O presente trabalho trata da criação de uma nova abordagem para predição de séries temporais ruidosas, com modelo desconhecido e que apresentam grandes não-linearidades. O novo método neuro-estatístico proposto combina uma rede neural de múltiplas camadas com o método estatístico Filtro de Kalman Estendido. A justificativa para a junção dessas abordagens é o fato de possuírem características complementares para o tratamento das peculiaridades das séries descritas. Quanto ao ruído, o FKE consegue minimizar a sua influência, trabalhando com a variância do ruído extraído dos dados reais. Quanto ao modelo gerador da série, as redes neurais aproximam a sua função, aprendendo a partir de amostras dos próprios dados. Grandes não-linearidades também são tratadas pelas RNs. O método neuro-estatístico segue a estrutura do FKE, utilizando a RN como processo preditivo. Com isso, elimina-se a necessidade de conhecimento prévio da função de transição de estados. O poder de tratamento de não-linearidades da RN é mantido, utilizando-se a previsão desta como estimativa de estado e os seus valores internos para cálculo das jacobianas do FKE. As matrizes de covariâncias dos erros de estimativa e dos ruídos são utilizadas para melhora do resultado obtido pela RN. A rede é treinada com um conjunto de dados retirado do histórico da série, de maneira off-line, possibilitando o uso de poderosas estruturas de redes de múltiplas camadas. Os resultados do método neuro-estatístico são comparados com a mesma configuração de RN utilizada em sua composição, sendo ambos aplicados na série caótica de Mackey-Glass e em uma série combinada de senos. Ambas séries possuem grandes não-linearidades e são acrescidas de ruído. O novo método alcança resultados satisfatórios, melhorando o resultado da RN em todos os experimentos. Também são dadas contribuições no ajuste dos parâmetros do FKE, utilizados no novo método. O método híbrido proporciona uma melhora mútua entre a RN e o FKE, explicando os bons resultados obtidos. / This work presents a new forecast method over highly nonlinear noisy time series. The neural statistical method uses a multi-layer perceptron (NN) and the Extended Kalman Filter (EKF). The justification for the combination of these approaches is that they possess complementary characteristics for the treatment of the peculiarities of the series. The EKF minimizes the influence of noise, working with the variance of the noise obtained from the real data. The NN approximates the generating model’s function. High nonlinearities are also treated by the neural network. The neural statistical method follows the structure of the EKF, using the NN as the predictive process. Thus, it isn’t necessary previous knowledge of the state transition function. The power of treatment of nonlinearities of the NN is kept, using forecast of this as estimative of state and its internal values for calculation of the Jacobian matrix of the EKF. The error estimative covariance and the noise covariance matrixes are used to improve the NN outcome. The NN is trained offline by past observations of the series, which enable the use of powerfuls neural networks. The results of the neural statistical method are compared with the same configuration of NN used in its composition, being applied in the chaotic series of Mackey-Glass and an sine mistures series. Both series are noisy and highly nonlinear. The new method obtained satisfactory result, improving the result of the regular NN in all experiments. The method also contributes in the adjustment of the parameters of the EKF. The hybrid method has a mutual improvement between the NN and the EKF, which explains the obtained good results.

Este trabalho envolve o emprego de recentes tecnologias ligadas a promissora área de Inteligência Computacional e a tradicional área de Processamento de Sinais Digitais. Tem por objetivo o desenvolvimento de uma aplicação especifica na área de Processamento de Voz: o reconhecimento de locutor. Inúmeras aplicações, ligadas principalmente a segurança e controle, são possíveis a partir do domínio da tecnologia de reconhecimento de locutor, tanto no que diz respeito a identificação quanto a verificação de diferentes locutores. O processo de reconhecimento de locutor pode ser dividido em duas grandes fases: extração das características básicas do sinal de voz e classificação. Na fase de extração, procurou-se aplicar os mais recentes avanços na área de Processamento Digital de Sinais ao problema proposto. Neste contexto, foram utilizadas a frequência fundamental e as frequências formantes como parâmetros que identificam o locutor. O primeiro foi obtido através do use da autocorrelação e o segundo foi obtido através da transformada de Fourier. Estes parâmetros foram extraídos na porção da fala onde o trato vocal apresenta uma coarticulação entre dois sons vocálicos. Esta abordagem visa extrair as características desta mudança do aparato vocal. Existem dois tipos de reconhecimento de locutor: identificação (busca-se reconhecer o locutor em uma população) e verificação (busca-se verificar se a identidade alegada é verdadeira). O processo de reconhecimento de locutor é dividido em duas grandes fases: extração das características (envolve aquisição, pré-processamento e extração dos parâmetros característicos do sinal) e classificação (envolve a classificação do sinal amostrado na identificação/verificação do locutor ou não). São apresentadas diversas técnicas para representação do sinal, como analise espectral, medidas de energia, autocorrelação, LPC (Linear Predictive Coding), entre outras. Também são abordadas técnicas para extração de características do sinal, como a frequência fundamental e as frequências formantes. Na fase de classificação, pode-se utilizar diversos métodos convencionais: Cadeias de Markov, Distância Euclidiana, entre outros. Além destes, existem as Redes Neurais Artificiais (RNAs) que são consideradas poderosos classificadores. As RNAs já vêm sendo utilizadas em problemas que envolvem classificações de sinais de voz. Neste trabalho serão estudados os modelos mais utilizados para o problema de reconhecimento de locutor. Assim, o tema principal da Dissertação de Mestrado deste autor é a implementação de um sistema de reconhecimento de locutor utilizando Redes Neurais Artificiais para classificação do locutor. Neste trabalho tamb6m é apresentada uma abordagem para a implementação de um sistema de reconhecimento de locutor utilizando as técnicas convencionais para o processo de classificação do locutor. As técnicas utilizadas são Dynamic Time Warping (DTW) e Vector Quantization (VQ). / This work deals with the application of recent technologies related to the promising research domain of Intelligent Computing (IC) and to the traditional Digital Signal Processing area. This work aims to apply both technologies in a Voice Processing specific application which is the speaker recognition task. Many security control applications can be supported by speaker recognition technology, both in identification and verification of different speakers. The speaker recognition process can be divided into two main phases: basic characteristics extraction from the voice signal and classification. In the extraction phase, one proposed goal was the application of recent advances in DSP theory to the problem approached in this work. In this context, the fundamental frequency and the formant frequencies were employed as parameters to identify the speaker. The first one was obtained through the use of autocorrelation and the second ones were obtained through Fourier transform. These parameters were extracted from the portion of speech where the vocal tract presents a coarticulation between two voiced sounds. This approach is used to extract the characteristics of this apparatus vocal changing. In this work, the Multi-Layer Perceptron (MLP) ANN architecture was investigated in conjunction with the backpropagation learning algorithm. In this sense, some main characteristics extracted from the signal (voice) were used as input parameters to the ANN used. The output of MLP, trained previously with the speakers features, returns the authenticity of that signal. Tests were performed with 10 different male speakers, whose age were in the range from 18 to 24 years. The results are very promising. In this work it is also presented an approach to implement a speaker recognition system by applying conventional methods to the speaker classification process. The methods used are Dynamic Time Warping (DTW) and Vector Quantization (VQ).

A resistência e a rigidez de materiais compósitos variam consideravelmente devido a mudanças no tipo de material, espessura das camadas, ângulo de orientação das fibras e seqüência das lâminas. O projeto de uma estrutura ótima pode ser obtido dada uma determinada condição de carga. Vários métodos de otimização determinísticos foram desenvolvidos para tratar esse problema. Algumas vezes a orientação ótima das fibras muda quando as condições de carga variam e o desempenho da estrutura é altamente afetado pelas variáveis de projeto e condições de carregamento. Dessa forma, a otimização deste tipo de estrutura utilizando a confiabilidade como restrição é um importante problema a ser tratado. Este trabalho trata do problema da otimização de estruturas de materiais compósitos laminados com restrição de confiabilidade utilizando algoritmos genéticos e redes neurais. A análise da estrutura é feita via elementos finitos e as tensões na direção dos eixos principais de cada lâmina são utilizadas para o cálculo do índice de confiabilidade da estrutura, sendo a função de estado limite o critério de Tsai-Wu para falha de materiais compósitos laminados. A análise de confiabilidade é feita através de um dos seguintes métodos: FORM com um ponto de linearização, FORM para sistemas em série, Monte Carlo Direto e Monte Carlo com Amostragem por Importância. O processo de otimização via Algoritmos Genéticos (com suas fases de geração, seleção e cruzamento dos indivíduos da população), é usado em conjunto com os métodos de determinação do índice de confiabilidade e análises por elementos finitos. Isto gera um alto custo computacional, o qual é contornado utilizando-se Redes Neurais do tipo Perceptron e Base Radial, treinadas para substituir a análise via elementos finitos, diminuindo consideravelmente o tempo de processamento. É mostrado por meio de diversos exemplos que esta metodologia pode ser usada sem perda de precisão e com economia de tempo de processamento até mesmo em exemplos fortemente não lineares. / Strength and stiffness of composite materials vary considerable due to changes in the material to be used, the thickness of each layer, the fiber orientation angles and the stacking sequence. The optimum structural design may be obtained for a specific load condition. Several optimization criteria were been developed to treat that problem. Sometimes the optimal fiber orientation angles are highly dependent on the load conditions and the structural performance is also influenced by the design variables and acting loads. Thus, structural optimization using a reliability index as a constraint is an important problem to be analyzed. This work deals with the problem of reliability based optimization of laminated composite structures, using genetic algorithms and neural networks. The analysis of the structure is carried out by finite elements and the stress in the direction of the principal axes of each lamina are used to the calculation of the reliability index of the structure, where the limit state function is the Tsai-Wu criterion assuming first ply failure. The reliability analyses are accomplished through one of the following methods: FORM with one linearization point, FORM for in-series systems, Direct Monte Carlo and Monte Carlo with Importance Sampling. The optimization process through Genetic Algorithms (with its phases of generation, selection and crossover of the individuals of the population), is used jointly with the reliability evaluation methods and analysis by finite elements. This leads to high computational costs, which are overcome using trained Neural Networks of the type Perceptron and Radial Base to substitute the analysis with finite elements, reducing considerably the processing time. Several examples are used to show that this methodology can be used without loss of accuracy and with large computational timesaving even for strongly non-linear problems.

Neste trabalho apresenta-se uma proposta de uma técnica para implementação em hardware, das estruturas básicas de uma Rede Neural Competitiva, baseada em técnicas analógicas. Através desta proposta, será abordada uma das classes mais interessantes de Redes Neurais Artificiais (RNA) que são as Redes Neurais Competitivas (RNC), que possuem forte inspiração biológica. As equações fundamentais que descrevem o comportamento da RNC foram derivadas de estudos interdisciplinares, a maioria envolvendo observações neurofisiológicas. O estudo do neurônio biológico, por exemplo, nos leva a clássica equação da membrana. A técnica mostrada para a implementação das Redes Neurais Competitivas se baseia no use das técnicas analógicas. Estas conduzem a um projeto mais compacto além de permitirem um processamento em tempo real, visto que o circuito computacional analógico altera simultaneamente e continuamente todos os estados dos neurônios que se encontram interligados em paralelo. Para esta proposta de implementação, a mostrado que as equações fundamentais que governam as Redes Neurais Competitivas possuem uma relação com componentes eletrônicos básicos, podendo então, serem implementados através destes simples componentes com os quais as equações fundamentais se relacionam. Para tanto, é mostrado por meio de simulações em software, o comportamento das equações fundamentais deste tipo de Redes Neurais, e então, é comparado este comportamento, com os obtidos através de simulações elétricas dos circuitos equivalentes oriundos destas equações fundamentais. Mostra-se também, em ambas as simulações, uma das características mais importantes existentes nos modelos de RNC, conhecida como Memória de Tempo Curto (STM). Por fim, é apresentada uma aplicação típica na área de clusterização de padrões utilizando pesos sinápticos, a fim de demonstrar a implementação utilizando as técnicas descritas durante o trabalho. Esta aplicação é demonstrada através de simulações elétricas, sendo estas realizadas para tipos diferentes de tecnologia, mostrando assim, o correto desempenho da proposta deste trabalho. / In this work we present a proposal of a technique to hardware implementation of the basic structures of a Competitive Neural Network, based on analog circuits techniques. This proposal approaches one of the most interesting classes of Artificial Neural Networks (ANN) that are the Competitive Neural Networks (CNN), that possess strong biological inspiration. The fundamental equations that describe the behavior of CNN were derived from interdisciplinary studies, mostly involving neurophysiological observations. The study of the biological neuron, for example, leads to the classical membrane equation. The presented technique for implementation of Competitive Neural Networks is based on the use of analog circuits techniques. This leads to a more compact project and allows real time processing, because computation in analog circuits modifies simultaneously and continuouslly all the states of the neurons that are connected in parallel. In this proposal, it is shown that the fundamental equations that describe the behavior of Competitive Neural Networks possess a relationship with some basic electronic components. This fact allows the direct implementation of CNN with these electronic components. Initially the behavior of the fundamental equations of this type of Neural Networks is studied by means of software simulations. This behavior is then compared, with the one obtained through electric simulations of the equivalent circuits originated from these fundamental equations. It is also shown, in both simulations, one of the more important characteristic in the models of CNN, known as Short Term Memory (STM). Finally, a typical application is presented in the area of pattern clustering using synaptic weights, to demonstrate an implementation using the techniques described in this work. This application is demonstrated through electric simulations, for different IC technologies, comproving the correctness of the presented proposal.

Orientador: Maurizio Babini / Banca: Ricardo Baptista Madeira / Banca: Eli Nazareth Bechara / Resumo: O presente trabalho tem como objetivo principal aplicar o modelo de dicionário terminológico onomasiológico bilíngüe, proposto por Babini (2001), na elaboração de um dicionário eletrônico inglês-português e português-inglês dos termos fundamentais das Redes Neurais Artificiais. O dicionário onomasiológico caracteriza-se por permitir a busca de uma unidade lexical ou terminológica a partir de seu conteúdo semântico. Constituímos um corpus de especialidade e um corpus de língua geral com o auxílio do programa computacional WordSmith Tools. A metodologia terminológica foi norteada pela Teoria Comunicativa da Terminologia, que nos auxiliou nas reflexões quanto as diferenças terminológicas existentes entre os dois idiomas estudados. As principais referências metodológicas, que guiaram nossas buscas pelos equivalentes lexicais, foram Felber (1984), Dubuc (1985), Alpizar-Castillo (1995), Cabré (1993, 1999), Berber Sardinha (2001), Barros (2004), Babini (2001a, 2001b). Nosso modelo de dicionário permite dois tipos de pesquisa: semasiológica e onomasiológica. A busca onomasiológica é viabilizada pelo conjunto de semas ou traços semânticos que compõe o conceito de cada termo do dicionário. Foram utilizados o aplicativo MS Access, o gerenciador de banco de dados MySQL e a linguagem de programação PHP. / Abstract: The present thesis majorly aims at applying a bilingual onomasiological terminological dictionary model, proposed by Babini (2001), so as to develop an English-Portuguese and Portuguese-English electronic dictionary of the fundamental terms of the Artificial Neural Networks. The onomasiological dictionary allows the search of a lexical or terminological unit from its semantic content. We constituted a specialty corpus and a general language corpus with the aid of the computational program WordSmith Tools. The methodological approach was guided by the Communicative Terminology Theory, which allowed us to identify the existing differences among the languages studied. The main methodological basis, which guided our search for lexical equivalent, were Felber (1984), Dubuc (1985), Alpizar- Castillo (1995), Cabré (1993, 1999), Berber-Sardinha (2001), Barros (2004), Babini (2001a, 2001b). Our dictionary model allows two types of search: semasiological and onomasiological. The onomasiological search is made viable by a set of semantic traits that make up the concept of each term in the dictionary. The following computational resources were used: MS Access software, the MySQL database management system and the PHP programming language. / Mestre

Les systèmes solaires thermiques combinés à un système d’appoint tel que une chaudière, une pompe à chaleur ou intégrant une machine à absorption, peuvent jouer un rôle important dans la réduction des consommations des bâtiments pour les besoins de chauffage, de climatisation et de production d’eau chaude sanitaire. Dans ce sens, la caractérisation des performances énergétiques des systèmes thermiques est un enjeu crucial.Les méthodes de caractérisation actuellement disponibles sont soit basées sur plusieurs essais physiques séparés des composants du système à évaluer, chose qui ne prend pas en compte les vraies interactions entre ces derniers, soit sur des modèles physiques qui peuvent être complexes et difficilement identifiables notamment du fait que les systèmes actuels sont compacts et préfabriqués en usine. En l’absence de méthode fiable pour estimer les performances des systèmes solaires thermiques avant leur intégration au bâtiment, le marché de ses derniers subit de fortes contraintes pour son développement.Dans ce contexte il devient indispensable de développer une méthodologie générique qui peut être appliquée à différentes typologies de systèmes et qui pallie les difficultés rencontrées par les méthodes actuelles.L’approche d’évaluation proposée dans ce mémoire est constituée de quatre étapes principales : la détermination d’une séquence de test, l’essai du système dans un banc d’essai semi-virtuel selon la séquence déterminée, l’acquisition des données et l’identification d’un réseau de neurones artificiels (RNA) du système et enfin la simulation du modèle en vue de l’estimation de la consommation du système dans l’environnement désiré. L’avantage d’utiliser un modèle complètement « boîte noire » du système complet à l’aide des RNA la rend totalement « non intrusive ». La connaissance des paramètres internes aux systèmes (rendements, conductivités thermiques, régulation etc.) n’est en conséquence pas nécessaire pour l’application de la méthodologie.La validation de la méthodologie a été réalisée à travers plusieurs expérimentations numériques, pour 7 systèmes issus de 3 typologies différentes, durant lesquelles les estimations des RNA ont été comparées aux calculs des modèles physiques dans plusieurs conditions différentes (qualité du bâtiment, climat et surface du capteur). Une application de l’approche développée dans le cas de 5 systèmes réels a permis la confirmation de la pertinence de la méthodologie. / Solar thermal systems combined with a backup system such as a boiler, a heat pump or incorporating an absorption chiller, can play an important role in reducing buildings energy consumption for heating, cooling and hot water production needs. In this sense, characterizing the energy performance of thermal systems is crucial.Currently available methods of system characterization are either based on several separate physical tests of system components to be evaluated, which do not take into account the real interactions between them, or on physical models that can be complex and difficult to identify especially because systems nowadays are compact and prefabricated in the factory. Due to the lack of a reliable method to estimate the performance of solar thermal systems before their integration into buildings, their market faces a lot of impediment to be developed.In this context, it becomes essential to develop a generic methodology that can be applied to different types of systems which overcomes the difficulties encountered by the current ones.The proposed evaluation approach in this manuscript is composed of four main steps: determining a test sequence, testing the system in a semi-virtual test bench according to predetermined sequence, data acquisition and identifying an artificial neural network (ANN) of the system and finally the model simulation in order to estimate the system consumption in the desired boundary condition. Using a completely "black box" model of the whole system using the ANN makes the methodology totally "non-intrusive". No prior knowledge about the systems internal parameters (yields, thermal conductivities, regulation etc.) is necessary to apply the proposed approach.The methodology validation was performed through several numerical experiments for seven systems coming from three different typologies. During the validation process, ANN estimates were compared with calculations of physical models in several different conditions (quality of building, climate and collector area). The developed approach was applied to five real systems as well. The application results allowed the confirmation of the methodology relevance.

Made available in DSpace on 2014-06-11T19:22:25Z (GMT). No. of bitstreams: 0 Previous issue date: 2005-10-31Bitstream added on 2014-06-13T20:28:45Z : No. of bitstreams: 1 sabo_la_me_prud.pdf: 1272505 bytes, checksum: 420b25b538037de137a6798e23e7d7fc (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Experimento baseado na aplicação de uma rede neural artificial para a classificação da cobertura do solo urbano de Presidente Prudente, SP, e na análise da incerteza na representação das classes temáticas mapeadas. A ambigüidade que caracteriza essas classes foi analisada através da distribuição espacial da probabilidade por classe, da incerteza por classe e da entropia, as quais foram posteriormente representadas em imagens em tons de cinza e mapas temáticos. Os resultados mostraram que o objetivo de discriminar as variações na cobertura do solo urbano através da aplicação de uma rede neural artificial na classificação foi atingido e, a partir das representações geradas, foi possível visualizar a variação espacial da incerteza na atribuição das classes de cobertura do solo urbano ao pixel. Além disso, foi possível verificar que a classe caracterizada por um padrão definido como intermediário, quanto à impermeabilidade do solo urbano, foi aquela que apresentou maior grau de ambigüidade e, portanto, maior mistura em relação às demais. A realização do experimento confirmou a expectativa inicial quanto ao potencial da rede neural artificial em discriminar classes de cobertura do solo urbano, caracterizadas pelo alto grau de mistura que apresentam, e representar espacialmente a incerteza associada a cada classe, desde que a aplicação de interesse seja cuidadosamente modelada. / This experiment aims the classification of the urban land cover of Presidente Prudente city and the analysis of the uncertainty in the representation of the mapped thematic classes. The ambiguity that characterizes those classes was analyzed through of the spatial distribution of the probability by class, of the uncertainty for class and of the entropy, wich were represented in gray levels images and thematic maps. The results showed that the aim of discriminating the variations in the urban land cover through the application of an ANN in the classification was reached. It was also possible to visualize the spatial variation of the uncertainty in the attribution of classes of urban land cover and from the generated representations. The class characterized by a pattern that define an intermediary level, related to the impermeability of the urban soil, showed larger ambiguity degree and, therefore, larger mixture. The experiment confirmed that the ANN can discriminate classes of urban land cover with high level of mixture and represent spatially the uncertainty associated with each class, since the application of interesting be modeled carefully.

Made available in DSpace on 2014-06-11T19:22:25Z (GMT). No. of bitstreams: 0 Previous issue date: 2006-06-30Bitstream added on 2014-06-13T19:48:44Z : No. of bitstreams: 1 sartori_lr_me_prud.pdf: 1503241 bytes, checksum: 70f9983e4d75d8593ab7f2d397146db7 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Imagens multiespectrais de alta resolução espacial podem se constituir em uma fonte de dados adequada para o mapeamento de processos associados ao desenvolvimento de culturas agrícolas, como a detecção de plantas daninhas. A aerofotogrametria convencional e imagens de satélite de alta resolução espacial são alternativas para aquisição dessas imagens. Entretanto, devido ao custo elevado da aquisição destas imagens, tem sido desenvolvido, pelo Departamento de Cartografia da Faculdade de Ciências e Tecnologia da UNESP de Presidente Prudente, um Sistema de Sensoriamento Remoto Aerotransportado (SRA), capaz de oferecer resolução espacial sub-métrica. Este trabalho considerou a hipótese de que a partir de imagens adquiridas pelo Sistema é possível discriminar graus de infestação de plantas daninhas em culturas de café. Para investigar esta hipótese, foi realizado o mapeamento de plantas daninhas utilizando dois diferentes métodos: classificação de imagens multiespectrais (classificação por redes neurais artificiais - RNA) e análise geoestatística (krigagem por indicação com dados indiretos). Os mapas temáticos foram submetidos à análise da qualidade temática. A krigagem por indicação apresentou resultados suavizados e confusos, ao contrário da classificação por RNA, a qual se constituiu num método eficiente para o objetivo proposto, confirmando a hipótese inicial da investigação. / Multispectral images with high spatial resolution can be a suitable data source for the mapping of processes associated to the crop development, as detection of weed. The aerial photogrammetry and satellite image of high spatial resolution are alternatives for the aquisition of these images. However, due to the high cost of these images, a Sistema de Sensoriamento Remoto Aerotransportado - SRA, which is capable of to offer sub-metric spatial resolution has been developed by the Department of Cartography, FCT/Unesp (Presidente Prudente). This work taked into account the hypothesis that is possible to discriminate infestation degree of weed in coffee crop from high spatial resolution multispectral images. To investigate this hypothesis, it was accomplished the mapping using two different methods: multispectral images classification (artificial neural networks classification) and geoestatistics analysis (Indicator kriging with soft data). The thematics maps were submitted to the analysis of thematic quality. The indicator kriging showed smoothed and confused results instead of the artificial neural networks classification, whose results were efficient for the purpose, confirming the initial hypothesis of the investigation.

Submitted by Maike Costa (maiksebas@gmail.com) on 2017-05-26T11:40:16Z No. of bitstreams: 1 arquivototal.pdf: 8290765 bytes, checksum: 60cc04d99eb6779eb21f6ce5385803d1 (MD5) / Made available in DSpace on 2017-05-26T11:40:17Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 8290765 bytes, checksum: 60cc04d99eb6779eb21f6ce5385803d1 (MD5) Previous issue date: 2016-12-05 / The objective of this research is to develop an intelligent system based on artificial neural networks for water distribution systems that operate with pumps associated in parallel. The system aims at process automation and the definition of operating state for electric motors (on, off or with partial rotation), aiming at the same time the pressure control and reduction of electric power consumption. The developed intelligent system is a generic one, which allows the application of control structure in similar processes, and it was applied in a fully instrumented test rig that emulates a real system of water supply. The results showed that the performance of the artificial neural network is quite satisfactory, and thus can be successfully implemented in other similar water distribution systems in order to reduce consumption of water and electric energy, decrease costs of maintenance, and increase the degree of reliability of operational procedures. / O objetivo desta pesquisa é desenvolver um sistema inteligente baseado em redes neurais artificiais para redes de distribuição de água que operam com bombas associadas em paralelo. O sistema tem por finalidade a automação do processo e a definição do estado de funcionamento dos motores elétricos (ligado, desligado ou com rotação parcial), visando simultaneamente ao controle de pressão e à redução do consumo de energia elétrica. O sistema inteligente desenvolvido é genérico, o que permite a aplicação da estrutura de controle em processos semelhantes, e foi aplicado em uma bancada experimental totalmente instrumentalizada que emula um sistema real de abastecimento de água. Os resultados mostraram que o desempenho da rede neural artificial é bastante satisfatório, e, assim, poderá ser implementada com sucesso em outros sistemas de distribuição de água similares, a fim de proporcionar redução do consumo de água e energia elétrica, diminuição dos custos de manutenção e aumento do grau de confiabilidade dos procedimentos operacionais.

Made available in DSpace on 2015-03-26T13:53:16Z (GMT). No. of bitstreams: 1 texto completo.pdf: 3045713 bytes, checksum: 29d033208d3f70ac0ab24c206abd28f5 (MD5) Previous issue date: 2009-02-16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The supervised classification of soils, especially in recent decades, is being carried out using mathematical and statistical models, amongst which the model of neural networks, stand out by greater accuracy of mapping comparing to classical models, such as Maximum Likelihood (MaxVer), helping the conventional method of mapping. Neural Networks model has been performed mostly for soil properties, with little application for soil classes. This work aimed to undertake the classification of soil using neural networks and MaxVer for an area located in Serra do Cipó, in the State of Minas Gerais. The map units was defined based on information from 55 soil profiles classified accord to the Brazilian System of Soils Classification to the fourth categorical level, whereas compound units were done with basis on the similarity of soil properties and the characteristics of physics environment. The discriminates variables used included: six scenes of Landsat satellite image sensor ETM+, four indexes derived from this image (Clay minerals, Ferrous minerals, Iron oxide and NDVI), Digital Elevation Model and derived attributes: altitude, slope, compound topographic index, aspect, solar radiation, curvature and elevation amplitude, in addiction to geological and soil maps. Several variables combinations were tested in both classifiers, selecting those that best contribute to classify the soil with high accuracy on the two supervised mapping approaches. The classification by neural networks was performed using the Stuttgart Neural Network Simulator and the backpropagation algorithm, the framework and classification parameters were selected by training and statistical tests. The results obtained with both classifiers, neural networks and MaxVer were compared using ground data as reference. The same set of reference points was used to validate the soil map obtained by the conventional method of mapping. Maps obtained by the two classifiers using the group of variables that provided the best performance to the classification showed a good accuracy index, with no statistical difference in overall accuracy of the maps. The map generated by MaxVer showed a kappa index of 0.58, while the map from neural network showed an index of 0.60. Although the accuracy of the two maps was statistically similar, the classifiers efficiency in individual discrimination of soil units differed significantly, with two units being best classified by MaxVer, three units by neural networks and four units with similar accuracies in both approach classification. The overall accuracy of soil maps made by the conventional method was 82%. The soils of the first component in mapping units agreed in 48% with reference soils. / A classificação supervisionada de solos, especialmente nas últimas décadas, vem sendo realizada com o auxílio de modelos matemáticos e estatísticos, dentre os quais destaca-se o modelo de redes neurais, o qual tem apresentado exatidão superior quando comparado com métodos clássicos, como o de Máxima Verossimilhança (MaxVer), auxiliando no método convencional de mapeamento. No entanto, na maioria dos trabalhos foram avaliadas as propriedades dos solos, sendo o estudo das classes de solos ainda incipiente. Assim, este trabalho teve como objetivo realizar a classificação de solos por redes neurais e pelo MaxVer para uma área situada na Serra do Cipó, no estado de Minas Gerais. Para tanto, utilizaram-se informações analíticas de 55 perfis de solos, classificados até o quarto nível categórico do Sistema Brasileiro de Classificação de Solos. As unidades do mapa de solos foram compostas por semelhanças entre as propriedades físicas do solo e as características do ambiente. As variáveis discriminantes avaliadas na classificação foram seis cenas da imagem do satélite Landsat, sensor ETM+; quatro índices derivados dessa imagem (Clay minerals, Ferrous minerals,Iron oxide e NDVI); modelo digital de elevação e atributos derivados: altitude, declividade, índice topográfico combinado, face de exposição, radiação solar, curvatura e amplitude altimétrica, além dos mapas geológico e pedológico. A partir desse conjunto de variáveis, identificaram-se aquelas que melhor contribuíram na discriminação dos solos, em cada uma das duas abordagens empregadas. Na classificação pelas redes neurais foram empregados o simulador Stuttgart Neural Network Simulator e o algoritmo backpropagation, sendo a arquitetura e os parâmetros selecionados por meio de tentativas e testes de significância estatística. Os resultados obtidos por ambos os classificadores, redes neurais e MaxVer, foram comparados entre si, utilizando-se a validação dos mapas com pontos de referência terrestre. Os mesmos pontos de referência foram utilizados para validar o mapa de solos obtido pelo método convencional de mapeamento. Os mapas obtidos pelos dois classificadores, utilizando o conjunto de varáveis que proporcionou melhor desempenho do classificador, apresentaram índice de exatidão considerado bom, sem diferença estatística na exatidão global dos mapas. O mapa melhor classificado pelo MaxVer apresentou índice kappa de 0,58, enquanto que, pelas redes neurais, o maior índice foi de 0,60. Esses valores não diferiram estatisticamente, entretanto, os classificadores diferiram na discriminação das unidades de solo, sendo duas unidades melhor classificadas pelo MaxVer, três pelas redes neurais e quatro unidades com exatidão estatisticamente igual para os dois classificadores. A exatidão global do mapa obtido pelo método convencional de mapeamento foi de 82%, sendo esse índice calculado pelo somatório dos solos de referência concordantes com qualquer componente da unidade. Os solos no primeiro componente das unidades de mapeamento apresentaram 48% de concordância com solos de referência.