Orientadores: Ana Maria Frattini Fileti, Fernando Palu / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química / Made available in DSpace on 2018-08-05T22:21:40Z (GMT). No. of bitstreams: 1 Eyng_Eduardo_M.pdf: 616784 bytes, checksum: 5124ded82b67d3d54bfa60a9d0b1a28e (MD5) Previous issue date: 2006 / Resumo: O etanol perdido por evaporação durante o processo de produção por fermentação pode ser recuperado por uma coluna de absorção, a qual requer um sistema de controle robusto de acordo com sua complexidade. Sendo assim, no presente trabalho foi proposto e testado, o emprego de um controlador feedforward, baseado em um modelo inverso de redes neurais, para realizar a manipulação da vazão de solvente que é alimentado a esta coluna. O desempenho do controlador feedforward proposto foi superior ao proporcionado pelo Controle por Matriz Dinâmica (DMC) (Palú, 2001), para situações nas quais uma perturbação degrau foi inserida na composição do gás à entrada da coluna. Outro teste realizado foi o de implementar um distúrbio não previsto na etapa de treinamento da rede neural, e analisar o comportamento do sistema de controle RNA. Houve uma queda de eficiência, sendo gerado off set. Para solucionar este problema, agregou-se ao sistema de controle, um dispositivo de segurança. Também se procurou testar a tolerância do sistema de controle a distorções nos dados de entrada da rede. Neste sentido, acrescentou-se às variáveis de entrada do tipo concentração, um ruído. O desempenho do controlador RNA foi prejudicado, no entanto, a faixa de oscilação da variável controlada foi reduzida à aproximadamente 50% da faixa de ruído empregada. Aplicando-se um filtro aos dados distorcidos, esta redução foi ainda maior, cerca de 75% / Abstract: Some of ethanol lost by evaporation during its fermentation production process may be recovered using an absorption column, which requires a robust control system. In this work the use of a feedforward controller (NN controller), based on a neural network inverse model, was proposed and tested to manipulate the solvent flow, which was fed in the analyzed column. The feedforward controller performance was better than the Dynamic Matrix Control (Palú, 2001) one, when step disturbances were inserted on the inlet gas composition. Another test done was the insert of a not trained disturbance. The NN controller performance decrease, and a off set could be observed. To solve this problem, a security device was added to the control system. The control system tolerance to modified input neural network data also was tested. In this way, a noise was added to input data. The NN control performance decreased, but the amplitude of the control variable oscillation band was reduced to the half of the noise amplitude employed. When the modified data was filtered the NN control performance decrease was smaller, about 75% of the noise amplitude / Mestrado / Sistemas de Processos Quimicos e Informatica / Mestre em Engenharia Química

Orientadores: Ana Maria Frattini Fileti, Andre Pitasse da Cunha / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-06T08:56:35Z (GMT). No. of bitstreams: 1 Medeiros_FernandoTadeuPereirade_D.pdf: 2343033 bytes, checksum: 9407aef56d1977bfd109c78806bb29de (MD5) Previous issue date: 2006 / Resumo: Este trabalho descreve o desenvolvimento de um modelo capaz de prever as condições operacionais do processo de redução de minério de ferro em alto-forno a partir de características das matérias-primas e da composição da carga e do sopro, fornecendo aos operadores e engenheiros de processo, uma ferramenta de planejamento e de análise de desempenho da operação. A motivação para este trabalho deveu-se à constatação de que existe uma deficiência de modelos capazes de identificar cotidianamente os fatores críticos na operação dos altos-fornos siderúrgicos. Os modelos encontrados são excessivamente simples para preverem condições futuras de processo ou são demasiadamente complexos para o uso operacional diário ou no pJanejamento estratégico da produção. Os altos-fornos e os conversores de aço são as unidades centrais de uma usina siderúrgica integrada. O primeiro obtém o ferro primário a partir dos óxidos contidos nos minérios e o segundo refina e ajusta a composição química do metal produzindo o aço. O modelo desenvolvido e aplicado tem natureza híbrida, combinando algoritmos simuladores baseados em balanços de massa e energia com variável grau de desvio estequiométrico e térmico. O valor de cada indicador de desvio é previsto por uma rede neural cujas variáveis de entrada quantificam características das matérias-primas e condições de sopro e carga do alto-forno. A aplicação industrial do modelo comprovou sua capacidade de prever as condições do processo e sua aplicação resultou em aumento da produtividade média do processo e menor consumo específico de redutores, decorrentes da melhor efetividade das ações operacionais. Além disso, o modelo, associado a um módulo de balanço do setor primário da usina, vem sendo aplicado na simulação de alternativas de padrões operacionais, atividade fundamental para o planejamento estratégico do negócio / Abstract: This work describes the development of a model capable of evaluating and predicting iron ore reduction process in blast-furnaces based on raw materiais characteristics as well as burden and blast composition. It provides a planning and analysing toll to operators and process engineers. The motivation for this development resides on the lack of this kind of model in the ironmaking industry. The many models found are either toa simple and not capable of predicting raw materiais parameters effects on the furnace performance or toa complexo The latter are useful in technology potential identifications but not in the daily work or ordinary operation planning. Blast-furnaces and oxygen converters are the core units in a integrated steel works. The former one produces primary iron from oxides bared by iron ores and the latter one refines molten iron into steel, adjusting its chemical compositiono The developed and applied model is hybrid in nature, combining simulating algorithms based on mass and energy balances with variable lack of fitnesso The value of each lack-of-fitness index is estimated by a neural model in which the input quantify burden materiais characteristics as well as blow and charging conditions. The model has shown its predicting capacity during its industrial application, which lead to higher average productivity and lower specific fuel consumption are expected following better operation action and process planning efficiency. In addition, the model is now being associated to a plant mass balance module to asses alternative operation pattern simulation for the hole company which is a fundamental activity in strategic business planning / Doutorado / Sistemas de Processos Quimicos e Informatica / Doutor em Engenharia Química

Orientador: Fernando Jose Von Zuben / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e Computação / Made available in DSpace on 2018-08-11T19:03:12Z (GMT). No. of bitstreams: 1 Coelho_GuilhermePalermo_M.pdf: 2968179 bytes, checksum: bbea7c9c565907f86eee09155421bfa3 (MD5) Previous issue date: 2006 / Resumo: O uso da abordagem ensembles tem sido bastante explorado na última década, por se tratar de uma técnica simples e capaz de aumentar a capacidade de generalização de soluções baseadas em aprendizado de máquina. No entanto, para que um ensemble seja capaz de promover melhorias de desempenho, os seus componentes devem apresentar bons desempenhos individuais e, ao mesmo tempo, devem ter comportamentos diversos entre si. Neste trabalho, é proposta uma metodologia de criação de ensembles para problemas de classificação, onde os componentes são redes neurais artificiais do tipo perceptron multicamadas. Para que fossem gerados bons candidatos a comporem o ensemble, atendendo a critérios de desempenho e de diversidade, foi aplicada uma meta-heurística populacional imuno-inspirada, denominada opt-aiNet, a qual é caracterizada por definir automaticamente o número de indivíduos na população a cada iteração, promover diversidade e preservar ótimos locais ao longo da busca. Na etapa de seleção dos componentes que efetivamente irão compor o ensemble, foram utilizadas seis técnicas distintas e, para combinação dos componentes selecionados, foram adotadas cinco estratégias. A abordagem proposta foi aplicada a quatro problemas de classificação de padrões e os resultados obtidos indicam a validade da metodologia de criação de ensembles. Além disso, foi verificada uma dependência entre o melhor par de técnicas de seleção e combinação e a população de indivíduos candidatos a comporem o ensemble, assim como foi feita uma análise de confiabilidade dos resultados de classificação / Abstract: In the last decade, the ensemble approach has been widely explored, once it is a simple technique capable of increasing the generalization capability of machine learning based solutions. However, an ensemble can only promote performance enhancement if its components present good individual performance and, at the same time, diverse behavior among each other. This work proposes a methodology to synthesize ensembles for classification problems, where the components of the ensembles are multi-layer perceptrons. To generate good candidates to compose the ensemble, meeting the performance and diversity requirements, it was applied a populational and immune-inspired metaheuristic, named opt-aiNet, which is characterized as being capable of automatically determining the number of individuals in the population at each iteration, promoting diversity and preserving local optima through the search. In the component selection phase, six distinct techniques were applied and, to combine these selected components, five strategies were adopted. The proposed approach was applied to four pattern classification problems and the obtained results indicated the validity of the methodology to synthesize ensembles. It was also verified a dependence of the best pair of selection and combination techniques on the population of candidates to compose the ensemble, and it was made an analysis of the confidence of the classification results / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Robôs sociáveis devem ser capazes de interagir, se comunicar, compreender e se relacionar com os seres humanos de uma maneira natural. Embora diversos robôs sociáveis tenham sido desenvolvidos com sucesso, ainda existem muitas limitações a serem superadas. São necessários importantes avanços no desenvolvimento de mecanismos que possibilitem interações mais realísticas, bem como regulem o relacionamento entre robôs e humanos. Um forma de tornar mais realísticas as interações é através de expressões faciais de emoção. Nesse contexto, este trabalho fornece capacidade de imitação de expressão facial de emoções a uma cabeça robótica virtual, com o objetivo de permitir interações mais realísticas e duradouras com o ser humano. Para isso, é incorporado à mesma aprendizado por imitação, no qual a cabeça robótica imita expressões faciais apresentadas por um usuário durante a interação social. O aprendizado por imitação foi realizado atráves de redes neurais artificiais. As expressões faciais consideradas neste trabalho são: neutra, alegria, raiva, surpresa e tristeza. Os resultados experimentais são apresentados, os quais mostram o bom desempenho do sistema de imitação proposto / Sociable robots must be able to interact, communicate, understand and relate to humans in a natural way. Although many social robots have been developed successfully, there are still many limitations to overcome. Important advances are needed in the development of mechanisms that allow more realistic interactions and that regulate the relationship between robots and humans. One way to make more realistic interactions is through facial expressions of emotion. In this context, this project provides ability for imitation of facial expressions of emotion to a virtual robotic head, in order to allow more realistic and lasting interactions with humans. For such, learning by imitation is used, in which the robotic head mimics facial expressions made by a user during social interaction. The imitation learning was performed by artificial neural networks. Facial expressions considered in this work are: neutral, happiness, anger, surprise and sadness. Experimental results are presented which show the good performance of the proposed system imitation

A química de produtos naturais sempre foi uma fonte importante de novas substâncias e de substâncias bioativas. No mundo moderno, o homem utiliza os produtos naturais para diversos fins: corantes, edulcorantes, essências, defensivos agrícolas e principalmente medicamentos. Com o desenvolvimento das técnicas de isolamento de substâncias, cresceu a necessidade de organizar as informações obtidas e também a criação de meios para a identificação mais rápida das substâncias isoladas. Esta foi uma das necessidades que fez surgir a Quimioinformática. Quimioinformática é uma disciplina que utiliza os métodos da informática para organizar dados químicos, analisar estes dados e gerar novas informações a partir destes dados. Esta ferramenta tem sido utilizada com sucesso em procura por novas drogas (QSAR/QSPR), elucidação estrutural automatizada de substâncias orgânicas e em cálculos e previsão de propriedades físico-químicas de diversas moléculas. Os objetivos do presente trabalho foram o estudo fitoquímico de espécies dos gêneros Dimerostemma e Ichthyothere com o intuito de isolar novas substâncias e o desenvolvimento de técnicas envolvendo quimioinformática com o intuito de auxiliar a elucidação estrutural de produtos naturais. Realizou-se a técnica de microamstragem de tricomas glandulares de diversas espécies pertencentes a gêneros da tribo Heliantheae (Viguiera, Tithonia, Dimerostemma). Através da microamostragem foi possível identificar diversas substâncias presentes nos tricomas glandulares das espécies analisadas. Das duas espécies de Dimerostemma investigadas (D. brasilianum e D. rotundifolium) foi possível identificar dois germacrolidos e dois eudesmanolidos, enquanto que de Ichthyothere terminalis foi possível a identificação de dois melampolidos, todos eles lactonas sesquiterpênicas. Foram treinadas redes neurais artificiais para a realização da identificação dos esqueletos carbônicos de determinadas substâncias a partir dos dados obtidos através dos espectros de RMN 13C, sendo que os resultados obtidos podem ser considerados satisfatórios. Foi desenvolvido um software para efetuar a identificação automática de substâncias através da comparação com uma biblioteca de padrões que possui dados cromatográficos de 51 lactonas sesquiterpênicas. Esse software, chamado de NAPROSYS, também é capaz de fazer comparação de dados de RMN de amostra com dados de RMN presentes em uma biblioteca de dados, tornando possível a identificação imediata de substâncias presentes na biblioteca e também auxiliar a elucidação estrutural de substâncias que não estão nela presentes. Para testar a eficiência do NAPROSYS, o programa foi utilizado com sucesso para identificar LSTs através da microamostragem de tricomas glandulares. A eficiência do NAPROSYS em identificar dados de RMN de substâncias presentes na biblioteca foi testada com substâncias isoladas do gênero Tithonia e Viguiera que possuem substâncias bem descritas na literatura e já isoladas no nosso laboratório, sendo que os resultados apresentados foram excelentes. Criou-se também dois modelos de redes neurais para prever tempos de retenção de lactonas sesquiterpênicas em cromatografia líquida (QSRR) com o objetivo de melhorar o desempenho do NAPROSYS em análises de dados cromatográficos. Os resultados para este caso, embora coerentes, precisam ser melhorados. Neste trabalho concluimos que o uso das técnicas clássicas juntamente com as novas técnicas de Quimoinformática pode se tornar uma ferramenta muito eficaz para a elucidação estrutural e busca de substâncias com determinadas propriedades químicas ou mesmo na bioprospecção de novas substâncias bioativas. / Natural products chemistry has always been an important source for new andbioactive compounds. In modern world, mankind uses natural products to do many tasks: colouring, as essences, as agricultural defensives and many as medicines. Within the development of compound isolation techniques, the need for information organisation has grown. The need for quickly identification of isolated compounds has also grown. This was one of the necessities that made Chemoinformatics emerge. Chemoinformatics is a discipline that uses informatics as a tool to organise, analise and to generate new knowledge from chemical data. This tool has been used with success in automate structure elucidation, drug development (QSAR/QSPR) and to predict chemical-physical data of many molecules. The aims of the present work were the phytochemical study of species of the genera Dimerostemma and Ichthyothere to isolate new compounds, and the development of chemoinformatics techniques to aid natural products structure elucidation. The glandular trichome microsampling was made for diverse species of genera from the tribe Heliantheae (Viguiera, Tithonia, Dimerostemma). Many compounds were identified through glandular trichome microsampling. Two germacrolides and two eudesmanolides were identified from Dimerostemma species (D. brasilianum and D. episcopale), while from Ichthyothere terminalis two melampolides were identified, all of them being sesquiterpene lactones. Artificial Neural Networks were trained to make skeleton identification from data obtained from 13C NMR and the obtained results can be considered satisfactory. A software was developed to make automatic compound identification through the comparation with a compound library that possesses data from 51 STLs. This software is called NAPROSYS is also able to compare the NMR data of the sample with the NMR data stored into a compound library, making the imediate identification of compounds present into library possible and also help the structure elucidation of unknown compounds. To test NAPROSYS\' efficience to identify NMR data of compunds sored into the library was made with compounds isolated from species of Tithonia and Viguiera genera, because these genera has well describe compounds in the literature and that has been isolated in our laboratory, and the obtained results are excellent. Two Artificial Neural Network models were created to predict the retention time of sesquiterpene lactones in liquid cromatography (QSRR) with the aim of improve NAPROSYS performance in cromatographic data analysis. The results for this case, although coherent, can be improved. The conclusion of this work is that the use of classical techniques with the new techniques of chemoinformatics can be a very efficient tool to make structure elucidation, search for compounds with certain chemical properties and even the search for new bioactive compounds.

De maneira geral, a necessidade de melhorar o desempenho e diminuir o tamanho de sistemas mecatrônicos tem levado a indústria moderna a desenvolver mecanismos de posicionamento com características excelentes de aceleração e precisão. O uso de posicionadores em equipamentos de precisão, em particular no posicionamento da ferramenta/peça na usinagem de ultraprecisão, deve-se à necessidade de se obter rígido controle do perfil a ser fabricado. Neste sentido, foi desenvolvido no Laboratório de Engenharia de Precisão da EESC-USP um microposicionador angular rotativo capaz de monitorar a posição da ferramenta em relação à peça durante o processo de usinagem e fazer as devidas compensações de erros, além da possibilidade de obtenção de geometrias diferenciadas. Neste trabalho encontram-se estudos referentes à aplicação do método dos elementos finitos com o intuito de verificar a funcionalidade do sistema mecânico proposto, avaliando suas características estáticas e dinâmicas. Além disso, propõe-se validar o uso de redes neurais artificiais como ferramenta capaz de auxiliar no desenvolvimento de um algoritmo de identificação de imagens, baseado no conhecimento, que emprega como elemento multi-sensor, imagens interferométricas, representando posições. Dentre as principais características a serem alcançadas pelo algoritmo idealizado está a habilidade de identificar a posição de uma superfície justaposta ao sistema microposicionador angular e, assim, permitir maior rapidez de processamento das informações, possibilitando seu emprego em sistemas de controle em tempo real. A aplicação desta técnica foi avaliada por meio de simulação e apresenta resultados significativos para incentivar pesquisas envolvendo imagens interferométricas. / In broad terms, to achieve high performance and miniturization of mechatronic systems it is necessary to develop positioning mechanisms with high response and precision. The use of positioning devices compatible with precision equipment, particularly in the positioning of a tool relative to a workpiece in ultraprecision machining, results from the need for absolute control of the dimensions of cut. A microtilt stage was developed in the Precision Engineering Laboratory of EESC-USP which is capable of monitoring the position of a diamond tool relative to a workpiece, in-process, permiting error compensation and the generation of complex forms. Finite Element Method is applied to perform a functional analysis (static and dynamic) of the mechanical parts. The use of artifitial neural networks as a tool to help the development of an algortithm for the identification of images is proposed. This algorithm is based on knowledge and employs interferograms as a multi-sensor element representing positions. One desired characteristic of the proposed algorithm is its ability to perform the identification of the position of a surface on the tilt stage and to permit fast processing of the information. This turns the device appropriate to be used in real time applications. This technique was assessed by simulation and presented significant results, encouraging further researches envolving interferometric pattern recognition.

A aplicação de simulações numéricas em problemas de confiabilidade estrutural costuma estar associada a grandes custos computacionais, dada a pequena probabilidade de falha inerente às estruturas. Ainda que diversos casos possam ser endereçados através de técnicas de redução da variância das amostras, a solução de problemas envolvendo grande número de graus de liberdade, respostas dinâmicas, não lineares e problemas de otimização na presença de incertezas são comumente ainda inviáveis de se resolver por esta abordagem. Tais problemas, porém, podem ser resolvidos através de representações analíticas que aproximam a resposta que seria obtida com a utilização de modelos computacionais mais complexos, chamadas chamados meta-modelos. O presente trabalho trata da compilação, assimilação, programação em computador e comparação de técnicas modernas de meta-modelagem no contexto da confiabilidade estrutural, utilizando representações construídas a partir de redes neurais artificiais, expansões em polinômios de caos e através de krigagem. Estas técnicas foram implementadas no programa computacional StRAnD - Structural Reliability Analysis and Design, desenvolvido junto ao Departamento de Engenharia de Estruturas, USP, resultando assim em um benefício permanente para a análise de confiabilidade estrutural junto à Universidade de São Paulo. / The application of numerical simulations to structural reliability problems is often associated with high computational costs, given the small probability of failure inherent to the structures. Although many cases can be addressed using variance reduction techniques, solving problems involving large number of degrees of freedom, nonlinear and dynamic responses, and problems of optimization in the presence of uncertainties are sometimes still infeasible to solve by this approach. Such problems, however, can be solved by analytical representations that approximate the response that would be obtained with the use of more complex computational models, called meta-models. This work deals with the collection, assimilation, computer programming and comparison of modern meta-modeling techniques in the context of structural reliability, using representations constructed from artificial neural networks, polynomial chaos expansions and Kriging. These techniques are implemented in the computer program StRAnD - Structural Reliability Analysis and Design, developed at the Department of Structural Engineering, USP; thus resulting in a permanent benefit to structural reliability analysis at the University of São Paulo.

Submitted by Miriam Lucas (miriam.lucas@unioeste.br) on 2018-04-06T14:31:39Z No. of bitstreams: 2 Cristiano_Antonio_de_Souza_2018.pdf: 2020023 bytes, checksum: 1105b369d497031759e007333c20cad9 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-04-06T14:31:39Z (GMT). No. of bitstreams: 2 Cristiano_Antonio_de_Souza_2018.pdf: 2020023 bytes, checksum: 1105b369d497031759e007333c20cad9 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-02-09 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The last decades have been marked by rapid technological development, which was accelerated by the creation of computer networks, and emphatically by the spread and growth of the Internet. As a consequence of this context, private and confidential data of the most diverse areas began to be treated and stored in distributed environments, making vital the security of this data. Due to this fact, the number and variety of attacks on computer systems increased, mainly due to the exploitation of vulnerabilities. Thence, the area of intrusion detection research has gained notoriety, and hybrid detection methods using Artificial Intelligence techniques have been achieving more satisfactory results than the use of such approaches individually. This work consists of a Hybrid method of intrusion detection combining Artificial Neural Network (ANN) and K-Nearest Neighbors KNN techniques. The evaluation of the proposed Hybrid method and the comparison with ANN and KNN techniques individually were developed according to the steps of the Knowledge Discovery in Databases process. For the realization of the experiments, the NSL-KDD public database was selected and, with the attribute selection task, five sub-bases were derived. The experimental results showed that the Hybrid method had better accuracy in relation to ANN in all configurations, whereas in relation to KNN, it reached equivalent accuracy and showed a significant reduction in processing time. Finally, it should be emphasized that among the hybrid configurations evaluated quantitatively and statistically, the best performances in terms of accuracy and classification time were obtained by the hybrid approaches HIB(P25-N75)-C, HIB(P25-N75)-30 and HIB(P25-N75)-20. / As últimas décadas têm sido marcadas pelo rápido desenvolvimento tecnológico, o qual foi acelerado pela criação das redes de computadores, e enfaticamente pela disseminação e crescimento da Internet. Como consequência deste contexto, dados privados e sigilosos das mais diversas áreas passaram a ser tratados e armazenados em ambientes distribuídos, tornando-se vital a segurança dos mesmos. Decorrente ao fato, observa-se um crescimento na quantidade e variedade de ataques a sistemas computacionais, principalmente pela exploração de vulnerabilidades. Em função desse contexto, a área de pesquisa em detecção de intrusão tem ganhado notoriedade, e os métodos híbridos de detecção utilizando técnicas de Inteligência Artificial vêm alcançando resultados mais satisfatórios do que a utilização de tais abordagens de modo individual. Este trabalho consiste em um método Híbrido de detecção de intrusão combinando as técnicas Redes Neurais Artificiais (RNA) e K-Nearest Neighbors (KNN). A avaliação do método Híbrido proposto e a comparação com as técnicas de RNA e KNN isoladamente foram desenvolvidas de acordo com as etapas do processo de Knowledge Discovery in Databases (KDD) . Para a realização dos experimentos selecionou-se a base de dados pública NSL-KDD, sendo que com o processo de seleção de atributos derivou-se cinco sub-bases. Os resultados experimentais comprovaram que o método Híbrido teve melhor acurácia em relação a RNA em todas as configurações, ao passo que em relação ao KNN, alcançou acurácia equivalente e apresentou relevante redução no tempo de processamento. Por fim, cabe ressaltar que dentre as configurações híbridas avaliadas quantitativa e estatisticamente, os melhores desempenhos em termos de acurácia e tempo de classificação foram obtidos pelas abordagens híbridas HIB(P25- N75)-C, HIB(P25-N75)-30 e HIB(P25-N75)-20.

Um dos problemas freqüentes em modelos de avaliação de imóveis é identificar quais de suas características devem ser levadas em consideração e o quanto cada uma destas influencia no valor final das propriedades. Além disso, é necessário um critério de avaliação bem estruturado, baseado em modelagem matemática adequada. A partir das constatações acima, foram estabelecidos os objetivos deste trabalho: após identificar as principais variáveis que interferem no valor das propriedades, avaliar o uso de Redes Neurais Artificiais para fins de avaliação e estudar a influência de uma medida de acessibilidade no valor de terrenos urbanos. Quanto às variáveis a serem empregadas nos modelos de avaliação, chegou-se a conclusão que um banco de dados misto, onde tanto variáveis de natureza espacial quanto física pudessem ser incluídas, parecia ser uma opção interessante. Desta forma, após a inclusão no banco de dados de uma variável de natureza espacial, a distância ao centro da cidade, este trabalho comparou dois métodos de avaliação: as Redes Neurais Artificiais e o modelo de regressão múltipla, este último muito usado na prática. Foram abordados dois estudos de caso, as cidades de Araçariguama e São Carlos. A primeira é uma cidade dormitório, de pequeno porte (cerca de 6000 habitantes), localizada nas proximidades da capital do estado, São Paulo. A segunda, por sua vez, é uma cidade de porte médio (cerca de 160000 habitantes), localizada no centro do estado e pólo industrial e tecnológico. A escolha destas cidades ofereceu a oportunidade de estudar a influência de uma variável como a acessibilidade em contextos diferentes. Os resultados obtidos para Araçariguama indicaram que a medida de acessibilidade empregada, distância ao centro, era uma das variáveis mais importantes na formação do preço de propriedades. Quanto aos resultados obtidos pelos modelos empregados, pôde-se observar que, ao utilizar regressão múltipla, o efeito da variável distância ao centro não pode ser estudado sozinho, pois esta variável interage com a área. A utilização de Redes Neurais, por sua vez, também forneceu estimativas adequadas de valor, verificando-se através dela que a acessibilidade apresentou um peso superior a 34% no valor final. Ao se comparar os dois métodos pode-se observar que as Redes Neurais (RN) demonstraram um desempenho superior, quando este foi avaliado pelo valor do erro relativo total. Com o objetivo de analisar a distribuição espacial dos erros, estes foram agrupados em cinco clusters, podendo-se constatar que os maiores erros fornecidos pelas RN se concentraram em um único bairro. Na análise para São Carlos pôde-se verificar também, através dos resultados obtidos por ambos os métodos, que a distância ao centro foi um dos fatores preponderantes na avaliação dos imóveis. A análise da distribuição espacial dos erros apontou uma concentração de erros maiores em um dos bairros, o que pôde ser observado para os dois métodos empregados e dois dos três conjuntos de dados. Um fato que chamou a atenção foi o de que para Araçariguama, que é uma cidade de porte menor, a importância relativa da variável acessibilidade foi maior que para a outra cidade. / A common problem in the use of land valuation models is the identification of the real estate features that should be incorporated in the models and how they influence the final property price. In addition, a well structured approach based in consistent mathematical models is also required. Based on the aforementioned assertions, the following objectives have been drawn for this work: after identifying the main variables that have a strong influence on land values, the use of Artificial Neural Networks (ANN) for land valuation have be tested and the influence of an accessibility measure on urban land values have been studied. Regarding the variables that should been part of the valuation models, we reached the conclusion that a mixed database containing physical and spatial attributes seemed to be an interesting option for this sort of problem. Therefore, after the addition of a spatial variable, the distance to the city center, to our database, two valuation methods have been compared: the ANN approach and a multiple regression model, the latter quite common in practice. Two case studies have been then analyzed: the cities of Araçariguama and São Carlos. The first one is a small bedroom town (around 6,000 inhabitants) not far from the state capital, the city of São Paulo. The second one is a medium-sized city (around 160,000 inhabitants) located in the middle of the state and a technological and industrial center. The particularities of these two cities made possible a comparison of the influence that such a variable as accessibility could have on the land values under two different conditions. The results obtained for the city of Araçariguama indicated that the accessibility measure used, the distance from the city center, was one of the main variables influencing land prices. Although both models gave good estimates, their results were not exactly the same. While the influence of the variable distance to the city center could not be individually taken in the multiple regression model, because of its interaction with the variable area, the same variable has a strong weight on the ANN model, in which it appears as responsible for over 34% of the land value. The ANN performed better in a direct comparison of the two approaches, specially when looking to the total relative error. With the purpose of analyzing the spatial distribution of the estimation errors, they have been grouped into clusters, which have stressed that the worst cases are concentrated in a specific area of the city. Both methods showed that the distance to the city center has a strong influence on land values also in the city of São Carlos. The highest estimation errors were also concentrated in a specific neighborhood for two out of three data sets in both valuation methods. Another interesting outcome is the fact that the relative weight of the accessibility variable used was higher in Araçariguama than in São Carlos, although the former city is smaller than the latter.

Made available in DSpace on 2016-08-17T14:53:25Z (GMT). No. of bitstreams: 1 Dissertacao Adriano.pdf: 2821465 bytes, checksum: 7a776e55ceec26edfda184c6290c99ee (MD5) Previous issue date: 2013-12-11 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The prediction is an action for decisions making. The smaller the error of the prediction, the lower the loss by decision taken. One technique that has been used very successfully to predict is the Artificial Neural Network (ANN). It is a computational tool, inspired by the human brain and has a great ability to model complex real-world problems through a phase called training enables it to learn the characteristics of the proposed problem. The ANNs have the potential to discover complex relations between input data and response so they become very useful in the prediction area. For optimal performance in various areas of knowledge, it was decided to assess its efficiency in a sector, the Biodiesel. It is a renewable fuel generated from oils of animal or vegetable to be used in diesel engines. It has several benefits over mineral diesel and at the time, their production and use gets great stimuli federal government, through the National Program for Production and Use of Biodiesel. Thus, interest in research grew and Biodiesel in the state of Maranhão is performed by the Laboratory of Chemical Research & Analytics (LPQA / UFMA). It was then that their research can be accelerated if the analyzes of quality biodiesel that are influenced by the chemical composition are replaced by a single analysis of chemical composition and this composition is used to predict the results of other analyzes of quality. For this, was developed the Sys-PANN, software able to find the best ANN for each type of analysis and predict your results. / A predição é uma ação para tomada de decisão. Quanto menor for o erro da predição, menor será o prejuízo pela decisão tomada. Uma técnica que vem sendo muito utiliza com sucesso para predição é a Rede Neural Artificial (RNA). Ela é uma ferramenta computacional, inspirado no cérebro humano e que possui uma grande capacidade de modelar problemas complexos do mundo real através de uma fase chamada de treinamento que possibilita a ela aprender as caracteristicas do problema proposto. As RNAs têm o potencial de descobrir relações complexas entre os dados de entrada e a resposta por isso elas se tornaram muito úteis na área da predição. Pelo ótimo desempenho nas mais diversas áreas de conhecimento, decidiu-se verificar a sua eficácia no Biodiesel. Ele é um combustível renovável gerado a partir de oleos de origem animal ou vegetal para ser utilizado em motores a diesel. Ele possui diversos benefícios sobre diesel mineral e no momento, sua produção e utilização recebe grandes estímulos do governo federal, através do Programa Nacional de Produção e Uso do Biodiesel (PNPB). Com isso, o interesse pela pesquisa de Biodiesel cresceu no Estado do Maranhão. A verificação de qualidade do Biodiesel é realizada pelo Laboratório de Pesquisas Química e Analítica (LPQA/UFMA). Verificou-se, então que suas pesquisas podem ser aceleradas se as análises de qualidade do biodiesel que são influenciadas pela composição química forem substituídas por uma única análise de composição química. Esta composição foi utilizada para predizer os resultados dessas outras análises de qualidade. Para isso, desenvolveu-se o Sys-PANN, um software capaz de encontrar a melhor RNA para cada tipo de análise e predizer seus resultados.