Made available in DSpace on 2014-06-11T19:27:14Z (GMT). No. of bitstreams: 0 Previous issue date: 2007-09-21Bitstream added on 2014-06-13T19:35:08Z : No. of bitstreams: 1 marqui_cr_me_ilha.pdf: 2038827 bytes, checksum: 471f672b818089216b3b9afc3b90a230 (MD5) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Este trabalho apresenta o estudo e desenvolvimento de técnicas para o monitoramento da integridade estrutural em sistemas inteligentes com sensores e atuadores piezelétricos acoplados. Os índices de sensibilidade estudados e utilizados no monitoramento da estrutura são: índice de falha métrica, calculado diretamente do sinal de impedância elétrica dos sensores/atuadores piezelétricos; índices do sensor, calculados com as normas de sistemas ou com as matrizes grammiana de observabilidade e os índices de entrada, calculados com as matrizes grammianas de controlabilidade. Tais índices são utilizados para detectar e localizar as falhas em aplicações numéricas e experimentais. As normas de sistemas e as matrizes grammianas de controlabilidade e observabilidade são obtidas através de um modelo numérico, como por exemplo, Método dos Elementos Finitos; ou um modelo identificado experimentalmente, via o método de realização para autossistemas, mais conhecido como ERA (Eigensytem Realization Algorithm). Em uma segunda etapa do procedimento proposto, as falhas são quantificadas utilizando Redes Neurais Artificiais, que foram treinadas com as normas de sistemas e com as matrizes grammianas. / This work presents the study and development of Structural Health Monitoring techniques for application in intelligent systems with coupled piezoelectric sensors and actuators. The indices of sensitivity for structural monitoring are based on: root-means-square deviation index, directly calculated from electric impedance signal of the piezoelectric sensors/actuators; sensor indices, calculated from system norms or observability grammian matrix, and input index, calculated from controllability grammian matrix. Such indices are used for damage detection and location in numerical and experimental applications. System norms, controllability and observability grammian matrices are obtained through numerical model, as for instance, Finite Element Method; or by experimental identification technique, via Eigensytem Realization Algorithm (ERA). In the second stage of the proposed procedure, damages were quantified using Artificial Neural Networks, that were trained with systems norms and grammian matrices.

Made available in DSpace on 2014-12-17T14:08:53Z (GMT). No. of bitstreams: 1 FranciscaFNS_DISSERT.pdf: 1424383 bytes, checksum: 6d399b5a60f42e3c2b87657eb17e44e0 (MD5) Previous issue date: 2013-02-05 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Atualmente, ? de grande interesse o estudo de m?todos de previs?o de S?ries Temporais, ou seja, conseguir identificar e predizer algumas caracter?sticas do processo num ponto futuro. Na engenharia de petr?leo uma das atividades essenciais ? a estimativa de produ??o de ?leo existente nas reservas petrol?feras de reservat?rios maduros. O c?lculo dessas reservas ? crucial para a determina??o da viabilidade econ?mica de sua explota??o. Para tanto, a ind?stria do petr?leo faz uso de t?cnicas convencionais de modelagem de reservat?rios como simula??o num?rica matem?tica para previs?o da produ??o de petr?leo. Diante deste fato, o objetivo fundamental deste trabalho ? propor uma metodologia de An?lise de S?ries Temporais baseada nos tradicionais modelos estat?sticos de Box & Jenkins, que em conjunto com a t?cnica inteligente de Redes Neurais Artificiais (RNA s), possibilite a constru??o de um modelo h?brido de predi??o de dados de produ??o de petr?leo, tomando por base a capacidade que a rede tem em aprender com a experi?ncia e partir para generaliza??o baseada no seu conhecimento pr?vio. Para tanto, a Rede Neural ser? treinada com a finalidade de estimar e corrigir os erros associados ao modelo estat?stico de S?rie Temporal, de forma a aproximar a s?rie estimada ? s?rie de dados original. Os dados da S?rie Temporal em estudo referem-se ? curva de vaz?o de petr?leo de um reservat?rio localizado em um campo da regi?o nordeste do Brasil. A s?rie em estudo foi obtida no per?odo 31de julho do ano 1998 ate 31 de dezembro de 2007, com os dados (vaz?o) sendo obtidos com intervalos mensais, totalizando 127 meses de informa??es. O algoritmo de predi??o proposto pela Rede Neural receber? como entrada os erros gerados pelo modelo estat?stico de s?rie e fornecer? como sa?da uma estimativa do erro no tempo n+h onde h representa o horizonte de predi??o. Os erros estimados pela Rede Neural ser?o adicionados ao Modelo de S?rie Temporal com a finalidade de corrigi-lo. Por fim, ser? feito um estudo comparativo da performance preditiva do modelo de Box & Jenkins cl?ssico e o modelo de Box & Jenkins corrigido pela Rede Neural. A arquitetura recorrente em estudo neste trabalho dever? ser capaz de prover estimativas confi?veis, tanto para um horizonte de predi??o de passos simples quanto para um horizonte de m?ltiplos passos. O software utilizado para realiza??o do ajuste do modelo estat?stico de S?rie Temporal foi o R Project for Statistical Computing - vers?o 2.14.1. Para fazer as implementa??es necess?rias da Rede Neural, a ferramenta computacional utilizada foi o software Matlab Vers?o 7.0.2 (R2011a)

Made available in DSpace on 2014-12-17T14:25:22Z (GMT). No. of bitstreams: 1 MarcoVMN_TESE.pdf: 3982733 bytes, checksum: 381ae79721c75a30e3373fe4487512c7 (MD5) Previous issue date: 2014-02-05 / In this paper artificial neural network (ANN) based on supervised and unsupervised algorithms were investigated for use in the study of rheological parameters of solid pharmaceutical excipients, in order to develop computational tools for manufacturing solid dosage forms. Among four supervised neural networks investigated, the best learning performance was achieved by a feedfoward multilayer perceptron whose architectures was composed by eight neurons in the input layer, sixteen neurons in the hidden layer and one neuron in the output layer. Learning and predictive performance relative to repose angle was poor while to Carr index and Hausner ratio (CI and HR, respectively) showed very good fitting capacity and learning, therefore HR and CI were considered suitable descriptors for the next stage of development of supervised ANNs. Clustering capacity was evaluated for five unsupervised strategies. Network based on purely unsupervised competitive strategies, classic "Winner-Take-All", "Frequency-Sensitive Competitive Learning" and "Rival-Penalize Competitive Learning" (WTA, FSCL and RPCL, respectively) were able to perform clustering from database, however this classification was very poor, showing severe classification errors by grouping data with conflicting properties into the same cluster or even the same neuron. On the other hand it could not be established what was the criteria adopted by the neural network for those clustering. Self-Organizing Maps (SOM) and Neural Gas (NG) networks showed better clustering capacity. Both have recognized the two major groupings of data corresponding to lactose (LAC) and cellulose (CEL). However, SOM showed some errors in classify data from minority excipients, magnesium stearate (EMG) , talc (TLC) and attapulgite (ATP). NG network in turn performed a very consistent classification of data and solve the misclassification of SOM, being the most appropriate network for classifying data of the study. The use of NG network in pharmaceutical technology was still unpublished. NG therefore has great potential for use in the development of software for use in automated classification systems of pharmaceutical powders and as a new tool for mining and clustering data in drug development / Neste trabalho foram estudadas redes neurais artificiais (RNAs) baseadas em algoritmos supervisionados e n?o supervisionados para emprego no estudo de par?metros reol?gicos de excipientes farmac?uticos s?lidos, visando desenvolver ferramentas computacionais para o desenvolvimento de formas farmac?uticas s?lidas. Foram estudadas quatro redes neurais artificiais supervisionadas e cinco n?o supervisionadas. Todas as RNAs supervisionadas foram baseadas em arquitetura de rede perceptron multicamada alimentada ? frente (feedfoward MLP). Das cinco RNAs n?o supervisionadas, tr?s foram baseadas em estrat?gias puramente competitivas, "Winner-Take- All" cl?ssica, "Frequency-Sensitive Competitive Learning" e "Rival-Penalize Competitive Learning" (WTA, FSCL e RPCL, respectivamente). As outras duas redes n?o supervisionadas, Self- Organizing Map e Neural Gas (SOM e NG) foram baseadas estrat?gias competitivo-cooperativas. O emprego da rede NG em tecnologia farmac?utica ? ainda in?dito e pretende-se avaliar seu potencial de emprego como nova ferramenta de minera??o e classifica??o de dados no desenvolvimento de medicamentos. Entre os prot?tipos de RNAs supervisionadas o melhor desempenho foi conseguido com uma rede de arquitetura composta por 8 neur?nios de entrada, 16 neur?nios escondidos e 1 neur?nio de sa?da. O aprendizado de rede e a capacidade preditiva em rela??o ao ?ngulo de repouso (α) foi deficiente, e muito boa para o ?ndice de Carr e fator de Hausner (IC, FH). Por esse motivo IC e FH foram considerados bons descritores para uma pr?xima etapa de desenvolvimento das RNAs supervisionadas. As redes, WTA, RPCL e FSCL, foram capazes de estabelecer agrupamentos dentro da massa de dados, por?m apresentaram erros grosseiros de classifica??o caracterizados pelo agrupamento de dados com propriedades conflitantes, e tamb?m n?o foi poss?vel estabelecer qual o crit?rio de classifica??o adotado. Tais resultados demonstraram a inviabilidade pr?tica dessas redes para os sistemas estudados sob nossas condi??es experimentais. As redes SOM e NG mostraram uma capacidade de classifica??o muito superior ?s RNAs puramente competitivas. Ambas as redes reconheceram os dois agrupamentos principais de dados correspondentes ? lactose (LAC) e celulose (CEL). Entretanto a rede som demonstrou defici?ncia na classifica??o de dados relativos aos excipientes minorit?rios, estearato de magn?sio (EMG), talco (TLC) e atapulgita (ATP). A rede NG, por sua vez, estabeleceu uma classifica??o muito consistente dos dados e resolveu o erro de classifica??o apresentados pela rede SOM, mostrando-se a rede mais adequada para a classifica??o dos dado do presente estudo. A rede Neural Gas, portanto, mostrou- se promissora para o desenvolvimento de softwares para uso na classifica??o automatizada de sistemas pulverulentos farmac?uticos

Made available in DSpace on 2014-12-17T14:54:53Z (GMT). No. of bitstreams: 1 RossanaMSC.pdf: 3237270 bytes, checksum: 01cfb4de4da5c1c94fba895ebbbdddb1 (MD5) Previous issue date: 2009-09-28 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The bidimensional periodic structures called frequency selective surfaces have been well investigated because of their filtering properties. Similar to the filters that work at the traditional radiofrequency band, such structures can behave as band-stop or pass-band filters, depending on the elements of the array (patch or aperture, respectively) and can be used for a variety of applications, such as: radomes, dichroic reflectors, waveguide filters, artificial magnetic conductors, microwave absorbers etc. To provide high-performance filtering properties at microwave bands, electromagnetic engineers have investigated various types of periodic structures: reconfigurable frequency selective screens, multilayered selective filters, as well as periodic arrays printed on anisotropic dielectric substrates and composed by fractal elements. In general, there is no closed form solution directly from a given desired frequency response to a corresponding device; thus, the analysis of its scattering characteristics requires the application of rigorous full-wave techniques. Besides that, due to the computational complexity of using a full-wave simulator to evaluate the frequency selective surface scattering variables, many electromagnetic engineers still use trial-and-error process until to achieve a given design criterion. As this procedure is very laborious and human dependent, optimization techniques are required to design practical periodic structures with desired filter specifications. Some authors have been employed neural networks and natural optimization algorithms, such as the genetic algorithms and the particle swarm optimization for the frequency selective surface design and optimization. This work has as objective the accomplishment of a rigorous study about the electromagnetic behavior of the periodic structures, enabling the design of efficient devices applied to microwave band. For this, artificial neural networks are used together with natural optimization techniques, allowing the accurate and efficient investigation of various types of frequency selective surfaces, in a simple and fast manner, becoming a powerful tool for the design and optimization of such structures / As estruturas planares peri?dicas bidimensionais, conhecidas como Superf?cies Seletivas de Frequ?ncia, t?m sido bastante estudadas por causa da propriedade de filtragem de frequ?ncia que apresentam. Similares aos filtros que operam na faixa tradicional de radiofrequ?ncia, tais estruturas podem apresentar caracter?sticas espectrais de filtros rejeitafaixa ou passa-faixa, dependendo do tipo de elemento do arranjo (patch ou abertura, respectivamente) e podem ser utilizadas em uma variedade de aplica??es, tais como radomes, refletores dicr?icos, filtros de micro-ondas, condutores magn?ticos artificiais, absorvedores etc. Para melhorar o desempenho de tais dispositivos eletromagn?ticos e investigar suas propriedades, muitos estudiosos t?m analisado v?rios tipos de estruturas peri?dicas: superf?cies seletivas de frequ?ncia reconfigur?veis, filtros de m?ltiplas camadas seletivas, al?m de arranjos peri?dicos impressos sobre substratos diel?tricos anisotr?picos e que utilizam geometrias fractais na sua forma??o. Em geral, n?o existe uma solu??o anal?tica diretamente extra?da a partir da resposta em frequ?ncia de um dispositivo; desta forma, a an?lise de suas caracter?sticas espectrais requer a aplica??o de t?cnicas de onda completa rigorosas, como o m?todo da equa??o integral, por exemplo. Al?m disso, devido ? complexidade computacional exigida para a implementa??o destes m?todos, muitos estudiosos ainda utilizam a investiga??o por tentativa e erro, para alcan?ar crit?rios satisfat?rios ao projeto dos dispositivos. Como este procedimento ? muito trabalhoso e dependente do homem, faz-se necess?rio o emprego de t?cnicas de otimiza??o que acelerem a obten??o de estruturas peri?dicas com especifica??es de filtragem desejadas. Alguns autores t?m utilizado redes neurais artificiais e algoritmos de otimiza??o natural, como os algoritmos gen?ticos e a otimiza??o por enxame de part?culas no projeto e otimiza??o das superf?cies seletivas de frequ?ncia. Este trabalho tem como objetivo realizar um estudo mais aprofundado sobre o comportamento eletromagn?tico das estruturas peri?dicas seletivas de frequ?ncia, possibilitando a obten??o de dispositivos eficientes e aplic?veis na faixa de micro-ondas. P ra isto, redes neurais artificiais s?o utilizadas em conjunto com t?cnicas de otimiza??o baseadas na natureza, permitindo a investiga??o precisa e eficiente de v?rios tipos de superf?cies seletivas de frequ?ncia, de forma simples e r?pida, tornando-se, portanto, uma poderosa ferramenta de projeto e otimiza??o de tais estruturas

Made available in DSpace on 2014-12-17T14:55:19Z (GMT). No. of bitstreams: 1 JoseMAJ_TESE.pdf: 3560157 bytes, checksum: 2f20316c7b980a74bdb7b82e97e3bb43 (MD5) Previous issue date: 2014-03-24 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / In last decades, neural networks have been established as a major tool for the identification of nonlinear systems. Among the various types of networks used in identification, one that can be highlighted is the wavelet neural network (WNN). This network combines the characteristics of wavelet multiresolution theory with learning ability and generalization of neural networks usually, providing more accurate models than those ones obtained by traditional networks. An extension of WNN networks is to combine the neuro-fuzzy ANFIS (Adaptive Network Based Fuzzy Inference System) structure with wavelets, leading to generate the Fuzzy Wavelet Neural Network - FWNN structure. This network is very similar to ANFIS networks, with the difference that traditional polynomials present in consequent of this network are replaced by WNN networks. This paper proposes the identification of nonlinear dynamical systems from a network FWNN modified. In the proposed structure, functions only wavelets are used in the consequent. Thus, it is possible to obtain a simplification of the structure, reducing the number of adjustable parameters of the network. To evaluate the performance of network FWNN with this modification, an analysis of network performance is made, verifying advantages, disadvantages and cost effectiveness when compared to other existing FWNN structures in literature. The evaluations are carried out via the identification of two simulated systems traditionally found in the literature and a real nonlinear system, consisting of a nonlinear multi section tank. Finally, the network is used to infer values of temperature and humidity inside of a neonatal incubator. The execution of such analyzes is based on various criteria, like: mean squared error, number of training epochs, number of adjustable parameters, the variation of the mean square error, among others. The results found show the generalization ability of the modified structure, despite the simplification performed / Nas ?ltimas d?cadas, as redes neurais t?m se estabelecido como uma das principais ferramentas para a identifica??o de sistemas n?o lineares. Entre os diversos tipos de redes utilizadas em identifica??o, uma que se pode destacar ? a rede neural wavelet (ou Wavelet Neural Network - WNN). Esta rede combina as caracter?sticas de multirresolu??o da teoria wavelet com a capacidade de aprendizado e generaliza??o das redes neurais, podendo fornecer modelos mais exatos do que os obtidos pelas redes tradicionais. Uma evolu??o das redes WNN consiste em combinar a estrutura neuro-fuzzyANFIS (Adaptive Network Based Fuzzy Inference System) com estas redes, gerando-se a estrutura Fuzzy Wavelet Neural Network - FWNN. Essa rede ? muito similar ?s redes ANFIS, com a diferen?a de que os tradicionais polin?mios presentes nos consequentes desta rede s?o substitu?dos por redes WNN. O presente trabalho prop?e uma rede FWNN modificada para a identifica??o de sistemas din?micos n?o lineares. Nessa estrutura, somente fun??es waveletss?o utilizadas nos consequentes. Desta forma, ? poss?vel obter uma simplifica??o da estrutura com rela??o a outras estruturas descritas na literatura, diminuindo o n?mero de par?metros ajust?veis da rede. Para avaliar o desempenho da rede FWNN com essa modifica??o, ? realizada uma an?lise das caracter?sticas da rede, verificando-se as vantagens, desvantagens e o custo-benef?cio quando comparada com outras estruturas FWNNs. As avalia??es s?o realizadas a partir da identifica??o de dois sistemas simulados tradicionalmente encontrados na literatura e um sistema real n?o linear, consistindo de um tanque de multisse??es e n?o linear. Por fim, a rede foi utilizada para inferir valores de temperatura e umidade no interior de uma incubadora neonatal. A execu??o dessa an?lise baseia-se em v?rios crit?rios, tais como: erro m?dio quadr?tico, n?mero de ?pocas de treinamento, n?mero de par?metros ajust?veis, vari?ncia do erro m?dio quadr?tico, entre outros. Os resultados encontrados evidenciam a capacidade de generaliza??o da estrutura modificada, apesar da simplifica??o realizada

Made available in DSpace on 2014-12-17T14:56:12Z (GMT). No. of bitstreams: 1 VictorLCMS_DISSERT.pdf: 2392559 bytes, checksum: f4276b98c00bcaaa7742d7ced860b2b7 (MD5) Previous issue date: 2013-04-19 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / A serious problem that affects an oil refinery s processing units is the deposition of solid particles or the fouling on the equipments. These residues are naturally present on the oil or are by-products of chemical reactions during its transport. A fouled heat exchanger loses its capacity to adequately heat the oil, needing to be shut down periodically for cleaning. Previous knowledge of the best period to shut down the exchanger may improve the energetic and production efficiency of the plant. In this work we develop a system to predict the fouling on a heat exchanger from the Potiguar Clara Camar?o Refinery, based on data collected in a partnership with Petrobras. Recurrent Neural Networks are used to predict the heat exchanger s flow in future time. This variable is the main indicator of fouling, because its value decreases gradually as the deposits on the tubes reduce their diameter. The prediction could be used to tell when the flow will have decreased under an acceptable value, indicating when the exchanger shutdown for cleaning will be needed / Um s?rio problema que afeta unidades de refino de petr?leo ? a deposi??o e incrusta??o de s?lidos nos equipamentos. Esses res?duos est?o naturalmente presentes no petr?leo ou s?o produtos de rea??es qu?micas durante o seu transporte. Um permutador de calor, quando sujo, perde sua capacidade de aquecer adequadamente o petr?leo, precisando, periodicamente, ser retirado de opera??o, para que possa ser realizada uma limpeza. Informa??es pr?vias do melhor per?odo para realizar as paradas podem melhorar a efici?ncia energ?tica e de produ??o da planta. Esse trabalho desenvolveu um sistema de predi??o da incrusta??o em um permutador da Refinaria Potiguar Clara Camar?o, com base em dados coletados em parceria com a Petrobras. Foram utilizadas redes neurais recorrentes que preveem a vaz?o no permutador em instantes futuros. Essa vari?vel ? o principal indicador da incrusta??o, pois seu valor diminui gradualmente ? medida que os dep?sitos nas paredes dos tubos reduzem seu di?metro. A predi??o pode ser usada para dizer quando a vaz?o ter? ca?do abaixo de um valor satisfat?rio, indicando quando ser? necess?rio retirar o equipamento de opera??o

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This work proposes an advanced analysis for MLP performance improvement by adopting new target vectors. Firstly, a mathematical study is done to evaluate the influence of VBOs used as target vectors on MLP training. The VBOs provide the largest possible Euclidean distance between them to improve the training and generalization capability of MLPs. The largest distance inducement between points from output space leads to direct correspondence on pattern classification improvement. The various types of target vectors such as VBNs, VBCs and VNOs are adopted for training of MLP models and their performances are compared with the model trained by using VBOs. The mathematical evidences of performance improvement were found on weight updating refinement from backpropagation error stage of the algorithm. This particular refinement for training with VBOs is useful to preserve the features of each pattern due to noise interference reduction during the training process from a pattern to another. Following the mathematical study, more advanced experimental analysis using VBOs with two databases for pattern recognition is performed. The first database is related to the handwritten digits for comparing the performances of MLPs trained by adopting VBCs and VNOs with the performance of MLP trained by adopting VBOs. The results showed higher classification rates for the MLP trained with VBOs. The second database is constituted by human iris images in order to perform the comparison of MLP performances using conventional target vectors and new target ones represented by VBOs. Besides the high performance of MLPs trained with VBOs on recognition rates, it was concluded that the use of new target vectors provides high recognition rates with low tolerance for epoch trainings leading to the consequent low computational load for pattern processing. / O presente trabalho propõe a análise avançada para a melhoria de desempenho de MLP através do uso de novos vetores-alvo. Primeiramente, por meio de um estudo matemático, avalia-se a influência dos VBOs sobre o treinamento das MLPs quando são utilizados como vetores-alvo. Os VBOs possuem a maior distância euclidiana possível entre si, o que leva a supor que melhora o treinamento e a capacidade de generalização da rede em teste. A hipótese é a de que a provocação de uma maior distância entre os pontos de saída da rede pode ter relação direta com a melhoria na classificação dos padrões. Os diferentes tipos de vetores-alvo tais como VBNs, VBCs e VNOs são utilizados para o treinamento de MLPs e os seus desempenhos são comparados com a rede treinada adotando-se os VBOs. As evidências matemáticas da melhoria de desempenho foram encontradas no refinamento da atualização dos pesos, etapa denominada no algoritmo como retro propagação do erro. Esse refinamento característico do treinamento com VBOs age no sentido de preservar as características de cada padrão, reduzindo o ruído de interferência do treinamento de um padrão para outro. Seguindo-se ao estudo matemático, realiza-se uma análise experimental mais avançada da utilização dos VBOs por meio de duas bases de dados para reconhecimento de padrões. A primeira base de dados é a de dígitos manuscritos para comparar os desempenhos de MLPs treinadas com VBCs e VNOs com aquelas treinadas com VBOs. Os resultados mostraram taxas de classificação superiores para a MLP treinada com VBOs. A segunda base de dados é formada por imagens de íris humana com o propósito de realizar a comparação dos desempenhos de MLPs treinadas com vetores-alvo convencionais e novos vetores-alvo representados pelos VBOs. Além da alta performance nas taxas de reconhecimento das MLPs treinadas com VBOs, observou-se que com o uso desses novos vetores-alvo, é possível obter elevadas taxas de reconhecimento com pouco rigor nas épocas de treinamento, reduzindo-se consequentemente a carga computacional de processamento dos padrões. / Mestre em Ciências

Given the scenarios of increasing world population, the concentration of CO2, fuel costs, global consumption of energy and climate change, there was a need to search for alternative energy sources. In this context, solar photovoltaic, the result of research and investments over the past five decades, had a great impact in the last decade, recording a significant increase in the production of photovoltaic cells and modules and installations of photovoltaic systems worldwide. One of the goals of this work was to study the behavior of PV modules by partial shading situations in different conditions of temperature and solar radiation. Within this partial shading scenario that impacts virtually all electrical parameters of a module, the study and calculation of the series resistance of the modules was done in conditions of partial shading proposals to verify the relationship between the value of the series resistance and the state of shading partial, allowing identification of a possible state of shading from monitoring the resistance series. Another objective of this work was to apply Artificial Intelligence (AI) resources in the form of Artificial Neural Networks (ANN) to, after the proper training and learning of ANN from the database collected in the field under conditions of partial shade, they can identify the parameters of the PV modules within the various conditions of partial shading proposals. To pursue the objectives of this work four photovoltaic modules were used, two with 40 W nominal power with over fifteen years of manufacturing, assigned by the Instituto Federal de Goiás (IFGoiano) Urutaí Campus, at the city of Urutaí-GO and two new without any use of 75 W nominal power assigned by the Center for Research on Alternative Energy Sources, School of Electrical Engineering, Universidade Federal de Uberlândia (UFU). / Diante dos cenários de aumento da população mundial, da concentração de CO2 ,dos custos dos combustíveis, do consumo mundial de energia e das alterações climáticas, surgiu a necessidade de se buscar por fontes de energias alternativas. Neste contexto, a energia solar fotovoltaica, fruto de investigações e investimentos realizados nas últimas cinco décadas, teve um grande impacto na última década, registrando um aumento significativo na produção de células e módulos fotovoltaicos e instalações de sistemas fotovoltaicos no mundo todo. Um dos objetivos deste trabalho foi estudar o comportamento de módulos fotovoltaicos mediante situações de sombreamento parcial em diferentes condições de temperatura e radiação solar. Dentro deste cenário de sombreamento parcial que causa impacto praticamente em todos os parâmetros elétricos de um módulo, foi feito o estudo e cálculo da resistência série dos módulos nas condições de sombreamento parcial propostas para verificar a relação entre o valor da resistência série e o estado de sombreamento parcial, possibilitando uma possível identificação do estado de sombreamento a partir do monitoramento da resistência série. Outro objetivo deste trabalho foi aplicar recursos de Inteligência Artificial (IA) na modalidade de Redes Neurais Artificiais (RNAs) para, após o devido treinamento e aprendizado das RNAs a partir do banco de dados colhidos em campo sob condições de sombreamento parcial, elas poderem identificar os parâmetros do módulo fotovoltaico dentro das diversas condições de sombreamento parcial propostas. Para a busca dos objetivos deste trabalho foram utilizados quatro módulos fotovoltaicos sendo dois de 40 W de potência nominal com mais de quinze anos de fabricação, cedidos pelo Instituto Federal Goiano (IFGoiano) Campus Urutaí, da cidade de Urutaí-GO e dois novos e sem uso, de 75 W de potência nominal cedidos pelo Núcleo de Pesquisa em Fontes Alternativas de Energia da Faculdade de Engenharia Elétrica da Universidade Federal de Uberlândia (UFU). / Mestre em Ciências

Entender as causas geradoras do movimento de pedestres é muito importante para o planejamento urbano das cidades, a fim de inferir se as atitudes tomadas na concepção e manutenção dos espaços estão de fato contribuindo para o fortalecimento da dinâmica social. No entanto, determinar como funciona o movimento dos pedestres é uma tarefa difícil devido à complexidade das estruturas sociais que criam esse fenômeno. Uma maneira de contornar esse problema é através da criação de modelos que associam diretamente os atributos das calçadas e suas relações. Dentre as metodologias observadas para a construção do modelo, aquelas que mais se adequaram para entender os fatores contidos no espaço urbano foram a sintaxe espacial e o nível de serviço dos passeios. A Sintaxe Espacial ajuda na compreensão desse fenômeno, pois permite a análise das relações espaciais da cidade. No entanto, possui a limitação de prever apenas parte desse movimento e, ainda, só encontrar correlações significativas quando a medida de inteligibilidade (correlação entre a integração e conectividade) apresenta valores elevados. Do mesmo modo, a qualidade do passeio interfere diretamente no modo que o pedestre utiliza esse espaço. O fluxo de pedestre é um fenômeno complexo e, como tal, não pode ser entendido através de relações lineares ou de causa e efeito entre quaisquer variáveis, sejam elas espaciais ou não. Para entender a complexidade desse fenômeno será utilizada a abordagem conexionista das redes neurais artificiais, uma forma de processamento em paralelo com capacidade de trabalhar através de exemplos, generalizando e abstraindo as informações das variáveis e suas ligações. Deste modo, este trabalho pretende apresentar uma abordagem diferenciada para entender parte da dinâmica social através do fenômeno da movimentação de pedestres. / In Urban Planning, understanding pedestrian movement generative causes is key issue. Through it is possible to check if public policies targeting maintenance and improvement of open spaces are effectively reaching their goals in strengthening social dynamics. Nevertheless it is quite difficult to determinate how pedestrian movement functions due to social structure complexity driving these phenomena emergency and the extensive row of variables underlying it. One of the most effective problem-solving tools targeting the subject is modeling sidewalk attributes through the relations held amidst their physical variables and measured levels of use. Among several methods applied in model building, Space Syntax and Sidewalks Service Leveling were those which provided the best suitable tools to face the research problems. Space Syntax methods are helpful to understand the phenomena, since they allow to depict tendencies for pedestrian movement related directly to grid deformation patterns and spatial configuration. But its scope is limited since it substantiates movement potential rather than measured. Also because correlations found between pedestrian movement measurements and urban morphology are only robust when Integibility measure (correlating Integration to connectivity) is high. Likewise, sidewalk physical qualities are directly responsible for the way in which people move around, establish their routes or use public spaces, fulfilling or hijacking movement potential standards. Pedestrian fluxes are complex phenomena and being such, unable to be pictured by linear relations or explained through cause – effect conditioning between spatial or a-spatial variables. To depict the interdependence between variables amidst these phenomena complexity we opted for a connective approach found at Artificial Neural Nets; a way of parallel data processing which is able to modeling from samples due to their generalization capacity and that of extract information from the structuring variables and their relationships and linkages. Being so, this research presents an original combination of tools and methods that allow approaching social dynamics starting from pedestrian movement phenomena empirical data.

A comercialização de energia elétrica no Brasil e no mundo sofreu diversas modificações nos últimos 20 anos. Com o objetivo de alcançar o equilíbrio econômico entre oferta e demanda do bem chamado eletricidade, os agentes deste mercado seguem as regras definidas pela sociedade (governo, empresas e consumidores) e também as leis da natureza (hidrologia). Para tratar de problemas tão complexos, estudos são realizados na área da heurística computacional. O objetivo deste trabalho é elaborar um software de previsão de preços do mercado spot utilizando redes neurais artificiais (RNA). As RNA são muito utilizadas em diversas aplicações, principalmente em heurística computacional, nas quais sistemas não lineares apresentam desafios computacionais difíceis de serem superados devido ao efeito da maldição da dimensionalidade. Tal maldição se deve pelo fato do poder computacional atual não ser suficiente para processar problemas com elevada combinação de variáveis. O problema de prever os preços do mercado spot depende de fatores como: (a) a previsão de demanda (carga); (b) a previsão da oferta (reservatórios, regime de chuvas e clima), fator de capacidade; e (c) o equilíbrio da economia (precificação, leilões, influência de mercados externos, política econômica, orçamento governamental, política governamental). Estes fatores são utilizados na construção do sistema de previsão e os resultados de sua eficácia são testados e apresentados. / The commercialization of electricity in Brazil as well as in the world has undergone several changes over the past 20 years. In order to achieve an economic balance between supply and demand of the good called electricity, stakeholders in this market follow both rules set by society (government, companies and consumers) and set by the laws of nature (hydrology). To deal with such complex issues, various studies have been conducted in the area of computational heuristics. This work aims to develop a software to forecast spot market prices in using artificial neural networks (ANN). ANNs are widely used in various applications especially in computational heuristics, where non-linear systems have computational challenges difficult to overcome because of the effect named curse of dimensionality. This effect is due to the fact that the current computational power is not enough to handle problems with such a high combination of variables. The challenge of forecasting prices depends on factors such as: (a) foresee the demand evolution (electric load); (b) the forecast of supply (reservoirs, hydrology and climate), capacity factor; and (c) the balance of the economy (pricing, auctions, foreign markets influence, economic policy, government budget and government policy). These factors are considered be used in the forecasting model for spot market prices and the results of its effectiveness are tested and huge presented.