Made available in DSpace on 2014-06-12T15:53:49Z (GMT). No. of bitstreams: 2 arquivo6171_1.pdf: 2423042 bytes, checksum: 949507b002f02df43a3c9f1955b129d9 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2007 / Esta tese propõe um novo método híbrido que utiliza simulated annealing e o algoritmo de treinamento padrão de retro-propagação dos erros para otimizar redes MLP (Multi Layer Perceptron) aplicadas ao problema de previsão de séries temporais. Este método, denominado aqui de ANNSATS (Artificial Neural Networks and Simulated Annealing for Time Series Forecasting), começa a partir de uma topologia inicial completamente conectada e com um número pré-definido de neurônios e pesos. O sistema híbrido proposto executa ciclos compostos por uma etapa de otimização de topologia de redes neurais seguida por outra etapa de otimização de pesos. Estes ciclos continuam até que são encontrados uma topologia otimizada de rede neural e um ajuste otimizado para os pesos das conexões. Em cada ciclo, primeiramente é criada uma nova rede neural MLP candidata, que é potencialmente mais adequada para resolver o problema específico de previsão. A nova rede é criada habilitando e desabilitando neurônios de entrada e escondidos. Em seguida, os pesos desta nova topologia são ajustados utilizando o algoritmo padrão de retro-propagação dos erros, empregando um número pré-especificado e pequeno de épocas. Após este ajuste, a rede neural candidata é avaliada de acordo com uma função objetivo. Esta função objetivo é proporcional ao número de neurônios correntemente ativos na topologia e ao erro de modelagem para a série temporal. Dependendo do valor calculado para a função objetivo e dos parâmetros correntes do simulated annealing, a topologia candidata pode ser aceita ou rejeitada. Se esta for aceita, então a mesma é utilizada como base para a geração de uma nova rede neural candidata. Se a topologia candidata não for aceita, então a última topologia válida é utilizada para começar um novo ciclo. Resultados experimentais com uma série simulada (série de Hénon) e com outras oito séries de fenômenos reais mostraram que o novo método é capaz de produzir redes MLP com os retardos esperados e com o número de neurônios escondidos suficientes para obter previsões, em média, melhores do que as calculadas por redes MLP treinadas pelo algoritmo padrão de retro-propagação e melhor do que outros resultados disponíveis na literatura relacionada

Made available in DSpace on 2014-06-12T15:54:09Z (GMT). No. of bitstreams: 2 arquivo1961_1.pdf: 7429302 bytes, checksum: f3051d36d41c342d86505592605868d8 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / De forma geral, as abordagens descritas na literatura utilizam apenas a própria série para realizar a previsão, descartando a série de resíduos proveniente da diferença entre os dados reais da série e a previsão do modelo. Os métodos tradicionais de inteligência artificial não tratam a série de resíduos, considerando assim que essa série tenha o comportamento de um ruído branco, contendo pouca ou nenhuma informação relevante. Estudos realizados em torno das séries de resíduos, geradas pelo Método Time-lag Added Evolutionary Forecasting Method(TAEF), possibilitaram a constatação da não existência de características de ruído branco, mas conjuntos de padrões que detém informações relevantes que podem ser captadas pelo método. Com base nesses estudos e inspirado na Teoria da Perturbação, um conceito já comumente usado em outros ramos da ciência, o Método Perturbative Time-lag Added Evolutionary Forecasting Method (Método P-TAEF) foi desenvolvido para tratamento e previsão das séries residuais. A Teoria da Perturbação é semelhante a uma expansão de potências, como na expansão de Taylor, onde cada termo acrescentado à expansão introduz um fator de correção, que converge para a solução real do problema. Vários experimentos foram realizados com o Método P-TAEF com séries temporais com diferentes características. Foram utilizadas séries de natureza e complexidade distintas, de tal modo a comprovar a eficiência do método proposto. Foi testado um conjunto de sete séries, sendo uma artificial (série do Mapa de Hénon), duas de fenômenos da natureza (série das Manchas Solares e série de Medidas do Brilho de uma Estrela) e quatro séries econômico-financeiras (Índice Dow Jones Industrial Average, Índice Nasdaq,´ Índice S&P500 e valores de Fechamento das Ações da Petrobras (PetrobrasON)). Os experimentos foram comparados com técnicas tradicionais de IA encontradas na literatura e com o Método TAEF

Made available in DSpace on 2014-06-12T15:56:09Z (GMT). No. of bitstreams: 2 arquivo2750_1.pdf: 2282996 bytes, checksum: f61a8b47ec62dc124a6eafe258c2c9a0 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco / As pesquisas relacionadas à previsão de séries temporais têm sido uma área de bastante interesse nas últimas décadas. Várias técnicas têm sido pesquisadas para a previsão de séries temporais. Este trabalho propõe métodos híbridos, com a finalidade de tentar representar o complexo fenômeno de previsão de séries temporais do mundo real. A gênese do estudo é baseada no conceito sobre o qual, diferentes partes da série temporal podem ser resultantes de diferentes processos físicos que ocorrem na natureza e necessitam, portanto, de diferentes modelagens. A dissertação divide-se em duas etapas. Na primeira, são propostos mais dois sistemas híbridos (BH + MLP e BMT + MLP) para a seleção das variáveis de entradas para os modelos de previsão. Na segunda, são propostas dois métodos híbridos (SOM + MLP e MLP + Fuzzy) para o processo de previsão de séries temporais. Para realizar o estudo comparativo entre as técnicas, dez séries temporais do mundo real foram utilizadas. No que diz respeito à seleção de variáveis os resultados mostraram que a utilização do sistema híbrido Busca pela Memória Temporal e Redes Neurais (BMT + MLP) foi capaz de encontrar um subconjunto de variáveis representativo para o problema. Dos resultados obtidos pode-se concluir que a seleção de variáveis ocorreu de forma bastante satisfatória com a utilização da Busca Harmônica e Redes Neurais, mas ocorreu com maior rapidez e eficiência quando da utilização do sistema proposto BMT + MLP. Apesar dos erros médios quadráticos obtidos pela rede neural serem, em geral, estatisticamente similares para as duas técnicas, a principal vantagem da BMT + MLP é a capacidade de encontrar o subconjunto de variáveis considerado ótimo de forma bastante rápida. Ao realizar a comparação dos resultados obtidos dos modelos propostos com dois modelos da literatura, os modelos propostos apresentaram um melhor desempenho. Quanto aos modelos de previsão propostos, os resultados obtidos apresentaram menor erro ou no máximo iguais em comparação com a rede MLP e com os modelos Estatísticos, para todas as séries simuladas. Por outro lado, os dois modelos propostos (SOM + MLP e MLP + Fuzzy) apresentaram em média resultados que foram considerados estatisticamente similares

Made available in DSpace on 2014-06-12T15:59:51Z (GMT). No. of bitstreams: 2 arquivo5651_1.pdf: 8886352 bytes, checksum: da501aea5abdb4aea97774ec7b6e1fd7 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2006 / Neste trabalho é realizado um estudo sistemático para a resolução do problema de previsão de séries temporais com a utilização de técnicas de Inteligência Artificial. Inicialmente, modelos de Box & Jenkins são aplicados para a previsão de séries temporais para a geração de um padrão de referência. São investigadas então técnicas da Inteligência Artificial mais comumente encontradas na literatura, como redes neurais artificiais e algoritmos genéticos, bem como um sistema híbrido inteligente resultante da união destas duas técnicas. Observando as deficiências e os pontos fortes das metodologias estudadas, foi desenvolvido um novo método para a previsão de séries temporais, the Time-lag Added Evolutionary Forecasting (TAEF) Method, combinando redes neurais artificiais, um algoritmo genético modificado, um mecanismo de busca evolutiva pela dimensionalidade mínima necessária para a reconstrução do espaço de fase gerador da série, e um procedimento de pós-processamento para a determinação da fase da previsão gerada. Experimentos extensivos realizados com o Método TAEF com séries temporais de natureza, complexidade e características de comportamento diversificadas, comprovam a eficiência e robustez do método proposto. Tendo sido testado em um conjunto de oito séries temporais, sendo duas séries artificiais (série do Mapa de H_enon e série Random Walk), duas de fenômenos naturais (série das Manchas Solares e série de Medidas de Brilho de uma Estrela) e quatro séries econômicas e financeiras (Índice Dow Jones, Índice Nasdaq, Índice S&P500 e Ações da Petrobras), o método TAEF apresenta um desempenho de previsão comprovadamente superior às demais técnicas investigadas e a vários outros trabalhos encontrados na literatura. Além deste experimentos, séries artificiais com características peculiares também foram criadas para a certificação da robustez do método, como séries de Random Walk com Drift e/ou Sazonalidade aditiva, Séries geradas a partir de modelos GARCH, SETAR e STAR. Por fim, simulações de um sistema de apoio à decisão para a compra e venda de ações na bolsa de valores do estado de São Paulo (Bovespa) são montadas, demonstrando a possibilidade de uso prático do método TAEF, consolidando-o como uma nova metodologia viável e de alto desempenho para a resolução do problema de previsão de séries temporais

Made available in DSpace on 2014-06-12T17:20:17Z (GMT). No. of bitstreams: 2 arquivo2874_1.pdf: 1618942 bytes, checksum: d03268e3b55483bcffc50dbc583425f2 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Faculdade de Amparo à Ciência e Tecnologia do Estado de Pernambuco / O objetivo geral desta pesquisa consistiu em verificar como está a Física lecionada na disciplina Ciências nas séries do segundo ciclo do Ensino Fundamental em escolas da Rede Municipal de Ensino do Recife (RMER). A pesquisa teve início apresentando sumariamente a história do ensino de Ciências no Brasil, propostas atuais sobre como deve ser dar o ensino nesta área, inclusive com a inserção da Física nas séries iniciais do Ensino Fundamental. Foi analisado o tratamento dado por docentes do segundo ciclo do ensino fundamental da RMER aos conteúdos de Física que estão inseridos na disciplina curricular Ciências. Verificou-se a formação inicial dos futuros docentes do Ensino Fundamental (EF) em Instituições de Ensino Superior do Recife, de forma a caracterizar a situação em que se encontra o ensino de Física no segundo ciclo do EF no Recife. Foi ainda verificado o documento que rege este ensino no Recife, a Proposta Pedagógica da Rede Municipal de Ensino do Recife (PREFEITURA DO RECIFE, 2002) e identificado o que é proposto e avaliado nacional e internacionalmente nesta área. Como procedimentos metodológicos, foram listadas as escolas da RMER que apresentam turmas do segundo ciclo do EF e escolhidas aleatoriamente 50% destas escolas e entregue questionários para os 512 docentes que lecionam no segundo ciclo do EF na educação regular das 102 escolas sorteadas, de forma a reunir informações sobre a formação básica, a formação continuada, os materiais e métodos utilizados para o ensino de Ciências, mais especificamente para o ensino dos conteúdos relativo à Física. Os dados obtidos através das respostas de 145 docentes foram sintetizados em tabelas, cujos resultados apontam para a formação básica deficitária dos futuros docentes do EF para a área científica, revelam a escassa oferta de formações continuadas nesta área para os docentes da RMER, mostram que o docente desta rede é experiente e, em sua maioria pós-graduado, mas não em áreas relativas à Ciências. Muitos dos docentes investigados sequer têm conhecimento que existem assuntos de Física na disciplina Ciências. Este conjunto de fatores contribui para que a qualidade do ensino de Ciências, em especial dos conteúdos relativos à Física, neste nível de ensino fique comprometida. Faltam interesse e investimento governamental para aperfeiçoar este ensino. O ensino mais eficiente dos conteúdos de Física possibilitaria aos alunos conhecimento sobre diversas situações da vida, ajudando-os a cuidar melhor do planeta em que vivem, tornando-os cidadãos mais responsáveis e críticos

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-02-21T14:53:51Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) main_abntex.pdf: 4558296 bytes, checksum: 6f077e7cc7e54787fdfdb3b25b18eabb (MD5) / Made available in DSpace on 2017-02-21T14:53:51Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) main_abntex.pdf: 4558296 bytes, checksum: 6f077e7cc7e54787fdfdb3b25b18eabb (MD5) Previous issue date: 2016-09-26 / A previsão de séries temporais é uma tarefa importante no campo da aprendizado de máquina, possuindo diversas aplicações em mercado de ações, hidrologia, meteorologia, entre outros. A análise da dependência existente nas observações adjacentes da série é necessária para que seja possível prever valores futuros com alguma precisão. Modelos dinâmicos são utilizados para realizar mapeamentos de uma série temporal, se aproximando do mecanismo gerador da série e sendo capazes de realizar previsões. No entanto, o mecanismo gerador de uma série temporal pode produzir padrões lineares e não-lineares que precisam ser devidamente mapeados. Modelos lineares como o auto-regressivo integrado de média móvel (ARIMA) são capazes de mapear padrões lineares, porém não são indicados quando existem padrões não-lineares na série. Já os modelos não-lineares como as redes neurais artificais (RNA) mapeiam padrões não-lineares, mas podem apresentar desempenho reduzido na presença de padrões lineares em relação aos modelos lineares. Fatores como a definição do número de elementos de entrada da RNA, número de amostras de treinamento podem afetar o desempenho. Abordagens híbridas presentes na literatura realizam o mapeamento dos padrões lineares e não-lineares simultaneamente ou aplicando duas ou mais fases nas previsões. Seguindo a suposição de que os modelos são bem ajustados, a diferença entre o valor previsto e a série real demonstra um comportamento de ruído branco, ou seja, considera-se que a diferença entre os valores (resíduo) é composta por choques aleatórios não correlacionados. Na abordagem de duas ou mais fases, o resíduo gerado pelo modelo aplicado na primeira fase é utilizado pelo segundo modelo. O problema do ajuste pode ser decorrente dos parâmetros mal ajustados e também da série temporal devido à possível necessidade de transformações. Tais abordagens geram previsões mais precisas quando comparadas às técnicas tradicionais. Nesta tese, são explorados sistemas evolucionários para a otimização de parâmetros de técnicas lineares e não-lineares visando o mapeamento dos padrões da série temporal. A abordagem proposta utiliza um preprocessamento automático através de um filtro de suavização exponencial para extrair uma série com distribuição normal. A diferença da série temporal e a série filtrada é mapeada por um sistema composto por um método auto-regressivo (AR) e máquina de vetor de suporte para regressão (SVR). Variações do algoritmo de otimização por enxame de partículas (PSO) e algoritmos genéticos são aplicados na otimização dos hiper-parâmetros do sistema. A previsão final é realizada através da soma das previsões de cada série. Para fins de avaliação do método proposto, experimentos foram realizados com bases de problemas reais utilizando métodos da literatura. Os resultados demonstram que o método obteve previsões precisas na maioria dos casos testados. O filtro de suavização exponencial utilizado supõe que a série possua nível constante (sem tendência). Séries que possuem tendências lineares foram devidamente tratadas, no entanto tendências exponenciais ou polinomiais apresentaram desempenho reduzido. O método proposto possui potencial para melhorias, aplicando métodos que realizem o mapeamento automático de tendências como a suavização exponencial dupla. Nesta tese o método aditivo foi utilizado para combinação de previsões, no entanto em algumas séries o modelo multiplicativo pode ser mais adequado, produzindo previsões mais precisas. / Time series forecasting is an important task in the field of machine learning and has many applications in stock market, hydrology, weather and so on. The analysis of the dependence between adjacent observations in the series is necessary in order to achieve better forecasts. Dynamic models are used to perform mappings in the time series by approximating to thedata generating process and being able to perform predictions. However, the data generating process of a time series may produce both linear and nonlinear patterns that need to be mapped. Linear models such as the autoregressive integrated moving average (ARIMA) are able to map linear patterns, although not indicated when nonlinear patterns are present in the series. Nonlinear models such as the artificial neural networks (ANNs) perform nonlinear mappings but demonstrate reduced performance in the presence of linear patterns in comparison to linear models. Hybrid approaches in the literature perform mappings of linear and nonlinear patterns simultaneously or applying two or more phases.Supposing that the models are adjusted to the data, the difference between the predicted value and the data presents a White noise behavior, thus it is considered that the difference of values (residual) is composed by uncorrelated random shocks. In two-phase approaches the residual produced by the linear model in the first phase is used in the nonlinear model. Also the parameters of the models have an important influence on their performance. Such approaches produce more accurate predictions when compared with traditional methods. In this thesis, we explore evolutionary system in the context of optimization of parameters for both linear and nonlinear methods, taking into consideration the patterns in a time series. In the proposed approach, an exponential smoothing filter is used to decompose a series with normal distribution which is applied to an ARIMA model and the residual series is applied to a system composed by an autoregressive (AR) and a support vector regression methods (SVR). Variations of particle swarm optimization (PSO) algorithm and genetic algorithm (GA) are employed in the optimization of hyper-parameters of the system. Experiments were conducted using data sets from real world problems comparing with methods in the literature. The results indicate that the method achieved accurate predictions in most cases. The exponential smoothing filter assumes that the given series has no trend patterns. Series with linear trend were detrended, however in series with exponential or polynomial trends the proposed method achieved reduced performance. The proposed method has potential to improvements by using methods that perform an automatic mapping of trend patterns (double exponential smoothing). In this work, the additive model is adopted, however in some series a multiplicative model could achieve better forecasts.

Orientador: Nelson Luis Saldanha da Fonseca / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-17T07:49:48Z (GMT). No. of bitstreams: 1 Drummond_AndreCosta_D.pdf: 3173697 bytes, checksum: 8c446932862579ce4a57c4c53cce79b7 (MD5) Previous issue date: 2010 / Resumo: Em redes ópticas com multiplexação por comprimento de onda (WDM), a alocação de banda passante ocorre em múltiplos da capacidade de um comprimento de onda, que, nos dias de hoje, corresponde a 40 Gbps. No entanto, a demanda de banda passante dos fluxos em redes IP sobre WDM é da ordem de Mbps, o que é, consideravelmente inferior a capacidade de um comprimento de onda. Para a utilização eficiente da grande capacidade disponível em redes WDM, agrega-se diversos fluxos com pequena demandas de banda em caminhos ópticos compostos pelos comprimentos de onda. A referida agregação é realizada pelo mecanismo chamado agregação de tráfego (em Inglês, traffic grooming). Para a agregação, é necessário, que se defina a rota a ser utilizada para o estabelecimento de uma conexão entre pares comunicantes, bem como o comprimento de onda a ser utilizado ao longo da rota, ou seja, é necessário resolver o chamado problema de roteamento e alocação de comprimento de onda (do Inglês, routing ou wavelength assignment, usualmente abreviado por RWA). Por outro lado, aplicações emergente em e-Ciência e novas aplicações multimídia demandam banda passante superior 'a capacidade de um comprimento de onda, requerendo que o fluxo seja transmitido em vários caminhos ópticos, possivelmente por rotas distintas, o que traz novos desafios, inclusive para os mecanismos de agregação de tráfego. Esta tese investiga diversos problemas em agregação de tráfego e propõe soluções originais para os mesmos. Propõe-se solução para o problema de coloração de grafo auxiliar para a resolução do problema RWA, através da recente Teoria de Complexidade Parametrizada, a fim de se reduzir a complexidade computacional da solução, tornando-a escalável. Introduzem-se, também, algoritmos para a resolução do problema de agregação dinâmica de tráfego, que consideram, parcialmente, a topologia da rede, para se promover a escalabilidade da solução. Tais algoritmos promovem, adicionalmente, bloqueio balanceado entre os diversos pares comunicantes na rede (justiça de bloqueio). Propõem-se, por último, algoritmos para agregar tráfego quando os fluxos demandam maior quantidade de banda passante do que a capacidade de um canal, através do roteamento por múltiplos caminhos, tanto para cenários envolvendo um único domínio como para cenários envolvendo múltiplos domínios. A solução proposta, redunda em maior robustez à falhas / Abstract: In wavelength division multiplexing (WDM) networks, the great discrepancy between the bandwidth demand of Internet Protocol (IP) flows (of the order of Mbps) and the bandwidth availability in one wavelength, which currently can be 40 Gbps, has motivated the adoption of techniques, called traffic grooming, for the efficient transmission of these flows. Traffic grooming aggregates flows with small bandwidth demand in a wavelength. For that, it is necessary to determine the route to be used for the establishment of a requested connection between a source and a destination as well as the wavelength to be allocated to this connection. These are determined by the solution of the so called routing and wavelength assignment problem (RWA). Moreover, the bandwidth requirement of some emerging e-Science and multimedia applications exceed the capacity of one wavelength requiring that a requested connection be established using multiple wavelengths and possibly multiple paths. In this Thesis, several issues in traffic grooming are addressed. An algorithm based on the recent Parametrized Complexity Theory is proposed for solving efficiently the graph coloring problem which is one of the steps in the solution of the RWA problem. Additionally, efficient algorithms which consider partially the topology of the network (zones) are introduced for producing balanced blocking among source destination pairs. Moreover, algorithms for providing connectivity to requests with bandwidth demand greater than the capacity of a wavelength are proposed. These algorithms use multiple paths for both requests that transverse multiple domains and those which do not. Furthermore, robustness to link failure is increased by using these algorithms / Doutorado / Doutor em Ciência da Computação

Orientador: Alvaro Rodolfo De Pierro / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-05T18:58:18Z (GMT). No. of bitstreams: 1 Martinez_AnaGabriela_D.pdf: 800274 bytes, checksum: 9d484ffeb59df3623e4bb55d8c8fb1a1 (MD5) Previous issue date: 2006 / Resumo: A detecção de descontinuidades e um problema que aparece em muitas áreas de aplicação. Exemplos disto são os métodos de Fourier em tomografia computa dorizada, inversão em ressonância magnetica e as leis de conservação em qua»c~oes diferenciais. A determina»c~ao precisa dos pontos de descontinuidade e essencial para obter converg^encia exponencial da serie de Fourier para fun»c~oes cont³nuas por partes e evitar assim os efeitos do conhecido fen^omeno de Gibbs. Nos trabalhos de Wei et al. de 1999 e 2004 foram desenvolvidos ¯ltros polinomiais para reconstruir funções a partir de seus coeficientes de Fourier. No trabalho de Wei et al. do 2005 estes filtros foram usados para construir metodos iterativos rapidos para a detecção de de- scontinuidades. Nesta tese são introduzidos filtros mais gerais baseados em fun»c~oes splines, que conseguem maior precis~ao que aqueles apresentados em esses trabalhos e também são apresentados os correspondentes metodos iterativos para as descon- tinuidades. S~ao obtidas tambem estimativas para os erros assim como experi^encias numericas que validam os algoritmos. Mostra-se tambem um novo metodo que ap- resenta um melhor desempenho que aqueles baseados na serie parcial conjugada de Fourier usados nos trabalhos de Gelb e Tadmor / Abstract: Detecting discontinuities from Fourier coefficients is a problem that arises in several areas of application. Important examples are Fourier methods in Computed Tomography, Nuclear Magnetic Resonance Inversion and Conservation Law Differential Equations. Also, the knowledge of the precise location of the discontinuity points is essential to obtain exponential convergence of the Fourier series for a piecewise continuous function, avoiding the well known Gibbs phenomenon. In the work of Wei et al. (1999, 2004), polynomial filters were developed to reconstruct functions from their Fourier coefficients. In the work of Wei et. al. (2005), these fillters were used to develop fast iterative methods for discontinuity detection. In this thesis we introduce more general spline based filters, that achieve higher accuracy than those works, and the corresponding iterative methods for the discontinuities. Estimates for the errors are presented as well as many numerical experiments validating the algorithms. Also, we show that a new and simple method, not using any nonlinear solver, performs better than those based on the conjugate Fourier series as in the work of Gelb and tadmor / Doutorado / Analise Numerica / Doutor em Matemática Aplicada

Orientador: Andre Luiz Morelato França / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-22T06:09:06Z (GMT). No. of bitstreams: 1 Leite_FranciscoEugeniodeAndrade_M.pdf: 11362735 bytes, checksum: 7b4325fb2b502d8eb9109b7975f11710 (MD5) Previous issue date: 1997 / Resumo: Este trabalho apresenta três modelos NARX utilizando redes neurais artificiais para previsão de carga nodal ativa e reativa, tendo em vista a posterior previsão do estado do sistema através do uso de um algoritmo de fluxo de carga, com a finalidade de poder estudar a segurança de operação do sistema para um perfil de carga futuro. Os dois primeiros modelos são implementados utilizando-se uma rede de perceptrons de múltiplas camadas estática e o terceiro modelo é implementado utilizando uma rede de perceptrons com filtros FIR em suas sinapses para permitir processamento temporal. Para cada um dos modelos, diferentes tamanhos de conjunto de treinamento e de topologia da rede neural foram testados, bem como vários tipos de variáveis de entrada para o modelo NARX, a fim de verificar qual a melhor resposta em termos de precisão. Nos testes foram utilizados dados reais de carga de várias subestações. Neste estudo, verificou-se que uma única rede neural estática usada para tratar todos os dias da semana apresentou o melhor resultado de previsão, sendo que a previsão de potência reativa apresentou um resultado pior do que a de potência ativa. Observou-se ainda que o erro de previsão do ângulo de tensão nas barras apresenta elevada sensibilidade em relação ao erro de previsão da potência ativa e que o erro na previsão da tensão nodal (tanto magnitude quanto ângulo) apresenta pequena sensibilidade em relação ao erro de previsão da potência reativa / Abstract: This work presents three artificial neural network NARX models for bus load active and reactive power forecasting. The predicted injections can be used as inputs to a load flow to obtain the forecasted bus states aiming to perform security analysis in a future operating point. The first two models considered were implemented with a static Multilayer Perceptron Network (MLP) and the third model was implemented using a FIR neural network for temporal processing. For each one of the above models, different sizes of training sets and neural network topologies were tested, as well as distinct choices of neural networks input variables, in order to check the accuracy of prediction. Measured real data concerning several substations were used to test the models. As a result, the study shows that one single neural MLP network model for all days of the week give the least active and reactive power forecast error and that the active power prediction is more accurate than the reactive power one. It was also observed that the state angle forecasting shows a high sensitivity to the active power prediction error and that the voltage (magnitude and phase) prediction error shows a low sensitivity to the reactive power prediction error / Mestrado / Mestre em Engenharia Elétrica

Orientador: Alfredo Miguel Ozorio de Almeida / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Fisica "Gleb Wataghin" / Made available in DSpace on 2018-07-22T12:50:06Z (GMT). No. of bitstreams: 1 EspinozaOrtiz_JulioSantiago_D.pdf: 1636895 bytes, checksum: 4ac62e6a4906ffbee2b25c25288bc090 (MD5) Previous issue date: 1997 / Resumo: O quarto de estádio pode ser decomposto em um retângulo e um quarto de círculo; em cada uma destas regiões a equação de Helmholtz é separável. Construímos explicitamente as funções de Green para cada região e sua matriz de Bogomolny quântica finita que inclui ondas reais e evanescentes. Os autovalores e autofunções, calculados com extrema eficiência, são comparados com os resultados de outros métodos numéricos, verificando-se sua precisão. São estudados os limites assintóticos dos elementos de matriz, sendo os autovalores resultantes comparados com os cálculos numéricos. Finalmente, deriva-se uma aproximação semiclássica para os zeros do determinante de Bogomolny / Abstract: The quarter-stadium can be decomposed into a rectangle and a quarter-circle; in each of these regions the Helmholtz equation is separable. We thus explicitly construct Green functions for both regions and a fully quantum mechanical Bogomolny finite matrix including real and evanescent waves is built. The eigenvalues and the eigenfunctions calculated with extreme efficiency and compared with other numerical methods, verifying their precision. We study the matrix elements in the asymptotic limit, the resulting eigenvalues are compared with the numerical one. Finally, we derive a semiclassical approximation for the zeroes of the Bogomolny determinant / Doutorado / Física / Doutor em Ciências