Submitted by Karen Britto (karenbritto@unipampa.edu.br) on 2018-05-23T14:53:52Z No. of bitstreams: 1 Claudia Guerra Disconzi - 2018.pdf: 2618311 bytes, checksum: 992a7f6adbd1b190b55d289e1b7c08b2 (MD5) / Made available in DSpace on 2018-05-23T14:53:52Z (GMT). No. of bitstreams: 1 Claudia Guerra Disconzi - 2018.pdf: 2618311 bytes, checksum: 992a7f6adbd1b190b55d289e1b7c08b2 (MD5) Previous issue date: 2018-03-19 / O mercado das commodities agrícolas é caracterizado por ser dinâmico e complexo. Os preços no mercado futuro das commodities são negociados em bolsas de valores e variam rapidamente de acordo com diversos fatores, como mudanças cambiais, variações climáticas, políticas governamentais, estoques mundiais, entre outros. Tendo em vista a instabilidade do mercado das commodities, este trabalho tem por objetivo analisar a contribuição das redes neurais artificiais para a previsão de preços de commodities agrícolas no mercado futuro, avaliando o ajuste das redes como ferramenta estratégica no processo de tomada de decisão. Trata-se de uma pesquisa empírica, de caráter descritivo, com abordagem quantitativa. O método utilizado foi o de levantamento, por meio de dados secundários obtidos na base de dados do Cepea. Como resultados, desenvolveram-se redes com desempenho classificados como “ótimos” para todas as commmodities consideradas, o que demonstrou a alta previsibilidade das redes neurais artificiais. Através da construção de cenários de preços mensais para as commodities, verificou-se que as redes selecionadas são sensíveis às variações de alta e queda nos preços. Assim, as RNAs demonstraram ser uma ferramenta importante que pode auxiliar com sucesso os interessados em investir neste mercado, através da simulação do comportamento dos preços. / The commodities market is characterized by being dynamic and complex. Futures market prices are traded on stock exchanges and short-term variables such as exchange rate changes, future payments, government reports, world stocks, among others. Considering the instability of the commodities market, this work aims to analyze the construction of artificial neural networks for forecasting agricultural commodity prices in the future market, with the objective of evaluating the networks as a strategic measure in the process of making decision. It is an empirical research, of descriptive character, with quantitative approach. The method used was the survey, using data base results in the database of Cepea. As networks were developed with indicators as "optimal" for all commodities, which demonstrated a high predictability of artificial neural networks. Through the construction of monthly commodity scenarios, it was verified that the selected networks are sensitive to the variations of rise and fall in prices. Thus, the RNAs have proved to be an important tool that can successfully aid the search in this market, through the simulation of the behavior of prices.

Dissertação(mestrado) - Universidade Federal do Rio Grande, Programa de Pós-Graduação em Engenharia Oceânica, Escola de Engenharia, 2005. / Submitted by Lilian M. Silva (lilianmadeirasilva@hotmail.com) on 2013-04-20T21:03:34Z No. of bitstreams: 1 Estudo para o desenvolvimento de um previsor descargas elétricas atmosféricas aplicado à região costeira do estado do Rio de Janeiro.pdf: 5929611 bytes, checksum: 6d12186a0ae17fe81eca3382c1b88f42 (MD5) / Approved for entry into archive by Bruna Vieira(bruninha_vieira@ibest.com.br) on 2013-06-04T16:31:08Z (GMT) No. of bitstreams: 1 Estudo para o desenvolvimento de um previsor descargas elétricas atmosféricas aplicado à região costeira do estado do Rio de Janeiro.pdf: 5929611 bytes, checksum: 6d12186a0ae17fe81eca3382c1b88f42 (MD5) / Made available in DSpace on 2013-06-04T16:31:08Z (GMT). No. of bitstreams: 1 Estudo para o desenvolvimento de um previsor descargas elétricas atmosféricas aplicado à região costeira do estado do Rio de Janeiro.pdf: 5929611 bytes, checksum: 6d12186a0ae17fe81eca3382c1b88f42 (MD5) Previous issue date: 2005 / The atmospheric dynamics evidently is very complex. There are many macro and micron scales processes and meteorological variables involved in the atmospheric physical phenomena. The storms with electrical dischargesare distinguished, among these phenomena, by the damage consequences to the human beings, directly or indirectly. Many researchers have pursued the possibility of forecasting the occurrence of a storm with electrical discharges, principally in the last three decades. However, there are not improvements in forecast performance, mainly due to phenomenon complexity. The main objective of the present dissertation was to accomplish a study to determine the viability or not of constructing a forecast system of atmospheric electrical discharges from artificial intelligence techniques, specifically artificial neural networks (NN). The base of the system was constituted of numerical simulations results of the atmospheric dynamics obtained from the mesoscale model MM5. It was identified meteorological variables (outputs of MM5) that would have some correlation with the electrical discharges. These variables act as input in the NN, which generate the forecast, consisting in the number of electrical discharges that will reach the ground some posterior time to the relative time of the simulated atmospheric fields. The region chosen for this study includes the state of Rio de Janeiro, the south of Espírito Santo, the southeast of Minas Gerais and the AtlanticOcean. Besides possessing a detection system of electrical discharges, this region contains the most important concentration of oil platforms of Brazil, being strategic to better know the atmospheric behavior in this place. Before developing the forecast system based on NN, some comparative tests were made using the MM5 simulation results and GOES infrared imagery, in order to survey the model prognostic capability. The forecast system showed reasonable results, indicating that the NN application may be a promising way to the electrical discharge forecast. However, it is necessary a better investigation, mainly with relation to the accomplishment of others tests with a bigger set of electrical discharges real data. / A dinâmica da atmosfera é evidentemente bastante complexa. Muitos são os processos físicos de macro e micro escalas e as variáveis meteorológicas envolvidos nos fenômenos atmosféricos. As tempestades com descargas elétricas destacam-se, dentre estes fenômenos, pelas conseqüências danosas causadas aos seres humanos, direta ou indiretamente. Diversos pesquisadores têm procurado investigar a possibilidade de prever a ocorrência de tempestades com descargas elétricas, principalmente nas úl timas três décadas, entretanto, progressos na performance da previsão ainda não foram alcançados devido à complexidade do fenômeno. O principal objetivo da presente dissertação foi realizar um estudo para determinar a viabilidade ou não de construir um sistema de previsão de descargas elétricas atmosféricas a partir de técnicas de inteligência artificial, mais precisamente redes neurais artificiais (RNA). A base do sistema constituiu-se de resultados de simulações numéricas da dinâmica atmosférica obtidos com o modelo de mesoescala MM5. Variáveis meteorológicas (saídas do MM5), que teriam alguma correlação com as descargas elétricas, foram identificadas e selecionadas como entradas na RNA, a qual gera a previsão, isto é, o número de descargas elétricas que atingirá o solo algum tempo posterior ao tempo relativo dos campos atmosféricos simulados. A região escolhida para este estudo, abrangendo o Estado do Rio de Janeiro, o sul do Estado do Espírito Santo, o sudeste do Estado de Minas Gerais e o Oceano Atlântico, além de possuir um sistema de detecção e monitoramento de descargas elétricas, contém a mais importante concentração de plataformas de petróleo do Brasil, sendo, portanto, estratégico conhecer melhor o seu comportamento atmosférico. Antes de desenvolver o sistema de previsão baseado em RNA, alguns testes comparativ os foram realizados usando resultados de simulação do MM5 e imagens infravermelhas de satélite geoestacionário, a fim de aferir a capacidade preditiva do modelo. O sistema de previsão apresentou resultados razoáveis, indicando que a aplicação da RNA é um cami nho promissor na previsão de descargas elétricas. Contudo, faz-se necessária uma mel hor investigação, principalmente quanto à realização de outros testes com um conjunto maior de dados reais de descargas elétricas.

Orientador: Gisela Ferreira / Resumo: O nitrogênio é um elemento mineral essencial para as plantas. Sua deficiência em fases iniciais do desenvolvimento pode gerar alterações fisiológicas e morfológicas que reduzem o crescimento e conflui na não expressão total do potencial genético vegetal. As técnicas mais difundidas para a quantificação do N nas plantas demandam tempo, são destrutivas e liberam compostos tóxicos para o ambiente. A NIRS (Near-Infrared Spectroscopy - Espectroscopia no Infravermelho Próximo), se apresenta como uma técnica alternativa, sendo indireta, mas instantânea, não destrutiva e que não utiliza reagentes químicos, mas necessita de calibração, que pode ser feita por métodos estatísticos e computacionais. Para mudas que são produzidas em viveiros, como as de Annona emarginata (Schltdl.) H. Rainer, é essencial manter o monitoramento de N, de forma rápida e não danosa, para garantir a qualidade e vigor das mudas. Desta forma, este trabalho visou detectar alterações na caracterização espectral foliar de A. emarginata em função do fornecimento de concentrações de nitrogênio e classificar as mudas em função dos níveis de nitrogênio, com base na caracterização espectral, utilizando algoritmos de aprendizado de máquinas e análise estatística multivariada. As mudas de A. emarginata (240) foram mantidas em sistema de hidroponia, com alterações na concentração de nitrogênio: 0 mg.L-1 de N (T1); 52,5 mg.L-1 de N (T2); 105 mg.L-1 de N (T3) e 210 mg.L-1 de N (T4), com 60 repetições (mudas) para cada tratam... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Nitrogen is an essential mineral element for plants. Its deficiency in early stages of development can lead to physiological and morphological changes that reduce growth and result in the total non-expression of plant genetic potential. The most widespread techniques for quantifying N in plants are time consuming, destructive and release toxic compounds into the environment. Near-Infrared Spectroscopy (NIRS) is an alternative technique, being indirect, but instantaneous, non-destructive and does not use chemical reagents, but needs calibration, which can be done by statistical and computational methods. For seedlings that are produced in nurseries, such as those of Annona emarginata (Schltdl.) H. Rainer, it is essential to keep N monitoring fast and harmless to ensure seedling quality. Thus, this work aimed to detect changes in the leaf spectral characterization of A. emarginata as a function of nitrogen concentration supply and to classify seedlings as a function of nitrogen levels, based on spectral characterization, using machine learning algorithms and multivariate statistical analysis. 240 A. emarginata seedlings were maintained in a hydroponic system, with modifications in nitrogen concentration: 0 mg.L-1 of N (T1); 52.5 mg.L-1 of N (T2); 105 mg.L-1 N (T3) and 210 mg.L-1 N (T4), with 60 replications (seedlings) for each treatment. After 45 days in these solutions, three leaves of each plant were collected, photographed and their spectral characterizations was measured. ... (Complete abstract click electronic access below) / Mestre