Este estudo tem como problema de pesquisa a previsão de retorno de ativos financeiros. Buscou verificar a existência de relação entre memória ou dependência de longo prazo em séries temporais fractais e erro de previsão de retornos de ativos financeiros obtida por meio de Redes Neurais Artificiais (RNA). Espera-se que séries temporais fractais com maior memória de longo prazo permitam obter previsões com menor nível de erro, na medida em que a correlação entre os elementos da série favoreça a qualidade de previsão de RNA. Como medida de memória de longo prazo, foi calculado o expoente de Hurst de cada série temporal, o qual sofreu uma transformação para atuar como um índice de previsibilidade. Para medir o erro de previsão, foi utilizada a Raiz do Erro Quadrado Médio (REQM) produzida pela RNA em cada série temporal. O cálculo do expoente de Hurst foi realizado por meio do algoritmo da análise Rescaled Range (R/S). A arquitetura de RNA utilizada foi a de Rede Neural com Atraso Alimentada Adiante (TLFN), tendo como processo de aprendizagem supervisionada o modelo de retropropagação com gradiente descendente para minimização do erro. A amostra foi composta por ativos financeiros brasileiros negociados na Bolsa de Valores, Mercadorias e Futuros de São Paulo (BM&FBovespa), especificamente ações de companhias abertas e fundos de investimentos imobiliários em um período de 10 anos. Os resultados mostraram que a relação entre as variáveis foi significativa para previsões de retornos médios diários de 126 e 252 dias úteis e não significativa para previsão de retorno de 1 dia útil. Quando a análise foi realizada em somente ativos financeiros com expoentes de Hurst persistentes, a relação foi significativa para previsão de 1 dia útil e ainda mais significativa para previsão de 126 e 252 dias úteis, não sendo significativa quando realizada a análise em somente os ativos financeiros antipersistentes. A amostra foi também particionada entre os ativos que participaram e os que não participaram do índice Bovespa (IBOVESPA) no terceiro quadrimestre de 2013. Quando analisados somente os ativos que participaram do IBOVESPA, não houve relação significativa entre as variáveis estudadas, havendo relação significativa somente quando analisados os ativos não participantes. A participação no IBOVESPA apresentou relação significativa com memória de longo prazo e não foi encontrada relação significativa dessa participação com o erro de previsão de RNA. Os resultados encontrados sugerem que o expoente de Hurst pode ser utilizado previamente para selecionar séries temporais de retornos de ativos financeiros que são mais viáveis de serem previstos, particularmente escolhendo aqueles ativos com retornos mais persistentes e que não participem do IBOVESPA. Um gestor que deseje imprimir uma administração mais ativa de seus investimentos poderia utilizá-lo para selecionar uma carteira de ativos com essas características e realizar previsões com qualidade superior ao utilizar RNA. Um investidor que execute uma administração passiva de investimentos deveria compô-la com ativos com expoentes de Hurst característicos de processos em passeio aleatório, a fim de que não seja prejudicado por movimentos não aleatórios do mercado contra os quais não esteja se protegendo. / This study has the research problem of forecasting financial assets return. It aimed to verify the existence of relationship between long-term memory or dependence in fractal time series and prediction error of financial assets returns obtained by Artificial Neural Networks (ANN). It is expected that fractal time series with larger memory could achieve predictions with lower error, since the correlation between the elements of the series favors the quality of ANN prediction. As a long-term memory measure, the Hurst exponent of each time series was calculated, which has undergone a transformation to act as an index of predictability. To measure the prediction error, the Root Mean Square Error (RMSE) produced by ANN in each time series was used. The Hurst exponent computation was conducted through the rescaled range analysis (R/S) algorithm. The ANN architecture was Time Lagged Feedforward Neural Network (TLFN), with backpropagation supervised learning process and gradient descent for error minimization. The sample was composed of Brazilian financial assets traded in the Securities, Commodities & Futures Exchange of Sao Paulo (BM&FBovespa), more specifically public companies shares and real estate investment funds. The results showed that the relationship between the variables was significant for forecasting daily average returns of 126 and 252 business days, and not significant for predicting returns of 1 business day. When the analysis was performed only in financial assets with persistent Hurst exponents, the relationship was significant for predicting returns of 1 business day and even more significant for prediction returns of 126 and 252 business days. The relationship was not significant when the analysis was performed in only antipersistent financial assets. The sample was also partitioned among the assets participating and not participating in the Bovespa Index (IBOVESPA) of the third quarter of 2013. When only assets that participated in the IBOVESPA are considered, there was no significant relationship between the variables studied, existing significant correlation only when no participants are considered. Participation in IBOVESPA showed a significant relationship with long-term memory and no significant relationship of such participation with ANN prediction error was found. The results suggest that the Hurst exponent can be used to previously select time series of financial assets returns that are most feasible to predict, particularly choosing those assets with more persistent returns and not participating in the IBOVESPA. A manager who wishes to make a more active investment management could use it to select a portfolio with these characteristics and make predictions with superior quality when using artificial neural networks. An investor who accomplishes a passive investment management should compound his portfolio with assets that follows Hurst exponents characteristic of random walk processes, so that his is not impaired by no random market movement that he is not protected.

Um dos objetivos dos projetos e estudos na área de transporte público é atrair o maior número possível de viagens. Um primeiro passo para estimular uma maior utilização do transporte público pode ser a captação de pessoas que já têm predisposição para utilizá-lo, mas que não o fazem por alguma deficiência específica no serviço. Este é o contexto no qual mapas que representam o potencial de utilização dos transportes públicos podem desempenhar um papel importante, como discutido neste estudo. A pesquisa tem como objetivo principal a aplicação e avaliação de duas técnicas destinadas a identificar potenciais usuários de transporte público e como estes se distribuem geograficamente em uma cidade brasileira selecionada para o estudo. Nas técnicas aqui exploradas, o município em análise é dividido em áreas em função do código de endereçamento postal. Estas áreas são caracterizadas pelos atributos socioeconômicos da sua população e do sistema de transporte. Diante da hipótese de melhoria na qualidade do transporte público, dois segmentos de usuários de automóvel foram determinados: usuários que trocariam para ônibus e usuários que ainda preferem o carro. Com isso, foi construído um modelo capaz de representar o comportamento de escolha dos usuários de cada área. A metodologia proposta envolve quatro passos: i) comparação de modelos Logit elaborados com dados de São Carlos (Brasil) e Wageningen (Holanda), ii) ajustes no modelo de São Carlos, iii) elaboração de um modelo de escolha modal por redes neurais artificiais e iv) elaboração dos mapas potenciais. As duas últimas etapas foram concebidas tanto para análises independentes, como também para comparação com o modelo Logit. Assim, a construção de cenários futuros permitiu identificar e localizar espacialmente os potenciais usuários de transporte público. Foi possível verificar também qual a influência de alguns atributos sobre a escolha do modo de transporte urbano. Por exemplo, usuários de domicílios com três ou quatro pessoas têm menor probabilidade de vir a utilizar o ônibus regularmente. Por fim, um cenário futuro tornou possível destacar áreas onde é esperado um aumento do potencial de uso do transporte público devido a mudanças nos valores de densidade populacional. / One of the objectives of projects and studies on public transport is to attract the largest possible number of trips. A first step for increasing transit ridership may be the attraction of those individuals who already have a predisposition to use the service, but do not use it because of any specific inadequacies. This is the context in which maps displaying the potential use of public transport may play an important role, as discussed in this study. The research aims at the application and evaluation of two techniques used to identify potential users of public transport and to show how they are geographically distributed in a Brazilian city selected for the study. In the techniques discussed here, the municipality under analysis is divided into areas according to the postal codes of the streets. These areas are characterized by socioeconomic attributes of the population and of the transport system. Two segments of automobile users were determined, under the assumption that the quality of public transport would be improved: users who would switch to buses and users who still prefer the car. Based on that, a model designed to represent the choice behavior of users in each urban area was built. The proposed methodology involved four steps: i) the comparison of Logit models built with data of São Carlos (Brazil) and Wageningen (The Netherlands), ii) adjustments in the model of São Carlos, iii) the development of a mode choice model based on artificial neural networks, and iv) construction of potential maps. The third and fourth steps were meant for both independent analysis, and also for comparison with the Logit model. Thus, the construction of future scenarios allowed the identification and spatial location of potential users of public transport. It was also possible to learn about the influence of some attributes on urban transportation choice. For example, users living in households with three or four persons are less likely to become bus riders. Finally, a future scenario was able to highlight the areas where the potential for public transport could be increased due to changes in population density values.

O módulo de resiliência é uma propriedade mecânica dos solos indispensável para análise estrutural de pavimentos em termos de tensão e deformação. O principal ensaio laboratorial para estimativa do módulo de resiliência dos solos é o ensaio triaxial cíclico no qual existe um maior controle das condições da amostra, dos carregamentos aplicados e dos deslocamentos medidos. A utilização de relações para obtenção do módulo de resiliência a partir de propriedades do solo obtidas de ensaios mais simples e rotineiros é permitida pelo procedimento NCHRP 1-37A (2004) e pode ser muito útil para fase de anteprojeto de implantação de rodovias, pois permite uma avaliação rápida do módulo de resiliência dos solos de jazidas e subleitos, localizados ao longo das diversas alternativas de traçados a serem analisadas. No entanto, as relações existentes ou são restritivas, por não considerarem os solos das regiões tropicais de comportamento laterítico e não laterítico da classificação MCT (Miniatura Compactado Tropical), ou são de baixa eficiência. Considerando-se o sucesso que as redes neurais artificiais (RNAs) têm apresentado no campo da engenharia em estabelecer relações entre variáveis explicativas e variáveis resposta, neste trabalho foram desenvolvidas RNAs para relacionar o módulo de resiliência com as propriedades do solo, tanto para solos grossos compactados na energia modificada como para solos compactados na energia normal. O banco de dados utilizado no trabalho baseou-se nos resultados de ensaios de setenta e seis amostras de solos coletadas no interior do Estado de São Paulo. Finalmente, verificou-se que as RNAs podem prever, com alta eficiência, o módulo de resiliência dos solos tropicais de comportamento laterítico e não laterítico a partir de propriedades do solo tais como: composição granulométrica, LL, IP, umidade ótima e resultados do ensaio de compressão simples. / The resilient modulus is an essential mechanical property for stress-strain analysis of pavements. The main test to evaluate resilient modulus of soils is cyclic triaxial test which there is a better control not only of samples but also of loads and displacements. Nowadays, the utilization of relationships to obtain resilient modulus from soils properties, from routine simple tests, is allowed by procedure NCHRP 1-37A, and that can be useful in initial design in construction of roads, as the resilient modulus of material pits and subgrades, places along several alternative traces of design, can be evaluated very fast by relationships. However, the existing relationships are restrictive, because they do not consider tropical soils of lateritic and non-lateritic behavior from MCT (Miniatura Compactado Tropical) classification and they have low performance. Artificial neural networks (ANNs) have shown high success to establish relationships from answering variables and explicative variables, so in this work was developed ANNs to establish relationships from resilient modulus and soil properties, not only for sandy soils in Proctor\'s modified compaction energy but also for soils in Proctor\'s standard compaction energy. The data base used in this work was laboratory test results from seventy-six soils which were collected in interior of Sao Paulo state. Finally, for tropical soils of lateritic and non-lateritic behavior, it was verified that ANNs can forecast, with high performance, resilient modulus from soil properties just as: grain size composition, liquid limit (LL), plasticity index (PI), optimum moisture content and results of simple strength compressive test.

A indústria automobilística é um dos mais importantes setores da economia no Brasil e no mundo. Nos últimos anos viu-se praticamente obrigada a melhorar o desempenho de seus veículos produzidos e reduzir seus custos. Um dos marcos desta transformação foi o desenvolvimento do sensor de oxigênio, sendo este um dos principais elementos dos sistemas gerenciadores de motor. Esta dissertação propõe o estudo de arquiteturas de sistemas inteligentes para sensoriamento virtual de oxigênio em veículos bicombustíveis, utilizando-se redes neurais artificiais supervisionadas, com arquitetura Perceptron multicamadas. As topologias implementadas atingiram resultados com erros relativos médios menores que 1% em centenas de topologias. Verificou-se também que para o sensoriamento virtual de oxigênio em veículos bicombustíveis, a abordagem de se realizar treinamentos com todos os tipos de combustíveis, segmentando conjuntos de todo o universo de dados, mostra-se a mais adequada. / The automotive industry is one of the most important sectors in Brazilians economy and in the world. In recent years, this industry has been forced to improve the performance of their produced vehicles and to reduce their costs. One of the landmarks of this transformation was the development of the oxygen sensor, which is one of the main elements of the engine management systems. This dissertation proposes the use of intelligent systems architectures for virtual oxygen sensing of bi-fuel vehicles, using multilayer Perceptron artificial neural networks. The implemented topologies reach results with mean relative errors less than 1% in hundreds of topologies. It was also noted that the approach to train the neural network with all types of fuels, using subsets of data universe, it is the most appropriate to have a virtual sensing of oxygen in bi-fuel vehicles.

Em Aprendizado de Máquina - AM não existe um único algoritmo que é sempre melhor para todos os domínios de aplicação. Na prática, diversas pesquisas mostram que Redes Neurais Artificiais - RNAs têm um 'bias' indutivo apropriado para diversos domínios. Em razão disso, RNAs têm sido aplicadas na resolução de vários problemas com desempenho satisfatório. Sistemas de AM simbólico possuem um 'bias' indutivo menos flexível do que as RNAs. Enquanto que as RNAs são capazes de aprender qualquer função, sistemas de AM simbólico geralmente aprendem conceitos que podem ser descritos na forma de hiperplanos. Por outro lado, sistemas de AM simbólico representam o conceito induzido por meio de estruturas simbólicas, as quais são geralmente compreensíveis pelos seres humanos. Assim, sistemas de AM simbólico são preferíveis quando é essencial a compreensibilidade do conceito induzido. RNAs carecem da capacidade de explicar suas decisões, uma vez que o conhecimento é codificado na forma de valores de seus pesos e 'thresholds'. Essa codificação é difícil de ser interpretada por seres humanos. Em diversos domínios de aplicação, tal como aprovação de crédito e diagnóstico médico, prover uma explicação sobre a classificação dada a um determinado caso é de crucial importância. De um modo similar, diversos usuários de sistemas de AM simbólico desejam validar o conhecimento induzido, com o objetivo de assegurar que a generalização feita pelo algoritmo é correta. Para que RNAs sejam aplicadas em um maior número de domínios, diversos pesquisadores têm proposto métodos para extrair conhecimento compreensível de RNAs. As principais contribuições desta tese são dois métodos que extraem conhecimento simbólico de RNAs. Os métodos propostos possuem diversas vantagens sobre outros métodos propostos previamente, tal como ser aplicáveis a qualquer arquitetura ou algoritmo de aprendizado de RNAs supervisionadas. O primeiro método proposto utiliza sistemas de AM simbólico para extrair conhecimento de RNAs, e o segundo método proposto estende o primeiro, combinado o conhecimento induzido por diversos sistemas de AM simbólico por meio de um Algoritmo Genético - AG. Os métodos propostos são analisados experimentalmente em diversos domínios de aplicação. Ambos os métodos são capazes de extrair conhecimento simbólico com alta fidelidade em relação à RNA treinada. Os métodos propostos são comparados com o método TREPAN, apresentando resultados promissores. TREPAN é um método bastante conhecido para extrair conhecimento de RNAs. / In Machine Learning - ML there is not a single algorithm that is the best for all application domains. In practice, several research works have shown that Artificial Neural Networks - ANNs have an appropriate inductive bias for several domains. Thus, ANNs have been applied to a number of data sets with high predictive accuracy. Symbolic ML algorithms have a less flexible inductive bias than ANNs. While ANNs can learn any input-output mapping, i.e., ANNs have the universal approximation property, symbolic ML algorithms frequently learn concepts describing them using hyperplanes. On the other hand, symbolic algorithms are needed when a good understating of the decision process is essential, since symbolic ML algorithms express the knowledge induced using symbolic structures that can be interpreted and understood by humans. ANNs lack the capability of explaining their decisions since the knowledge is encoded as real-valued weights and biases of the network. This encoding is difficult to be interpreted by humans. In several application domains, such as credit approval and medical diagnosis, providing an explanation related to the classification given to a certain case is of crucial importance. In a similar way, several users of ML algorithms desire to validate the knowledge induced, in order to assure that the generalization made by the algorithm is correct. In order to apply ANNs to a larger number of application domains, several researches have proposed methods to extract comprehensible knowledge from ANNs. The primary contribution of this thesis consists of two methods that extract symbolic knowledge, expressed as decision rules, from ANNs. The proposed methods have several advantages over previous methods, such as being applicable to any architecture and supervised learning algorithm of ANNs. The first method uses standard symbolic ML algorithm to extract knowledge from ANNs, and the second method extends the first method by combining the knowledge induced by several symbolic ML algorithms through the application of a Genetic Algorithm - GA. The proposed methods are experimentally analyzed in a number of application domains. Results show that both methods are capable to extract symbolic knowledge having high fidelity with trained ANNs. The proposed methods are compared with TREPAN, showing promising results. TREPAN is a well known method to extract knowledge from ANNs.

\"Ver o corpo humano por dentro\" sem a necessidade de intervenção cirurgica é objetivo que motivou a criação de diversos instrumentos como eletrocardiogramas, eletroencefalogramas, equipamentos de ressonância magnética e raio-X. Através daavaliação de imagens ou resultados numéricos, pode-se detectar patologias nos primeiros estágios, permitindo uma ação decisiva de especialistas médicos na cura destas. Especialistas da fala normalmente empregam instrumentos comovideolaringoscopia e videoestroboscopia para avaliar qualitativamente o comportamento da laringe e pregas vocais. Comprendendo que a voz transmite informações sobre alterações orgânicas ou funcionais nas estruturas de vocalização, este trabalhoapresenta um conjunto de medidas acústicas neste sinal que evidenciam alterações na periodicidade do movimento das cordas vocais e quantidade de ruído turbulento que atravessa a glote. A partir de avaliação estatística da capacidadedescriminatória destes índices acústicos e empregando-se redes neurais artificiais, define-se um método automático para identificação probabilística das patologias que afetam as estruturas da laringe. / \"To see the inside of the human body\" without the necessity of surgical intervention is the objective that motivates the conception of several instruments like electrocardiogram, electroencephalongram, magnetic resonance and X-ray equipments. Through the image analysis or numerical results, it is possible to identify pathologies, allowing a decisive action of physician specialists in cure of these. Voice specialists, normally, use instruments as videolaryngoscopy and videostroboscopy to assess the vocal folds and larynx comportment, qualitatively. Understanding that the voice transmits information upon functional or organic alterations in vocalization structures, this work presents a set of acoustic measurements, based on this signal, that evidences alterations on vocal folds movement periodicity and quantify of turbulent noise throught the glottis. From the statistic evaluation of discriminatory capacity of these acoustic indexes and using artificial neural networks, it defines an automatic method for the probabilistic identification of pathologies that affect the laryngeal structures.

[pt] Neste trabalho empregou-se a técnica de redes neurais artificiais e modelos de Box & Jenkins (1970) para análise, modelagem e previsão dos valores de vazão e de cargas de pressão na barragem Corumbá I, do sistema Furnas Centrais Elétricas, a partir dos dados de instrumentação disponíveis desde 1997. A previsão de valores prováveis pode auxiliar em tomadas de decisão durante a operação da barragem. A utilização de métodos estatísticos e de redes neurais artificiais é especialmente recomendado em situações onde a solução através de métodos determinísticos, analíticos ou numéricos, torna-se difícil por envolver modelagens tridimensionais, com condições de contorno complexas e incertezas na variação espacial e temporal das propriedades dos materiais que constituem a barragem e sua fundação. Tradicionalmente, as análises de séries temporais são normalmente abordadas sob a perspectiva de métodos estatísticos, como os modelos de Box & Jenkins. No entanto, redes neurais artificiais têm-se constituído ultimamente em uma alternativa atraente para investigações de séries temporais por sua capacidade de análise de problemas de natureza não-linear e não-estacionários. Neste trabalho são apresentadas três aplicações envolvendo o comportamento da barragem Corumbá I: previsão das vazões através da fundação junto à ombreira esquerda, previsão das cargas de pressão em piezômetros instalados no núcleo central da barragem e no solo residual de fundação e, finalmente, a previsão dos valores das leituras em um piezômetro supostamente danificado em determinado instante de tempo. Em todos estes casos, os resultados obtidos pelos modelos de Box & Jenkins e redes neurais artificiais foram bastante satisfatórios. / [en] In this work, artificial neural networks and the Box & Jenkins models (1970) were used for analysis, modeling and forecasts of water discharges and pressure head development in the Corumbá-I dam, owned by Furnas Centrais Elétricas, from the instrumentation data recorded since 1997. Prediction of the probable values can be a powerful tool for early detection of abnormal conditions during the dam operation. The use of statistical methods and artificial neural network techniques are specially recommend in situations where a solution with a deterministic approach, analytical or numerical, is difficult for involving three- dimensional modeling, complex boundary conditions and uncertainty with respect to the spatial and temporal variation of the material properties of the dam and its foundation. Time series analyses are traditionally carried out using a statistical approach, such as the Box & Jenkins models. However, artificial neural networks have become in the recent years an attractive alternative for time series problems due to their inherent ability to analyze nonlinear and non-stationary phenomena. Three applications of time series analysis, related to the instrumentation data collected from Corumba-I dam, are presented and discussed in this thesis: forecast of water discharges through the foundation near the dam left abutment, prediction of pressure heads in piezometers installed in the impermeable central core and the residual soil foundation and, finally, prediction of the pressure heads that would be read in a piezometer that, at a given instant of time, stops working being supposedly damaged. In all these cases, the results obtained from the Box & Jenkins models as well as the artificial neural networks are quite satisfactory.

Made available in DSpace on 2015-03-05T13:53:43Z (GMT). No. of bitstreams: 0 Previous issue date: 24 / Nenhuma / A recuperação e classificação de imagens é um tema bastante pesquisado atualmente. Além dos desafios encontrados no campo teórico e prático para permitir que máquinas possuam a capacidade de visão, sua pesquisa resulta em várias aplicações práticas para o dia-a-dia. A visão computação, grande área na qual está inserida a recuperação e classificação de imagens, possui aplicações e práticas dentre as quais podemos citar softwares capazes de recuperarem imagens em bases de dados de imagens, reconhecimento de pessoas por características de biometria(impressões digitais, reconhecimento por íris ou face), localização e quantificação de logomarcas na mídia, localização de objetos numa cena e mecanismos de visão para a robótica. A pesquisa desenvolvida nesta dissertação foca-se em obter uma generalização através do aprendizado das características de uma coleção de imagens pertencentes a uma mesma classe as quais servirão como exemplo de aprendizagem, com isto obtendo um modelo que identifique esta classe. Para tan / Image retrieval and classification are today the subject of extensive research. This topic poses both theoretical and practical challenges as researchers attempt to give machines such as computers and robots the ability to “see”. Image retrieval and classification are part of a wider field known as Computer Vision, which encompasses several practical applications such as image retrieval from databases storing only raw images, biometric recognition (from images of finger-prints, face or iris), retrieval of visual trademarks and logos from advertisements, location of objects in a scene and vision techniques in robotics. The research developed in this work is focused on obtaining a generalization of characteristics extracted from a collection of images belonging to a single class using supervised learning techniques. The result is a model that “identifies” a given class of images. To achieve this, a review of the state-of-the-art in content-based image retrieval systems and Machine Learning techniques was neede

Made available in DSpace on 2015-03-05T13:56:58Z (GMT). No. of bitstreams: 0 Previous issue date: 23 / Nenhuma / Este trabalho apresenta um método de Inteligência Artificial para ser utilizado em operações de Restauração de Sistemas de Potência, com o desenvolvimento de um sistema hibrido. O sistema utiliza um Algoritmo Genético (AG), que codifca seqüências de operações de chaveamento. Durante a evolução do AG, as operações sugeridas são avaliadas por um programa de Fluxo de Potência, que fornece dados para a função objetivo deste AG. Para este AG, uma nova representação de genoma foi criada, capaz de codificar estágios compostos de blocos de operações sequenciais. Juntamente a esta nova representação, foram desenvolvidos operadores de cruzamento e de mutação / This work reports the development of an Artificial Intelligence system applied to Power Systems Restoration, with an hybrid approach. The system employs a Genetic Algorithm (GA) to generate sequences of operations which are analysed by a Power Flow program to verify and access their fitness. For this GA, a new genoma representation was developed, as well as two genetic operators, for crossover and mutation

Made available in DSpace on 2017-07-21T18:13:41Z (GMT). No. of bitstreams: 1 JANAINA NATALI ANTONIO.pdf: 4882934 bytes, checksum: b2a9d5c041820a4f5922fb15978b43c7 (MD5) Previous issue date: 2009-12-16 / The large production of solid waste and its wrong final destination in the environment have become a problem, especially in urban centers. For what effective measures can be taken, it is necessary to know the local reality, thus to be able act directly in the base of this question. The current system of managing solid residues in the municipality of Guarapuava-PR has as final destination the open atmosphere in "garbage", which causes a number of detriment to the environment and the people who live nearby. Considering this situation, the municipal administration has as proposal the construction of the one sanitary embankment. For the implementation of this must be considered technical criteria, politicians and social, for select an appropriate area. This work aims to carry through the mapping of areas with potential for deployment of sanitary embankment in Guarapuava-PR, using the methodology based on classification by Artificial Neural Networks (ANN). For classification were performed a series of tests with variations in the number of layers of input, and the parameters of the RNA, thus different results were obtained in the output layer. The best results were obtained with the architecture consists of 5 layers of input and 2 neurons in the hidden layer and change the variables of threshold training 0.8000, 0.1000 learning rate, dynamic training of 0.8000, mean square error of 0.0500 and number of iterations of 2000, is considered the ideal architecture for this type of classification. / A grande produção de resíduos sólidos domiciliares e a sua destinação final inadequada no ambiente têm se tornado um problema, principalmente nos centros urbanos. Para que medidas eficientes possam ser tomadas, é necessário o conhecimento da realidade local, para assim poder atuar diretamente na base desta questão. O atual sistema de gerenciamento dos resíduos sólidos no município de Guarapuava-PR tem como forma de destino final o “lixão” a céu aberto, o qual causa uma série de danos ao ambiente e a população que reside nas proximidades. Considerando esta situação, a administração municipal tem como proposta a construção de um aterro sanitário. Para a implantação deste devem ser considerados critérios técnicos, políticos e sociais, para a escolha de uma área adequada. Este trabalho tem por objetivo realizar o mapeamento de áreas com potencialidade de implantação de aterro sanitário em Guarapuava-PR, utilizando a metodologia baseada na classificação supervisionada, por Redes Neurais Artificiais (RNA). Para a classificação foram realizados uma série de testes com variações do número de camadas de entrada, e nos parâmetros da RNA, desta forma foram obtidos diferentes resultados na camada de saída. Os melhores resultados foram obtidos com a arquitetura composta por 5 camadas de entrada e com 2 neurônios na camada escondida e com alterações das variáveis de limiar de treinamento de 0.8000, taxa de aprendizagem 0.1000, dinâmica do treinamento de 0.8000, erro médio quadrático de 0.0500 e o número de iterações de 2000, sendo considerada a arquitetura ideal para este tipo de classificação.