[pt] Uma das aplicações mais interessantes e desafiadoras da engenharia é a solução dos problemas inversos. Neste tipo de problema enquadra-se o tratamento científico da reconstituição de acidentes de veículos terrestres. Um outro tema diretamente relacionado é a análise de colisões, tanto no contexto da reconstituição de um acidente, quanto no que diz respeito ao grau de adequação do veículo ao impacto, associado à sua integridade estrutural e à segurança passiva dos seus ocupantes. Neste trabalho é aplicada uma técnica de otimização moderna, conhecida como algoritmo genético, para o tratamento do problema inverso em colisão de veículos terrestres, empregando modelos de veículos rígidos. Definiu-se como, a partir de restrições impostas e das posições finais dos veículos após uma colisão, o algoritmo de otimização pode fornecer o conjunto de variáveis e parâmetros que mais provavelmente levam os veículos àquela condição. Como resultado, o método foi considerado perfeitamente aplicável ao problema proposto e passível de ser utilizado como base para implementação como ferramenta de suporte à perícias judiciais em casos reais. / [en] One of the most interesting and challenging applications in engineering is the solution of inverse problems. In this kind of problem we have as an example the scientific approach of the ground vehicle accident reconstruction. Another directly related theme is collisions analysis, either in the context of an accident reconstruction, or in the context of the vehicle crashworthiness, associated to its structural integrity and their occupants passive safety. In this dissertation a modern optimization technique, known as genetic algorithm, is applied to the treatment of ground vehicles collision inverse problem using models of rigid vehicles. We have defined how, starting from imposed constraints and the vehicles final positions after a collision, the optimization algorithm may furnish the set of variables and parameters that most probably lead the vehicles to those positions. As a result, we have been able to evaluate the method as perfectly applicable to the proposed problem and may be used as a base aiming its implementation as a tool for support to the expertise regarding real cases.

[pt] Esta dissertação objetivará a unificação de duas metodologias de algoritmos evolutivos consagradas para tratamento de problemas ou do tipo combinatórios, ou do tipo numéricos, num único algoritmo com representação mista. Trata-se de um algoritmo evolutivo inspirado na física quântica com representação mista binário-real do espaço de soluções, o AEIQ-BR. Este algoritmo trata-se de uma extensão do modelo com representação binária de Jang, Han e Kin, o AEIQ-B para otimizações combinatoriais, e o de representação real de Abs da Cruz, o AEIQ-R para otimizações numéricas. Com fins de exemplificação do novo algoritmo proposto, o discutiremos no contexto de neuroevolução, com o propósito de configurar completamente uma rede neural com alimentação adiante em termos: seleção de variáveis de entrada; números de neurônios na camada escondida; todos os pesos existentes; e tipos de funções de ativação de cada neurônio. Esta finalidade em se aplicar o algoritmo AEIQ-BR à neuroevolução – e também, numa analogia ao modelo NEIQ-R de Abs da Cruz – receberá a denominação NEIQ-BR. N de neuroevolução, E de evolutivo, IQ de inspiração quântica, e BR de binário-real. Para avaliar o desempenho do NEIQ-BR, utilizarse- á um total de seis casos benchmark de classificação, e outros dois casos reais, em campos da ciência como: finanças, biologia e química. Resultados serão comparados com algoritmos de outros pesquisadores e a modelagem manual de redes neurais, através de medidas de desempenho. Através de testes estatísticos concluiremos que o algoritmo NEIQ-BR apresentará um desempenho significativo na obtenção de previsões de classificação por neuroevolução. / [en] This work aimed to unify two methodologies of evolutionary algorithms to treat problems with or combinatorial characteristics, or numeric, on a unique algorithm with mix representation. It is an evolutionary algorithm inspired in quantum physics with mixed representation of the solutions space, called QIEABR. This algorithm is an extension of the model with binary representation of the chromosome from Jang, Han e Kin, the QIEA-B for combinatorial optimization, and numeric representation from Abs da Cruz, the QIEA-R for numerical optimizations. For purposes of exemplification of the new algorithm, we will introduce the algorithm in the context of neuro-evolution, in order to completely configure a feed forward neural network in terms of: selection of input variables; numbers of neurons in the hidden layer; all existing synaptic weights; and types of activation functions of each neuron. This purpose when applying the algorithm QIEA-BR to neuro-evolution receive the designation of QIEN-BR. QI for quantum-inspired, E for evolutive, N for neuro-evolution, and BR for binary-real representation. To evaluate the performance of QIEN-BR, we will use a total of six benchmark cases of classification, and two real cases in fields of science such as finance, biology and chemistry. Results will be compared with algorithms of other researchers and manual modeling of neural networks through performance measures. Statistical tests will be provided to elucidate the significance of results, and what we can conclude is that the algorithm QIEN-BR better performance others researchers in terms of classification prediction.

[pt] Esta dissertação investiga o uso de Algoritmos Genéticos aplicados em dados sísmicos com o objetivo de obter parâmetros físicos e atributos sísmicos que auxiliem na caracterização das rochas de um subsolo terrestre. Os dados sísmicos têm sido extensamente empregados no setor de exploração de petróleo. As aplicações envolvendo sísmica não se restringem na busca por novas reservas de petróleo, mas também são usadas para projetar novos poços e melhorar a produção dos reservatórios de petróleo. O levantamento de dados sísmicos permite analisar extensas áreas da subsuperfície com custo praticável em relação a outras técnicas. Entretanto, a interpretação desses dados com o objetivo de obter informações relevantes e acuradas não é uma tarefa simples. Para isto, várias técnicas de inversão sísmica vêm sendo desenvolvidas. Este trabalho consistiu em avaliar uma alternativa que emprega Algoritmos Genéticos para inverter parâmetros a partir de dados sísmicos. Existem 3 etapas principais neste trabalho. Primeiramente, foram estudados o tema da exploração sísmica e a técnica de Algoritmos Genéticos. Na segunda etapa foi definido um modelo, usando Algoritmos Genéticos, que busca, neste caso, minimizar uma medida de erro, para obtenção dos parâmetros objetivos. Finalmente, foi implementado um sistema a partir do modelo proposto e realizados os estudos de casos com dados sísmicos sintéticos para avaliar o seu desempenho. O modelo baseado em Algoritmos Genéticos foi avaliado submetendo-se seus resultados a um especialista e comparando-os com os da busca aleatória. Os resultados obtidos se mostraram consistentemente satisfatórios e sempre superiores aos da busca exaustiva. / [en] This dissertation investigates the use of Genetic Algorithms applied to seismic data with the objective of obtaining physical parameters and seismic attributes that would facilitate the characterization of rocks in terrestrial subsoil. The seismic data has been extensively utilized in the field of petroleum exploration. The applications involving seismic are not restrained to the search for new petroleum reserves, but are also used to project new wells and to improve the production of existing petroleum reservoirs. The survey of seismic data allows the analysis of extended areas of the subsurface at an affordable price relative to other techniques. However, the interpretation of the data with the objective of obtaining relevant and accurate information is not an easy task. For that, several seismic inversion techniques are being developed. This work consists in evaluating an alternative that uses Genetic Algorithms to invert parameters from seismic data. There are 3 main stages in this work. Initially, the theme of seismic exploration and the technique of Genetic Algorithms have been studied. On the second stage a model has been defined, using Genetic Algorithms, which aims, in this case, to minimize an error measurement, obtaining objective parameters. Finally, a system from the proposed model has been implanted and the study of cases with synthetic seismic data has been executed to evaluate its performance. The process of optimizing has been compared to the process of random search and the results obtained by the model have always been superior.

[pt] O presente trabalho apresenta a modelagem de conhecimento multitemporal para a classificação automática de cobertura do solo para imagens de satélite. O procedimento de classificação agrega os conhecimentos espectral e multitemporal utilizando conjuntos nebulosos e suas pertinências de classe como informação prévia. O método se baseia no conceito de Redes de Markov Nebulosas, um sistema com um conjunto de estados que a cada instante de tempo troca o estado corrente de acordo com possibilidades associadas a cada um. No caso deste trabalho cada estado representa uma classe, e as possibilidades são estimadas automaticamente a partir de dados históricos de uma mesma região geográfica, empregando algoritmos genéticos. A avaliação experimental utilizou um conjunto de imagens Landsat-5 da cidade do Rio de Janeiro, obtidas em cinco datas separadas por aproximadamente quatro anos. Os resultados indicaram que o uso do conhecimento multitemporal, conforme modelado pelo método proposto traz um significante aumento da eficiência de classificação em comparação à classificação puramente espectral, além de flexibilizar o procedimento de classificação no que diz respeito aos dados necessários para o treinamento do modelo. / [en] This work presents a multitemporal knowledge model for automatic classification of remotely sensed images. The model combines multitemporal and spectral knowledge within a fuzzy framework. This method is based on Fuzzy Markov Chains, a system having a set of states that, at each time, change the current state according to the fuzzy possibilities associated to each one. In this work each state represents one class, and the possibilities are automatically estimated based on historical data by using genetic algorithms. The experimental evaluation was carried through for a set of Landsat-5 TM images of the Rio de Janeiro State, Brazil, acquired at five dates separated by approximately four years. Results indicate that the use of multitemporal knowledge as modeled by the proposed method brings an expressive improvement in efficiency to the classification, when compared to the pure spectral classifier. Besides it, adds flexibility to the classification procedure, concerning to necessary data used for model training.

[pt] No Brasil, o comportamento dos preços da energia elétrica no mercado de curto prazo é especialmente incerto, pois não segue um padrão definido e é obtido a partir de um modelo computacional e não pelo equilíbrio de mercado entre oferta e demanda. Diante disto o mercado de opções e derivativos ao mesmo tempo em que promissor, tendo em vista as experiências de outros países, é insipiente, pois os agentes não conseguem utilizar metodologias tradicionais para a precificação destes produtos e acabam formatando os valores por experiências empíricas e segundo aceitação do mercado. Muitos trabalhos já foram desenvolvidos propondo novas soluções para a previsão de preços modificando profundamente a estrutura atual, por outro lado o objetivo deste trabalho em sua primeira parte não busca modificar o modelo atual de previsão de preços que serve de alicerce para os contratos atuais, e por isso não pode ser desprezada. Este trabalho em sua primeira parte visa desenvolver um modelo para representar o comportamento dos preços no mercado de energia brasileiro e melhorar a previsão de preços que atualmente é fornecido pelo Newave, mas sem deslocar-se dos resultados gerados por ele. Em um segundo momento busca uma metodologia computacionalmente viável para determinar o valor de opções que podem ser oferecidas em contratos de opção de longo prazo. Para desenvolver a solução, foi proposto um processo estocástico que pudesse modelar a previsão dos preços no mercado de curto prazo reduzindo a volatilidade, mas sem se distanciar do atual modelo de previsão. Num segundo momento para permitir a precificação destes contratos este estudo aprofundou-se na teoria das opções que permite considerar as flexibilidades gerenciais, tendo por objetivo maximizar o retorno de uma determinada opção contratual. Assim, com o emprego de ferramentas como o Algoritmo Genético e Simulação Monte Carlo para aproximar a curva de exercício ótimo e o novo processo estocástico de formação de preço, foi possível determinar o valor das opções estudadas. A principal contribuição deste trabalho é criar uma metodologia coerente de precificação de opções contratuais, atualmente inexistente no mercado e que possa ser testada e avaliada pelos operadores, contribuindo para o aumento e desenvolvimento do mercado de derivativos no setor elétrico brasileiro. / [en] In Brazil, the behavior of electricity prices in the short term market is especially uncertain, because it follows a pattern set and is obtained from a computer model rather than the market equilibrium between supply and demand. In view of this the market for options and derivatives at the same time as promising, given the experiences of other countries, know not, because the agents can not use traditional methods for the pricing of these products end up formatting the values and experiences and the second empirical market acceptance. Many works have been developed proposing new solutions for forecasting prices profoundly modifying the current structure, otherwise the objective of this work in the first part does not seek to modify the current model of forecasting prices that serves as the foundation for current contracts, and so it can not be neglected. This work in its first part aims to develop a model to represent the behavior of prices in the Brazilian energy market and improve the forecasting of prices that is currently provided by Newave, but without moving the results generated by it. In a second step a search computationally feasible method to determine the value of options that can be offered on contracts for the long term. To develop the solution, we proposed a stochastic model that could forecast the market price of reducing short-term volatility, but not away from the current forecasting model. In a second time to allow the pricing of these contracts this study deepened the theory of options that allows to consider the managerial flexibility, aiming to maximize the return on a particular option contract. Thus, with the use of tools such as Genetic Algorithms and Monte Carlo simulation to approximate the optimal exercise curve and the new stochastic process of price formation, it was possible to determine the value of the options studied. The main contribution of this work is to create a consistent methodology for pricing options contract, currently non-existent in the market and that can be tested and evaluated by the operators, contributing to the growth and development of the derivatives market in the Brazilian electric sector.

[pt] As decisões econômicas de investimento, assim como as avaliações econômicas de projetos, são afetadas por incertezas econômicas, incertezas técnicas e por flexibilidades gerenciais embutidas em projetos. Flexibilidades gerenciais dão liberdade ao gerente para tomar decisões, tais como investir, expandir, parar temporariamente ou abandonar um determinado projeto. Tais flexibilidades possuem valor e só a teoria de opções reais consegue avaliá-las. As opções reais permitem considerar, além das incertezas, a flexibilidade gerencial, tendo por objetivo maximizar o valor da oportunidade de investimento. Para se determinar o valor de uma opção real, normalmente são utilizados modelos de árvores binomiais, diferenças finitas ou técnicas de simulação Monte Carlo. Entretanto, os métodos tradicionais de árvores binomiais e diferenças finitas são impraticáveis na avaliação de opções com mais de três fatores de incerteza, enquanto que a simulação Monte Carlo tem um custo computacional muito elevado devido ao processo iterativo da simulação estocástica na amostragem de cada variável. O objetivo deste trabalho é pesquisar uma metodologia computacionalmente viável para determinar o valor de opções reais sob diversas incertezas técnicas e de mercado. Neste contexto, é feita uma investigação multidisciplinar (lógica fuzzy, computação evolucionária, processos estocásticos e opções reais) em busca de métodos alternativos que possam reduzir o tempo computacional e assim facilitar as tomadas de decisão conseqüentes da simulação. Para isto, é proposta a união de várias técnicas: Números Fuzzy para representar determinados tipos de incertezas das quais se desconhece o processo estocástico que as modela, processos estocásticos para representar as demais incertezas e a simulação Monte Carlo para obter uma boa aproximação do valor da opção real. Além disso, aplicase um algoritmo genético em conjunto com a simulação Monte Carlo para aproximar uma regra de decisão ótima e determinar o valor da opção real no caso de se ter várias opções de investimento em um projeto. A regra ajuda na decisão entre o investimento imediato em uma das opções ou a espera por melhores condições, as quais dependem do estado das incertezas consideradas. O modelo proposto foi avaliado em problemas de opção de expansão e de opção de investimento em informação, aplicados na área de exploração e produção de petróleo, obtendo os mesmos resultados que as técnicas convencionais com uma redução expressiva do custo computacional. A principal contribuição deste trabalho é a concepção de uma nova metodologia para a determinação do valor de opções reais na presença de incertezas técnicas e de mercado, que oferece vantagens em relação aos métodos convencionais. Os resultados obtidos comprovam que o uso de números fuzzy para representar incertezas das quais se desconhece o processo estocástico que as modela, reduz significativamente o tempo computacional. Além disso, a metodologia demonstra que a técnica de algoritmos genéticos é adequada para obter uma regra de decisão ótima, com uma boa aproximação do valor da opção real, quando são consideradas várias opções de investimento. / [en] The economic decision on investment and evaluation of projects are affected by economic and technical uncertainties and by management flexibilities inserted on projects. These management flexibilities give the manager freedom to take decisions, such as to invest, to expand, to temporarily stop or to abandon a Project. These flexibilities have value and only can be evaluated thhrogh real option theory. The use of real options considers uncertainties and management flexibilities with the objective of maximizing the value of the investment opportunity. To determine the value of the real option, models of binomials tree, finite differences or Monte Carlo simulation techniques are normally used. However, the traditional methods of binomials tree and finite differences are impracticable in the evaluation of options with more than three uncertainties, while the Monte Carlo simulation presents a high computational cost due to the iterative process of the stochastic simulation in sampling each variable. The objective of this work is to investigate a computational methodology that can be used to determine the value of real option under diverse uncertainties, both of technical and market types. Therefore, this work investigates methods that can reduce computational time and thus create means for taking decisions. For this purpose, the union of several techniques is proposed: fuzzy numbers to represent some types of uncertainties of which an adequate stochastic process is unknown, stochastic process to represent other uncertainties and the Monte Carlo simulation to obtain a good approximation of the value of real options. Moreover, a genetic algorithm, together with Monte Carlo simulation, is used to approximate an optimum decision rule and to determine the value the real option when several investment options are available in a project. The rule helps decide whether to make an immediate investment in an option or to wait for better conditions; this is dependent on the state of the uncertainties considerated. The proposed model was evaluated in problems of options of expansion and of investment in information, applied in the area of oil exploration and production. Results obtained were similar to those achieved by conventional techniques, with a substantial reduction in computational time. The main contribution of this work is the conception of a new methodology for the determination of the value of real options with technical and market uncertainties. This methodology has shown to be advantages in relation to conventional methods. Results show that the use of fuzzy numbers to represent uncertainties of which the stochastic process that shapes them is unknown reduces the computational time significantly. Moreover, the methodology demonstrates that the genetic algorithm is an adequate technique for approximating a decision rule when many investment options are considered.

[pt] Desde sua introdução, a comunicação móvel sem fio cresceu e se modificou severamente. Seu crescimento acentuado significa que a alocação de diferentes parâmetros para rádios ou estações-base ganhou diversos graus de complexidade. Um parâmetro é o Root Sequence Index (RSI), relacionado com os preâmbulos do Random Access Channel (PRACH), usado para alocar canais de upload entre o equipamento do usuário e a estação rádio-base. A alocação de RSIs próximos a radios ou antenas vizinhas pode causar colisões, que são responsáveis por falhas no estabelecimento do serviço de comunicação e, portanto, degradação no desempenho da rede. Em geral, tais problemas de alocação são modelados como um Problema de Coloração de Grafos, incluindo diversas restrições. Contudo, não há estudos que foquem na alocação de RSI e colisões. O objetivo deste estudo é explorar e comparar modelos exatos e heurísticos para esse problema. Para isso, diversos modelos matemáticos foram elaborados, além de um algoritmo genético de chaves aleatórias viciadas. Os resultados apontam que a utilização de uma estratégia baseada nas relações de vizinhança é eficaz para a obtenção de boas soluções. / [en] Since its introduction, mobile wireless communication has grown and changed substantially. This massive growth leads to different levels of complexity, mainly concerned with the assignment of different parameters to radio or base stations. One parameter is the Root Sequence Index (RSI), related to the Physical Random Access Channel (PRACH) preambles, used to allocate uplink channels between the user equipment and the base station. The assignment of RSIs close-in-range to neighbor antennas may cause collisions, which are responsible for failures on service establishment, and therefore, performance degradation. Such allocation problems can be modeled as Graph Coloring Problems, including several additional constraints. However, few studies focus on RSI allocation and collisions from the optimization perspective. The objective of this study is to develop methods for allocating the RSI, trying to lessen the risk of collision, and obeying other constraints. In this study, both exact and heuristics methods are explored and compared. For this, several mathematical models were made, alongside a biased random key genetic algorithm. The results show that the utilization of an allocation strategy based on neighbor relations is efficient for finding good solutions.

[pt] Os polissacarídeos constituintes da biomassa lignocelulósica podem ser beneficiados através de processos industriais. Entretanto, para manipulá-los é necessário que a biomassa seja submetida ao processo de pré-tratamento. Esta é uma das etapas mais caras e relevantes para a disposição e aplicação das frações lignocelulósicas. O presente estudo consiste em uma investigação detalhada do processo de pré-tratamento da biomassa lignocelulósica com H2O2, a qual foi realizada através de tecnologias inteligentes que viabilizaram a otimização deste processo. Ferramentas de inteligência artificial revelam-se vantajosas na solução dos gargalos associados aos avanços tecnológicos. Possibilitam a modelagem matemática de um processo com máxima eficiência, otimizando sua produtividade, transformando dados experimentais em informações úteis e demonstrando as infinitas possibilidades das relações das variáveis envolvidas. As variáveis independentes estudadas foram a temperatura (25 – 45 graus Celsius) e a concentração de peróxido de hidrogênio (1.5 – 7.5 porcento m/v). Técnicas analíticas qualitativas (Raman e FTIR) e quantitativa (Método de Klason) foram aplicadas para produzir um banco de dados referente a extração da lignina com H2O2, o qual foi utilizado no desenvolvimento de modelos neurais aplicando Redes Neurais Artificiais (ANN, do inglês Artificial Neural Networks) e Sistema de Inferência Adaptativa Neuro-Difusa (ANFIS, do inglês Adaptive neuro fuzzy inference system). E modelos polinomiais, os quais tiveram seus parâmetros estimados por Algoritmos Genéticos (GA, do inglês Genetic Algorithms). Os modelos desenvolvidos conseguiram predizer: o Teor de Lignina Extraída (porcento) por Espectroscopia Raman, o Teor de Lignina Oxidada (porcento) por FTIR, o Teor de Lignina Residual (porcento) pelo Método de Klason, e por último, dois modelos para a comparação da resposta analítica qualitativa com a resposta analítica quantitativa. Os modelos polinomiais, que tiveram seus parâmetros estimados por GA foram avaliados estatisticamente através da ANOVA e pelo coeficiente de correlação (R2). E os modelos neurais desenvolvidos foram avaliados pelo coeficiente de correlação (R2), número de parâmetros e índices de erro (SSE, MSE e RMSE). Para cada modelo polinomial e neural proposto, quando coerente, superfícies de resposta e curvas de contorno foram plotadas permitindo a identificação da região operacional mais indicada para a realização do pré-tratamento com H2O2. Dentre as estratégias inteligentes propostas, os modelos desenvolvidos com ANN mostraram-se mais eficientes para as predições relacionadas à extração da lignina. / [en] Industrial processes benefit the polysaccharides constituting the lignocellulosic biomass. However to manipulate them it is necessary that the biomass is submitted to the pre-treatment process. This is one of the most expensive and relevant steps for the arrangement and application of lignocellulosic fractions. The present study consists of a detailed investigation of the pretreatment process of lignocellulosic biomass with H2O2, applying intelligent technologies that enabled the optimization of this process. Artificial intelligence tools prove to be advantageous in solving the bottlenecks associated with technological advances. They enable the mathematical modeling of a process with maximum efficiency, optimizing its productivity, transforming experimental data into useful information and demonstrating the infinite possibilities of the relationships of the variables involved. The independent variables studied were the temperature (25-45 Celsius degrees) and the concentration of hydrogen peroxide (1.5 - 7.5 percent m / v). Qualitative analytical techniques (Raman and FTIR) and quantitative (Klason method) were applied to produce a database for the extraction of lignin with H2O2, which was used in the development of neural models applying Artificial Neural Networks (ANN) and Adaptive Neuro-Fuzzy Inference System (ANFIS). And polynomial models, which had their parameters estimated by Genetic Algorithms (GA). The models developed were able to predict: the Extracted Lignin Content (percent) by Raman Spectroscopy, the Oxidized Lignin Content (percent) by FTIR, the Residual Lignin Content (percent) by the Klason Method, and lastly, two models for the comparison of the qualitative analytical response with the quantitative analytical response. The polynomial models, which had their parameters estimated by GA, were statistically evaluated using ANOVA and correlation coefficient (R2) evaluated the polynomial models developed by GA statistically. And the neural models developed were evaluated by the coefficient of correlation (R2), number of parameters and error indexes (SSE, MSE and RMSE). For each proposed polynomial and neural model, when coherent, response surfaces and contour curves were plotted allowing the identification of the most suitable operational region for the pretreatment with H2O2. Among the proposed intelligent strategies, the models developed with ANN proved to be more efficient for the predictions related to lignin extraction.

[pt] Análise da propagação eletromagnética através de poços de petróleo com auxílio de técnicas de apoio a decisão estuda a viabilidade de telemetria sem fio de fundo de poço a quilômetros de profundidade. A maior dificuldade são as perdas por propagação, definindo, assim, a direção de pesquisa deste trabalho. Essa dificuldade surge devido a grande diversidade de fluidos utilizados no interior do poço, com características condutoras, tornando extremamente difícil a previsão do comportamento de propagação. O trabalho foca, então, no problema de atenuação do sinal eletromagnético através do fluido, analisando suas causas com uso de modelagem eletromagnética e simulação Monte Carlo. Primeiramente, são definidos modelos de propagação analíticos. É mostrado que o sistema apresenta frequências em que ocorre propagação em modo TEM e desenvolve-se, então, um modelo análogo ao de uma linha de transmissão, permitindo, assim, a utilização de toda teoria de circuitos elétricos. Com este modelo, estima-se a impedância de entrada do sistema, revelando que esta varia, principalmente, entre 10 ohms e 10k ohms com parte reativa considerável, a uma profundidade igual a lambda sobre quatro de comprimento de onda. Estima-se, também, a melhor posição para colocar os sensores, introduzindo uma tática que maximiza as chances de se ter um sensor sempre perto de um máximo de potência. Além disso, com o auxílio de simulações Monte-Carlo, estuda-se a influência da permissividade elétrica e da condutividade do meio na atenuação de propagação e na impedância de entrada do sistema, concluindo que existe uma probabilidade de 95% de que a constante de atenuação seja inferior a 0,8 10(-4) Np/m em 1MHz. Posteriormente, utiliza-se algoritmo genético clássico para propor um problema de design bem simplificado para o posicionamento de um gerador no topo do poço, atingindo o ótimo em torno de 25m de profundidade, para uma frequência ligeiramente inferior a 1MHz. Por fim, fora analisada a possibilidade de alimentação remota, revelando que fluidos com condutividade da ordem de 1,0 10(-6) S/m permitem alimentação em profundidades elevadas. / [en] Analysis of electromagnetic propagation through oil wells with the aid of decision support techniques studies the viability of wireless downhole telemetry. The difficulty is the propagation losses, thereby defining the direction of this research work. This difficulty arises because of the wide variety of fluids used in the well, with conductive features, making it extremely difficult to predict the behavior of propagation. The paper focuses then on the problem of signal attenuation in the fluid, analyzing their causes with the use of electromagnetism and Monte Carlo. First, propagation models are defined analytically. It is shown that the presence of frequencies in TEM mode propagation occurs and develops, then a model analogous to a transmission line, thus allowing the use of electrical circuit theory. With this model, we estimate the input impedance of the system, revealing which ranges from 10 ohms and 1.0kohms to a depth equal to lambda over four. Furthermore, with the aid of Monte-Carlo simulations, we study the influence of permittivity and conductivity of the medium in the attenuation and input impedance of the system, concluding that there is a probability of 95% of the attenuation constant is less than 0.8·10(−4) Np/m at 1MHz. Later, we use classical genetic algorithm to propose a design problem for the positioning of a generator at the well, with excellent about 29, 7m deep and 1MHz. Finally, the possibility was considered remote power, revealing that fluids with a conductivity of 1.0 · 10(−6) S / m at depths allow high power.

[pt] Este trabalho tem como objetivo construir um classificador baseado em regras de inferência fuzzy, as quais são extraídas a partir de máquinas de vetor suporte (SVMs) e ajustadas com o auxílio de um algoritmo genético. O classificador construído visa a diagnosticar transformadores de potência. As SVMs são sistemas de aprendizado baseados na teoria do aprendizado estatístico e apresentam boa habilidade de generalização em conjuntos de dados reais. SVMs, da mesma forma que redes neurais (RN), geram um modelo caixa preta, isto é, um modelo que não explica o processo pelo qual sua saída é obtida. Entretanto, para alguns problemas, o conhecimento sobre como a classificação foi obtida é tão importante quanto a classificação propriamente dita. Alguns métodos propostos para reduzir ou eliminar essa limitação já foram desenvolvidos, embora sejam restritos à extração de regras simbólicas, isto é, contêm funções ou intervalos nos antecedentes das regras. No entanto, a interpretabilidade de regras simbólicas ainda é reduzida. De forma a aumentar a interpretabilidade das regras, o modelo FREx_SVM foi desenvolvido. Neste modelo as regras fuzzy são extraídas a partir de SVMs treinadas. O modelo FREx_SVM pode ser aplicado a problemas de classificação com n classes, não sendo restrito a classificações binárias. Entretanto, apesar do bom desempenho do modelo FREx_SVM na extração de regras linguísticas, o desempenho de classificação do sistema de inferência fuzzy obtido é ainda inferior ao da SVM, uma vez que as partições (conjuntos fuzzy) das variáveis de entrada são definidas a priori, permanecendo fixas durante o processo de aprendizado das regras. O objetivo desta dissertação é, portanto, estender o modelo FREx_SVM, de forma a permitir o ajuste automático das funções de pertinência das variáveis de entrada através de algoritmos genéticos. Para avaliar o desempenho do modelo estendido, foram realizados estudos de caso em dois bancos de dados: Iris, como uma base benchmark, e a análise de resposta em frequência. A análise de resposta em frequência é uma técnica não invasiva e não destrutiva, pois preserva as características dos equipamentos. No entanto, o diagnóstico é feito de modo visual comparativo e requer o auxílio de um especialista. Muitas vezes, este diagnóstico é subjetivo e inconclusivo. O ajuste automático das funções de pertinência correspondentes aos conjuntos fuzzy associados às variáveis de entrada reduziu o erro de classificação em até 13,38 por cento em relação à configuração sem este ajuste. Em alguns casos, o desempenho da configuração com ajuste das funções de pertinência supera até mesmo aquele obtido pela própria SVM. / [en] This work aims to develop a classifier model based on fuzzy inference rules, which are extracted from support vector machines (SVMs) and optimized by a genetic algorithm. The classifier built aims to diagnose power transformers. The SVMs are learning systems based on statistical learning theory and have provided good generalization performance in real data sets. SVMs, as artificial neural networks (NN), generate a black box model, that is, a model that does not explain the process by which its output is obtained. However, for some applications, the knowledge about how the classification was obtained is as important as the classification itself. Some proposed methods to reduce or eliminate this limitation have already been developed, although they are restricted to the extraction of symbolic rules, i.e. contain functions or ranges in the rules´ antecedents. Nevertheless, the interpretability of symbolic rules is still reduced. In order to increase the interpretability of the rules, the FREx_SVM model was developed. In this model the fuzzy rules are extracted from trained SVMs. The FREx_SVM model can be applied to classification problems with n classes, not being restricted to binary classifications. However, despite the good performance of the FREx_SVM model in extracting linguistic rules, the classification performance of fuzzy classification system obtained is still lower than the SVM, since the partitions (fuzzy sets) of the input variables are predefined at the beginning of the process, and are fixed during the rule extraction process. The goal of this dissertation is, therefore, to extend the FREx_SVM model, so as to enable the automatic adjustment of the membership functions of the input variables through genetic algorithms. To assess the performance of the extended model, case studies were carried out in two databases: iris benchmark and frequency response analysis. The frequency response analysis is a noninvasive and non-destructive technique, because it preserves the characteristics of the equipment. However, the diagnosis is carried out by visual comparison and requires the assistance of an expert. Often, this diagnosis is subjective and inconclusive. The automatic adjustment of the membership functions associated with input variables reduced the error up to 13.38 per cent when compared to the configuration without this optimization. In some cases, the classification performance with membership functions optimization exceeds even those obtained by SVM.