es confi?veis do crescimento e da produ??o s?o essenciais para predizer e quantificar a estrutura futura do povoamento. O presente trabalho foi dividido em dois cap?tulos. Os objetivos foram avaliar a efici?ncia de se estimar a altura empregando diferentes modelos hipsom?tricos, crit?rios de estratifica??o e m?todos de ajuste, al?m de comparar tr?s categorias de modelos de crescimento e produ??o (MCP) em planta??es comerciais de eucalipto. Foram definidas quatro unidades de manejo florestal, totalizando 293,43 ha. O invent?rio florestal cont?nuo foi realizado em 34 parcelas permanentes de 400 m2. O espa?amento de plantio foi de 3,0 x 2,5 m. Avaliou-se a precis?o do ajuste de treze modelos hipsom?tricos. Foram treinadas RNA empregando as mesmas vari?veis de resposta e preditoras adotadas nas equa??es selecionadas. As categorias de MCP testadas foram: em n?vel de povoamento (MP), pelo sistema de equa??es simult?neas de Clutter; de distribui??o diam?trica (MDD), pelo ajuste de fun??o densidade de probabilidade de Weibul-2P e de ?rvores individuais (MAI), pelo modelo de Pienaar e Schiver. As equa??es provenientes do modelo de altura em fun??o do di?metro e da altura dominante forneceram estimativas confi?veis da altura para diferentes crit?rios de estratifica??o, demonstrando superioridade em rela??o aos modelos locais. A modelagem por regress?o e redes demonstraram-se adequadas para estimar a altura, com ou sem estratifica??o do banco de dados. A estratifica??o ? um procedimento que pode melhorar a qualidade das estimativas de altura obtidas por regress?o e RNA. As tr?s categorias de modelo proporcionaram estimativas confi?veis da produ??o em volume com casca, aos 36, 48, 60 e 72 meses, para as unidades de manejo estudadas. O MAI foi a categoria mais precisa e consistente na estimativa do volume por hectare. As proje??es com MP e MDD podem gerar estimativas similares de volume para idades al?m daquelas em que se realizou o invent?rio florestal. / Disserta??o (Mestrado) ? Programa de P?s-Gradua??o em Ci?ncia Florestal, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2017. / Modeling is a statistical procedure employed by forest managers to sketch plant development with precision. Reliable growth and production information are essential to predict and quantify the future stand structure. The present work was divided in two chapters. The objectives were to evaluate the efficiency of height estimation using different hypsometric models, stratification criteria and adjustment methods, beside to evaluate and compare three categories of growth and yield models (MCP) in commercial eucalypt plantations. Four forest management units were defined, totaling 293.43 ha. The continuous forest inventory was realized in 34 permanent plots of 400 m2. The planting spacing was 3.0 x 2.5 m. The accuracy of the fit of thirteen hypsometric models was evaluated. ANN were trained using the same response e predictive variables adopted in the selected equations. The MCP categories tested were: in level of stand (MP), using Clutter?s simultaneous equations; diameter distribution model (MDD), by adjustment of the Weibull-2P?s probability density function and individual trees (MAI), by Pienaar and Schiver model. The equations from the height model according to the diameter and the dominant height provided reliable height estimates for different stratification criteria, showing superiority in relation to local models. Regression and networks modelling were suitable for estimating height, with or without stratification of the database. Stratification is a procedure that can improve the quality of the estimates obtained by regression and ANN. The three model categories provided reliable estimates of the volume with bark production at 36, 48, 60 and 72 months for the management units studied. MAI was the most accurate and consistent category in estimating volume per hectare. Projections with MP and MDD can generate similar estimates of volume for ages beyond those in which the forest inventory was carried out.

Submitted by Jos? Henrique Henrique (jose.neves@ufvjm.edu.br) on 2017-12-18T20:32:46Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) eulalia_aparecida_silva.pdf: 2432219 bytes, checksum: e8c925e3e5ce27f2aa2cd5015580bd28 (MD5) / Approved for entry into archive by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br) on 2018-01-03T17:15:50Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) eulalia_aparecida_silva.pdf: 2432219 bytes, checksum: e8c925e3e5ce27f2aa2cd5015580bd28 (MD5) / Made available in DSpace on 2018-01-03T17:15:50Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) eulalia_aparecida_silva.pdf: 2432219 bytes, checksum: e8c925e3e5ce27f2aa2cd5015580bd28 (MD5) Previous issue date: 2017 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / O objetivo do trabalho foi avaliar a efici?ncia da classifica??o da capacidade produtiva de povoamentos florestais de eucalipto (Eucalyptus ssp.) por meio de rede neural artificial (RNA). Os dados utilizados foram provenientes de invent?rios florestais cont?nuos conduzidos em povoamentos de clones de Eucalyptus ssp. localizados no estado de Minas Gerais. A classifica??o da capacidade produtiva foi realizada por meio de quatro m?todos: curva-guia, predi??o dos par?metros, equa??o das diferen?as e rede neural artificial. Em todos os m?todos foi adotada uma idade de refer?ncia de 72 meses e foram obtidas tr?s classes de capacidade produtiva (superior, m?dia e inferior). Para os m?todos da curva-guia e equa??o das diferen?as foi empregado o modelo de Schumacher linearizado e para o m?todo da predi??o dos par?metros foi utilizado o modelo log?stico. Na classifica??o por meio de RNA utilizou-se a rede auto-organiz?vel de Kohonen, sendo o agrupamento realizado em dois est?gios. Na primeira etapa os dados foram utilizados para treinar a rede e na segunda etapa os vetores de pesos sin?pticos foram agrupados utilizando o m?todo do vizinho mais distante. Foram testadas diferentes entradas (E) para as RNA: E1- volume total com casca (V); E2- ?rea basal (B); E3- altura total (Ht); E4- altura dominante (Hd); E5- di?metro quadr?tico m?dio (q); e E6- V, B, Ht, Hd, q e n?mero de ?rvores por hectare. A sele??o da entrada foi realizada por meio da an?lise discriminante, sendo selecionada a entrada E6 com 83,6% de acerto geral. Os m?todos foram comparados em termos de porcentagem de coincid?ncia na aloca??o dos talh?es, ?rea e volume por classe de capacidade produtiva. As classes obtidas pelos m?todos da curva-guia e equa??o das diferen?as foram muito semelhantes de acordo com os crit?rios de compara??o adotados. A classifica??o pelo m?todo da predi??o dos par?metros n?o foi semelhante aos outros m?todos. A classifica??o por meio de rede neural artificial foi eficiente quando comparada aos demais m?todos em termos de porcentagem de coincid?ncia na aloca??o dos talh?es, ?rea e estoque volum?trico por classe de capacidade produtiva. / Disserta??o (Mestrado) ? Programa de P?s-Gradua??o em Ci?ncia Florestal, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2017. / The objective of this work was to evaluate the efficiency of the classification of the productive capacity of eucalyptus forest stands (Eucalyptus ssp.) through artificial neural network (ANN). The data used came from continuous forest inventories conducted in stands of Eucalyptus ssp. located in the state of Minas Gerais. The classification of the productive capacity was accomplished through four methods: guide curve, prediction of the parameters, equation of the differences and artificial neural network. In all methods, a reference age of 72 months was adopted and three productive capacity classes (upper, middle and lower) were obtained. For the methods of the guide curve and equation of the differences was used the linearized Schumacher model and for the method of the prediction of the parameters was used the logistic model. In the classification by ANN was used the self-organizing network Kohonen, which the grouping was performed in two stages. In the first step the data were used to train the network and in the second step the vectors of synaptic weights were grouped using the method of the most distant neighbor. Different entries (E) for RNA were tested: E1- total volume with bark (V); E2- basal area (B); E3- total height (Ht); E4- dominant height (Hd); E5- square mean diameter (q); and E6- V, B, Ht, Hd, q and number of trees per hectare. The selection of the input was performed through the discriminant analysis, and the E6 input was selected with 83.6% of the general hit. The methods were compared in terms of coincidence percentage in the allocation of stands, area and volume by class of productive capacity. The classes obtained by the guide curve methods and equation of the differences were very similar according to the adopted criteria of comparison. Classification by the method of parameter prediction was not similar to the other methods. The classification by artificial neural network was efficient when compared to the other methods in terms of coincidence percentage in the allocation of stands, area and volumetric stock by productive capacity class.

Submitted by RAFAEL RUBIATI SCALVENZI (rafaelrubiati@yahoo.com) on 2018-08-23T14:58:47Z No. of bitstreams: 1 Dissertacao Rafael Rubiati.pdf: 3684917 bytes, checksum: 933c9cd1b163eaf62189c9f2bcfcdd2f (MD5) / Approved for entry into archive by Elza Mitiko Sato null (elzasato@ibilce.unesp.br) on 2018-08-23T19:34:48Z (GMT) No. of bitstreams: 1 scalvenzi_rr_me_sjrp_.pdf: 3684917 bytes, checksum: 933c9cd1b163eaf62189c9f2bcfcdd2f (MD5) / Made available in DSpace on 2018-08-23T19:34:48Z (GMT). No. of bitstreams: 1 scalvenzi_rr_me_sjrp_.pdf: 3684917 bytes, checksum: 933c9cd1b163eaf62189c9f2bcfcdd2f (MD5) Previous issue date: 2018-07-20 / A área na qual a música está inserida requer, para sua compreensão, considerável abstração. Neste âmbito, a análise matemático-computacional possui papel importante, principalmente para planejar a interatividade entre aluno e computador, potencializando o aprendizado musical. Embora um número considerável de estudos em diferentes contextos sejam dedicados à classificação das estruturas sonoras, os procedimentos de análise em um grande conjunto de sinais podem tornar-se uma tarefa difícil e exaustiva. Diante do exposto, este trabalho tem como objetivo a proposição e a implementação de um método capaz de reconhecer e classificar sinais musicais em tempo real, visando auxiliar os aprendizes. No método proposto, um conjunto relevante de eventos musicais é inspecionado por meio da análise de multirresolução baseada na Transformada Wavelet-Packet, escolhida em função da característica multidimensional encontrada na música, a qual permite isolar diferentes eventos musicais em níveis de decomposição wavelet distintos. Apoiado por um processo de autocorrelação e uma rede neural artificial, cada padrão sônico é associado ao seu respectivo evento musical. Testes envolvendo centenas de sinais permitiram obter uma acurácia quase plena com um tempo relativamente bastante pequeno de análise em função da baixa ordem de complexidade computacional do algoritmo implementado, reafirmando a sua aplicabilidade / Music belongs to an area which requires a considerable piece of abstraction for its understanding. In this domain, computational and mathematical analyses play an important role, particularly for planning human-machine interaction and enhancing learning. Although a considerable number of studies in different musical contexts are dedicated to the classification of the structures present in sound signals, the inspection of long clips is a challenge. Thus, this work proposes and implements a method capable of identifying and classifying musical signals in real-time, helping music students. Specifically, multiresolution analysis using the Wavelet-Packet Transform is adopted, allowing for different musical events to be isolated in distinct wavelet levels of decomposition. Based on an autocorrelation and an artificial neural network, each sonic pattern is associated with a respective musical event. Tests using hundreds of music clips exhibit almost full accuracy with relatively very short time consumption as a function of the algorithm low level of computational complexity, reassuring its applicability.

Diversas atividades humanas são fortemente dependentes do clima e da sua variabilidade, especialmente aquelas relacionadas ao uso da água. A operação integrada de reservatórios com múltiplos usos requer uma série de decisões que definem quanta água deve ser alocada, ao longo do tempo para cada um dos usos, e quais os volumes dos reservatórios a serem mantidos. O conhecimento antecipado das condições climáticas resulta de vital importância para os operadores de reservatórios, pois o insumo dos reservatórios é a vazão dos rios, que por sua vez é dependente de condições atmosféricas e hidrológicas em diferentes escalas de tempo e espaço. A pesquisa trata sobre três importantes elementos de subsídio à tomada de decisão na operação de reservatórios baseada na previsão de variáveis hidrológicas: (a) as previsões de vazão de curto prazo; (b) as previsões de precipitação de longo prazo e (c) as medidas de desempenho das previsões. O reservatório de Furnas, localizado na bacia do Rio Grande, em Minas Gerais, foi selecionado como estudo de caso devido, principalmente, à disponibilidade de previsões quantitativas de chuva e pela importância desse reservatório na região analisada. A previsão de curto prazo de vazão com base na precipitação foi estimada com um modelo empírico (rede neural artificial) e a previsão de precipitação foi obtida pelo modelo regional ETA. Uma metodologia de treinamento e validação da rede neural artificial foi desenvolvida utilizando previsões perfeitas de chuva (considerando a chuva observada como previsão) e utilizando o maior número de dados disponíveis, favorecendo a representatividade dos resultados obtidos. A metodologia empírica alcançou os desempenhos obtidos com um modelo hidrológico conceitual, mostrando-se menos sensitiva aos erros na previsão quantitativa de precipitação nessa bacia. Os resultados obtidos mostraram que as previsões de vazão utilizando modelos empíricos e conceituais e incorporando previsões quantitativas de precipitação são melhores que a metodologia utilizada pelo ONS no local de estudo. A redução dos erros de previsão relativos à metodologia empregada pelo ONS foi em torno de 20% quando usadas previsões quantitativas de precipitação definidas pelo modelo regional ETA e superiores a 50% quando usadas previsões perfeitas de precipitação. Embora essas últimas previsões nunca possam ser obtidas na prática, os resultados sugerem o quanto o incremento do desempenho das previsões quantitativas de chuva melhoraria as previsões de vazão. A previsão de precipitação de longo prazo para a bacia analisada foi também estimada com um modelo empírico de redes neurais artificiais e utilizando índices climáticos como variáveis de entrada. Nesse sentido, foram estimadas previsões de precipitação acumulada no período mais chuvoso (DJF) utilizando índices climáticos associados a fenômenos climáticos, como o El Niño - Oscilação Sul e a Oscilação Decadal do Pacífico, e a modos de variabilidade climática, como a Oscilação do Atlântico Norte e o Modo Anular do Hemisfério Sul. Apesar das redes neurais artificiais terem sido aplicadas em diversos problemas relacionados a hidrometeorologia, a aplicação dessas técnicas na previsão de precipitação de longo prazo é ainda rara. Os resultados obtidos nesse trabalho mostraram que consideráveis reduções dos erros da previsão relativos ao uso apenas da média climatológica como previsão podem ser obtidos com a metodologia utilizada. Foram obtidas reduções dos erros de, no mínimo 50%, e chegando até um valor próximo a 75% nos diferentes testes efetuados no estudo de caso. Uma medida de desempenho da previsão foi desenvolvida baseada no uso de tabelas de contingência e levando em conta a utilidade da previsão. Essa medida de desempenho foi calculada com base nos resultados do uso das previsões por um modelo de operação de reservatório, e não apenas na comparação de vazões previstas e observadas. Nos testes realizados durante essa pesquisa, ficou evidente que não existe uma relação unívoca entre qualidade das previsões e utilidade das previsões. No entanto, em função de comportamentos particulares das previsões, tendências foram encontradas, como por exemplo nos modelos cuja previsão apresenta apenas defasagem. Nesses modelos, a utilidade das previsões tende a crescer na medida que a qualidade das mesmas aumenta. Por fim, uma das grandes virtudes da medida de desempenho desenvolvida nesse trabalho foi sua capacidade de distinguir o desempenho de modelos que apresentaram a mesma qualidade. / Several human activities are strongly dependent on climate and its variability, especially those related to water use. The operation of multi-purpose reservoirs systems defines how much water should be allocated and the reservoir storage volumes to be maintained, over time. Knowing in advance the weather conditions helps the decision making process, as the major inputs to reservoirs are the streamflows, which are dependent on atmospheric and hydrological conditions at different time-space scales. This research deals with three important aspects towards the decision making process of multi-purpose reservoir operation based on forecast of hydrological variables: (a) short-term streamflow forecast, (b) long-range precipitation forecast and (c) performance measures. The Furnas reservoir on the Rio Grande basin was selected as the case study, primarily because of the availability of quantitative precipitation forecasts from the Brazilian Center for Weather Prediction and Climate Studies and due to its importance in the Brazilian hydropower generation system. Short-term streamflow forecasts were estimated by an empirical model (artificial neural network – ANN) and incorporating forecast of rainfall. Quantitative precipitation forecasts (QPFs), defined by the ETA regional model, were used as inputs to the ANN models. A methodology for training and validating the ANN models was developed using perfect precipitation forecasts (i.e., using the observed precipitation as if it was a forecast) and considering the largest number of available samples, in order to increase the representativeness of the results. The empirical methodology achieved the performance obtained with a conceptual hydrological model and seemed to be less sensitive to precipitation forecast error relative to the conceptual hydrological model. Although limited to one reservoir, the results obtained show that streamflow forecasting using empirical and conceptual models and incorporating QPFs performs better than the methodology used by ONS. Reduction in the forecast errors relative to the ONS method was about 20% when using QPFs provided by ETA model, and greater than 50% when using the perfect precipitation forecast. Although the latter can never be achieved in practice, these results suggest that improving QPFs would lead to better forecasts of reservoir inflows. Long-range precipitation forecast was also estimated by an empirical model based on artificial neural networks and using climate indices as input variables. The output variable is the summer (DJF) precipitation over the Furnas watershed. It was estimated using climate indices related to climatic phenomena such as El Niño - Southern Oscillation and the Pacific Decadal Oscillation and modes of climate variability, such as the North Atlantic Oscillation and the Southern Annular Mode. Despite of ANN has been applied in several problems of hydrometeorological areas, the application of such technique for long-range precipitation forecast is still rare. The results obtained demonstrate how the methodology for seasonal precipitation forecast based on ANN can be particularly helpful, with the use of available time series of climate indices. Reductions in the forecast errors achieved by using only the climatological mean as forecast were considerable, being at least of 50% and reaching values close to 75% in several tests. A performance measure based on the use of contingency tables was developed taking into account the utility of the forecast. This performance measure was calculated based on the results of the use of the forecasts by a reservoir operation model, and not only by comparing streamflow observed and forecast. The performed tests show that there is no unequivocal relationship between quality and utility of the forecasts. However, when the forecast has a particular behavior, trends were found in the relationship between utility and quality of the forecast, such as models that generate streamflow forecast with lags in comparison to the observed values. In these models, the utility of the forecasts tends to enhance as the quality increases. Finally, the ability to distinguish the performance of forecast models having similar quality was one of the main merits of the performance measure developed in this research.

A otimização estrutural, utilizando ferramentas computacionais é um grande campo de pesquisa na atualidade. Os métodos utilizados, dependendo da complexidade do problema, demandam um grande custo computacional, e por isso vem sendo avaliandas várias técnicas para diminuí-lo. Uma delas é o emprego de técnicas de aproximação de análises, dentre as quais destacam-se as redes neurais, que combinadas aos métodos de otimização e de análises clássicos conseguem bons resultados e reduzem significativamente o tempo de processamento. O emprego dos compósitos laminados como material estrutural vem crescendo nos últimos tempos, incentivado pela suas excelentes propriedades mecânicas e baixo peso. Em consenso com todo o esforço científico dedicado a essa área, o presente trabalho visa a implementação de uma ferramenta computacional capaz de otimizar estruturas complexas fabricadas com tais materiais, a um baixo custo computacional. Com isto em mente, é desenvolvido um sistema de otimização, aproveitando módulos implementados previamente para a análise estática linear e não linear através do método dos elementos finitos (MEF), e o módulo de otimização por algoritmos genéticos. Serão desenvolvidos os módulos de análise modal, para otimizar também estruturas com critérios baseados em freqüências e modos, e o modulo de redes neurais de tipo perceptron para aproximações das análises feitas através do MEF. Alguns exemplos são apresentados para demonstrar que bons resultados são obtidos com a utilização de redes neurais artificiais, cujo treinamento permite poupar tempo computacional proveniente do grande número de análises usualmente necessárias no processo de otimização. / Structural optimization using computational tools has become a major research field in recent years. Methods commonly used in structural analysis and optimization may demand considerable computational cost, depending on the problem complexity. Therefore, many techniques have been evaluated in order to diminish such impact. Among these various techniques, artificial neural networks may be considered as one of the main alternatives, when combined with classic analysis and optimization methods, to reduce the computational effort without affecting the final solution quality. Use of laminated composite structures has been continuously growing in the last decades due to the excellent mechanical properties and low weight characterizing these materials. Taken into account the increasing scientific effort in the different topics of this area, the aim of the present work is the formulation and implementation of a computational code to optimize manufactured complex laminated structures with a relatively low computational cost by combining the Finite Element Method (FEM) for structural analysis, Genetic Algorithms (GA) for structural optimization and Artificial Neural Networks (ANN) to approximate the finite element solutions. The modules for linear and geometrically non-linear static finite element analysis and for optimize laminated composite plates and shells, using GA, were previously implemented. Here, the finite element module is extended to analyze dynamic responses to optimize problems based in frequencies and modal criteria, and a module with perceptron ANN is added to approximate finite element analyses. Several examples are presented to show the effectiveness of ANN to approximate solutions obtained using the FEM and to reduce significatively the computational cost.

Submitted by Joseilton Rocha (jsrocha@ufba.br) on 2012-12-11T21:41:47Z No. of bitstreams: 1 OLIVEIRA,%20F_N_.pdf: 1937121 bytes, checksum: 6cc7b8ead0080d335f9ecebdefe23bb5 (MD5) / Made available in DSpace on 2012-12-11T21:41:47Z (GMT). No. of bitstreams: 1 OLIVEIRA,%20F_N_.pdf: 1937121 bytes, checksum: 6cc7b8ead0080d335f9ecebdefe23bb5 (MD5) / CNPQ / Esta pesquisa procurou investigar a utilização de Redes Neurais Artificiais (RNA) como instrumento de seleção de contribuintes a serem fiscalizados pela Secretaria da Fazenda do Estado da Bahia (SEFAZ-BA), constituindo-se em uma alternativa ao atual modelo vigente que se baseia na dicotomia entre interesse e relevância. A pesquisa caracterizou-se como explicativa e estudo de caso, pois estudou o caso específico do Estado da Bahia e explicou fenômenos baseados em informações coletadas junto aos contribuintes a serem fiscalizados. O referencial teórico baseou-se nos fundamentos do papel do Estado contemporâneo e a questão das finanças públicas, a discussão sobre as Redes Neurais Artificiais (RNA) e sua aplicação na seleção de contribuintes do Imposto sobre Operações Relativas à Circulação de Mercadorias e sobre Transporte Interestadual e Intermunicipal e de Comunicações (ICMS). No Estado da Bahia em 2010, este imposto correspondia a 86,62% das receitas tributárias do Estado. Este fato evidencia a necessidade da SEFAZ-BA acompanhar os níveis de arrecadação dos contribuintes identificando distorções que indiquem uma eventual sonegação do tributo. Os resultados apontam que as RNAs são um instrumento que podem ser utilizado como ferramenta de seleção e identificação de problemas no que se refere aos dados fiscais de arrecadação e sonegação do ICMS. O modelo apresentado demonstrou ser possível fazer uma classificação mais objetiva na indicação de contribuintes com alto, médio e baixo risco de sonegação e, portanto, contribuir para uma gestão mais eficiente e eficaz na alocação de recursos materiais e humanos da SEFAZ-BA em sua atividade precípua de fiscalização, preenchendo lacuna hoje existente quanto à utilização de uma ferramenta em bases científicas.

This work presents a black box identification for a continuous methanol-water distillation column setting in open loop and closed loop response. Step changes and Pseudo-Random Binary Signal (PRBS) disturbance were used to excite the plant. The mathematical models candidates to identify were the Artificial Neural Networks (ANN) and the parametric models: ARX(autoregressive with exogenous inputs ), ARMAX (AutoRegressive Moving Average with eXogenous inputs ), OE(Output Error) and the Box-Jenkins (BJ)structure. The closed loop configuration was the R-V. The results showed that for the bottom loop, the best response were given by BJ, OE and RNA for both open and closed loop response. For the top closed loop, the best responses were also given by BJ, OE and RNA while in open loop condition, the RNA was the one that gave satisfactory outcome. It was verified that the pseudo-random binary signal was a good choice of excitation signal in identification for both open loop and closed dynamic systems. / Foi realizado neste trabalho identificação caixa preta do processo de destilação Metanol-Água nas configurações malha aberta e malha fechada, utilizando como sinais de perturbação a função degrau e o Sinal Binário Pseudo-Aleatório (PRBS) para excitar a planta. Os modelos matemáticos candidatos a identificação foram as Redes Neurais Artificiais (RNA), e os modelos paramétricos discretos lineares autorregressivo com entradas externas (ARX do inglês AutoRegressive with eXogenous Inputs), autorregressivo com média móvel e entradas exógenas (ARMAX do inglês AutoRegressive Moving Average with eXogenous Inputs), modelo do tipo erro na saída (OE do inglês Output Error) e a estrutura Box-Jenkins (BJ). Com a disposição dos modelos, foram comparados quais dos modelos matemáticos candidatos à identificação melhor representa o processo coluna de destilação metanol-água. Comparou-se qual configuração do processo no ensaio de identificação para geração de dados apresenta mais vantagens, se em malha aberta ou em malha fechada, nas condições e metodologias utilizadas. Constatou-se a funcionalidade do sinal binário pseudo-aleatório como uma boa opção de excitação na identificação em malha aberta e fechada para sistemas dinâmicos.

Made available in DSpace on 2015-03-26T12:27:15Z (GMT). No. of bitstreams: 1 texto completo.pdf: 8085749 bytes, checksum: 16c9ec262ce793f99b1a887855d560a4 (MD5) Previous issue date: 2012-12-21 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / This study aimed to develop a complete model in individual tree basis for a fragment of Semideciduous Montana forest using artificial neural networks (ANN) and validate their application. Data from ten permanent plots in a forest of 17 ha in Viçosa, MG, at the intermediate stage of ecological succession, monitored for 14 years (1994, 1997, 2000, 2004 and 2008) were used for this purpose. The data set was randomly divided into two groups: 1) training networks group, consisting of six parcels totaling 3,556 cases at five measurements, observed 231 cases of death and 238 cases of ingrowth, and 2) the validation model group, consisting of four parcels, totaling 2,062 cases, with 181 cases of death and 146 cases of ingrowth. The work was divided into four chapters where, in Chapter I, we evaluated different competition indexes independent, dependent and semi-independent of distance, and selected those best for studies of growth and mortality in later chapters. In Chapters II and III were evaluated and compared different types and architectures of neural networks to estimate mortality regular trees, as well as projection of diameter, total height and bole height. In Chapter IV, there was the validation of networks employing the set of independent data. Besides the selected networks was considered the average rate at each measurement period, the first data group, the projection of the forest structure (validation). The analysis showed that, overall, the competition indexes were correlated with the probability of mortality and growth of trees. There was also verified that the neural networks efficiency in the estimation of tree mortality and the growth projection, accurate estimates are obtained. In validation, designed to mortality, growth and ingrowth of the first measurement (1994) by the year 2008, which were compared to the observed values. The model for individual tree basis was efficient in simulating forest growth and yield at all levels of detail (stand level, diameter and hight distribution level and individual tree level). The results confirmed the potential use of individual tree basis models through artificial neural networks in natural forests structurally complex, as is the case of the Semideciduous Montana Forest. / Este estudo teve como objetivos desenvolver um modelo completo em nível de árvore individual para um fragmento de Floresta Estacional Semidecidual Montana utilizando redes neurais artificiais (RNA) e validar a sua aplicação. Dados provenientes de dez parcelas permanentes em um fragmento florestal de 17 ha no município de Viçosa, MG, em estágio médio de sucessão ecológica, monitoradas durante 14 anos (1994, 1997, 2000, 2004 e 2008) foram utilizados para este propósito. O conjunto de dados foi dividido aleatoriamente em dois grupos: 1) grupo de treinamento das redes, composto por seis parcelas e totalizando 3.556 casos nas cinco medições, sendo observados 231 casos de mortalidade e 238 casos de ingresso, e 2) grupo de validação do modelo, composto por quatro parcelas, totalizando 2.062 casos, sendo observados 181 casos de mortalidade e 146 casos de ingresso. O trabalho foi dividido em quantro capítulos onde, no capítulo I, foram avaliados diferentes índices de competição independentes, dependentes e semi-independentes da distância, sendo selecionados aqueles melhores para os estudos de crescimento e mortalidade nos capítulos posteriores. Nos capítulos II e III foram avaliados e comparados diferentes arquiteturas e tipos de redes neurais para estimativa da mortalidade regular das árvores, bem como para projeção do diâmetro, altura total e do fuste. No capítulo IV, realizou-se a validação das redes empregando-se o conjunto de dados independentes. Além das redes selecionadas considerou-se a taxa média de ingresso em cada período de medição, no primeiro grupo de dados, na projeção da estrutura da floresta (validação). Após as análises, observou-se que, de maneira geral, os índices de competição foram correlacionados com o crescimento e probabilidade de mortalidade das árvores. Verificou-se, também, a eficiência das redes neurais na estimação da mortalidade das árvores e para a projeção do crescimento, sendo obtidas estimativas precisas. Na validação, projetou-se a mortalidade, o crescimento e o ingresso da primeira medição (1994) até o ano de 2008, os quais foram comparados aos valores observados. O modelo em nível de árvore individual foi eficiente na simulação do crescimento e produção florestal em todos os níveis de detalhamento (povoamento total, distribuição diamétrica e de altura e em nível de árvore individual). Os resultados confirmaram o potencial de utilização de modelos em nível de árvore individual por meio de redes neurais artificiais em florestas naturais estruturalmente complexas, como é o caso da Floresta Estacional Semidecidual Montana.