A otimização estrutural, utilizando ferramentas computacionais é um grande campo de pesquisa na atualidade. Os métodos utilizados, dependendo da complexidade do problema, demandam um grande custo computacional, e por isso vem sendo avaliandas várias técnicas para diminuí-lo. Uma delas é o emprego de técnicas de aproximação de análises, dentre as quais destacam-se as redes neurais, que combinadas aos métodos de otimização e de análises clássicos conseguem bons resultados e reduzem significativamente o tempo de processamento. O emprego dos compósitos laminados como material estrutural vem crescendo nos últimos tempos, incentivado pela suas excelentes propriedades mecânicas e baixo peso. Em consenso com todo o esforço científico dedicado a essa área, o presente trabalho visa a implementação de uma ferramenta computacional capaz de otimizar estruturas complexas fabricadas com tais materiais, a um baixo custo computacional. Com isto em mente, é desenvolvido um sistema de otimização, aproveitando módulos implementados previamente para a análise estática linear e não linear através do método dos elementos finitos (MEF), e o módulo de otimização por algoritmos genéticos. Serão desenvolvidos os módulos de análise modal, para otimizar também estruturas com critérios baseados em freqüências e modos, e o modulo de redes neurais de tipo perceptron para aproximações das análises feitas através do MEF. Alguns exemplos são apresentados para demonstrar que bons resultados são obtidos com a utilização de redes neurais artificiais, cujo treinamento permite poupar tempo computacional proveniente do grande número de análises usualmente necessárias no processo de otimização. / Structural optimization using computational tools has become a major research field in recent years. Methods commonly used in structural analysis and optimization may demand considerable computational cost, depending on the problem complexity. Therefore, many techniques have been evaluated in order to diminish such impact. Among these various techniques, artificial neural networks may be considered as one of the main alternatives, when combined with classic analysis and optimization methods, to reduce the computational effort without affecting the final solution quality. Use of laminated composite structures has been continuously growing in the last decades due to the excellent mechanical properties and low weight characterizing these materials. Taken into account the increasing scientific effort in the different topics of this area, the aim of the present work is the formulation and implementation of a computational code to optimize manufactured complex laminated structures with a relatively low computational cost by combining the Finite Element Method (FEM) for structural analysis, Genetic Algorithms (GA) for structural optimization and Artificial Neural Networks (ANN) to approximate the finite element solutions. The modules for linear and geometrically non-linear static finite element analysis and for optimize laminated composite plates and shells, using GA, were previously implemented. Here, the finite element module is extended to analyze dynamic responses to optimize problems based in frequencies and modal criteria, and a module with perceptron ANN is added to approximate finite element analyses. Several examples are presented to show the effectiveness of ANN to approximate solutions obtained using the FEM and to reduce significatively the computational cost.

This work presents a black box identification for a continuous methanol-water distillation column setting in open loop and closed loop response. Step changes and Pseudo-Random Binary Signal (PRBS) disturbance were used to excite the plant. The mathematical models candidates to identify were the Artificial Neural Networks (ANN) and the parametric models: ARX(autoregressive with exogenous inputs ), ARMAX (AutoRegressive Moving Average with eXogenous inputs ), OE(Output Error) and the Box-Jenkins (BJ)structure. The closed loop configuration was the R-V. The results showed that for the bottom loop, the best response were given by BJ, OE and RNA for both open and closed loop response. For the top closed loop, the best responses were also given by BJ, OE and RNA while in open loop condition, the RNA was the one that gave satisfactory outcome. It was verified that the pseudo-random binary signal was a good choice of excitation signal in identification for both open loop and closed dynamic systems. / Foi realizado neste trabalho identificação caixa preta do processo de destilação Metanol-Água nas configurações malha aberta e malha fechada, utilizando como sinais de perturbação a função degrau e o Sinal Binário Pseudo-Aleatório (PRBS) para excitar a planta. Os modelos matemáticos candidatos a identificação foram as Redes Neurais Artificiais (RNA), e os modelos paramétricos discretos lineares autorregressivo com entradas externas (ARX do inglês AutoRegressive with eXogenous Inputs), autorregressivo com média móvel e entradas exógenas (ARMAX do inglês AutoRegressive Moving Average with eXogenous Inputs), modelo do tipo erro na saída (OE do inglês Output Error) e a estrutura Box-Jenkins (BJ). Com a disposição dos modelos, foram comparados quais dos modelos matemáticos candidatos à identificação melhor representa o processo coluna de destilação metanol-água. Comparou-se qual configuração do processo no ensaio de identificação para geração de dados apresenta mais vantagens, se em malha aberta ou em malha fechada, nas condições e metodologias utilizadas. Constatou-se a funcionalidade do sinal binário pseudo-aleatório como uma boa opção de excitação na identificação em malha aberta e fechada para sistemas dinâmicos.

Made available in DSpace on 2015-03-26T12:27:15Z (GMT). No. of bitstreams: 1 texto completo.pdf: 8085749 bytes, checksum: 16c9ec262ce793f99b1a887855d560a4 (MD5) Previous issue date: 2012-12-21 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / This study aimed to develop a complete model in individual tree basis for a fragment of Semideciduous Montana forest using artificial neural networks (ANN) and validate their application. Data from ten permanent plots in a forest of 17 ha in Viçosa, MG, at the intermediate stage of ecological succession, monitored for 14 years (1994, 1997, 2000, 2004 and 2008) were used for this purpose. The data set was randomly divided into two groups: 1) training networks group, consisting of six parcels totaling 3,556 cases at five measurements, observed 231 cases of death and 238 cases of ingrowth, and 2) the validation model group, consisting of four parcels, totaling 2,062 cases, with 181 cases of death and 146 cases of ingrowth. The work was divided into four chapters where, in Chapter I, we evaluated different competition indexes independent, dependent and semi-independent of distance, and selected those best for studies of growth and mortality in later chapters. In Chapters II and III were evaluated and compared different types and architectures of neural networks to estimate mortality regular trees, as well as projection of diameter, total height and bole height. In Chapter IV, there was the validation of networks employing the set of independent data. Besides the selected networks was considered the average rate at each measurement period, the first data group, the projection of the forest structure (validation). The analysis showed that, overall, the competition indexes were correlated with the probability of mortality and growth of trees. There was also verified that the neural networks efficiency in the estimation of tree mortality and the growth projection, accurate estimates are obtained. In validation, designed to mortality, growth and ingrowth of the first measurement (1994) by the year 2008, which were compared to the observed values. The model for individual tree basis was efficient in simulating forest growth and yield at all levels of detail (stand level, diameter and hight distribution level and individual tree level). The results confirmed the potential use of individual tree basis models through artificial neural networks in natural forests structurally complex, as is the case of the Semideciduous Montana Forest. / Este estudo teve como objetivos desenvolver um modelo completo em nível de árvore individual para um fragmento de Floresta Estacional Semidecidual Montana utilizando redes neurais artificiais (RNA) e validar a sua aplicação. Dados provenientes de dez parcelas permanentes em um fragmento florestal de 17 ha no município de Viçosa, MG, em estágio médio de sucessão ecológica, monitoradas durante 14 anos (1994, 1997, 2000, 2004 e 2008) foram utilizados para este propósito. O conjunto de dados foi dividido aleatoriamente em dois grupos: 1) grupo de treinamento das redes, composto por seis parcelas e totalizando 3.556 casos nas cinco medições, sendo observados 231 casos de mortalidade e 238 casos de ingresso, e 2) grupo de validação do modelo, composto por quatro parcelas, totalizando 2.062 casos, sendo observados 181 casos de mortalidade e 146 casos de ingresso. O trabalho foi dividido em quantro capítulos onde, no capítulo I, foram avaliados diferentes índices de competição independentes, dependentes e semi-independentes da distância, sendo selecionados aqueles melhores para os estudos de crescimento e mortalidade nos capítulos posteriores. Nos capítulos II e III foram avaliados e comparados diferentes arquiteturas e tipos de redes neurais para estimativa da mortalidade regular das árvores, bem como para projeção do diâmetro, altura total e do fuste. No capítulo IV, realizou-se a validação das redes empregando-se o conjunto de dados independentes. Além das redes selecionadas considerou-se a taxa média de ingresso em cada período de medição, no primeiro grupo de dados, na projeção da estrutura da floresta (validação). Após as análises, observou-se que, de maneira geral, os índices de competição foram correlacionados com o crescimento e probabilidade de mortalidade das árvores. Verificou-se, também, a eficiência das redes neurais na estimação da mortalidade das árvores e para a projeção do crescimento, sendo obtidas estimativas precisas. Na validação, projetou-se a mortalidade, o crescimento e o ingresso da primeira medição (1994) até o ano de 2008, os quais foram comparados aos valores observados. O modelo em nível de árvore individual foi eficiente na simulação do crescimento e produção florestal em todos os níveis de detalhamento (povoamento total, distribuição diamétrica e de altura e em nível de árvore individual). Os resultados confirmaram o potencial de utilização de modelos em nível de árvore individual por meio de redes neurais artificiais em florestas naturais estruturalmente complexas, como é o caso da Floresta Estacional Semidecidual Montana.

Made available in DSpace on 2010-04-20T21:00:04Z (GMT). No. of bitstreams: 4 Angela Sayuri Cristofoli Ueno.pdf.jpg: 3172 bytes, checksum: cee83d936530b3fbd5bbd2e1e33630f0 (MD5) Angela Sayuri Cristofoli Ueno.pdf.txt: 101059 bytes, checksum: 8aed03cbd2b118345bf95e9de842bd8b (MD5) license.txt: 4712 bytes, checksum: 4dea6f7333914d9740702a2deb2db217 (MD5) Angela Sayuri Cristofoli Ueno.pdf: 1282852 bytes, checksum: f569242d1dee8eb86948ddc7774f30c9 (MD5) Previous issue date: 2010-02-08T00:00:00Z / The operational risk management and measurement is an increasing concern throughout the community of financial institutions. The adequate choice of the operational risk capital calculation model can become a competitive differential. This study presents the advantages of adopting causal models for operational risk management and measuring. The investigation of the Artificial Neural Networks application for this purpose shows that the causal model results in capital amounts more aligned to the financial institution’s risk exposure. Furthermore, there is the advantage that, as more risk sensible the capital calculation methodology is, higher will be the incentive for an appropriate risk management in the day-today institution’s business. This not only reduces the needs for capital allocation, but also decreases the expected losses. Therefore, the results are positive and encourage future researches about this subject. / A gestão e a mensuração do risco operacional é uma preocupação crescente da comunidade bancária, de modo que a escolha adequada do modelo de alocação de capital para risco operacional pode tornar-se um diferencial competitivo. Este trabalho apresenta as vantagens da adoção de modelos causais para a gestão e mensuração do risco operacional e, ao investigar a aplicação de Redes Neurais Artificiais para tal propósito, comprova que o modelo causal chega a valores de capital mais alinhados à exposição ao risco da instituição financeira. Além disso, há a vantagem de que, quanto mais sensível a risco a metodologia de cálculo de capital for, maior será o incentivo para uma gestão apropriada dos riscos no dia-a-dia da instituição financeira, o que não apenas reduz sua necessidade de alocação de capital, quanto diminui suas perdas esperadas. Os resultados, portanto, são positivos e motivam estudos futuros sobre o tema.

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

Les méthodes de contrôle non destructif (CND) sont essentielles pour estimer les propriétés du béton (mécaniques ou physiques) et leur variabilité spatiale. Elles constituent également un outil pertinent pour réduire le budget d'auscultation d'un ouvrage d'art. La démarche proposée est incluse dans un projet ANR (EvaDéOS) dont l'objectif est d'optimiser le suivi des ouvrages de génie civil en mettant en œuvre une maintenance préventive afin de réduire les coûts. Dans le cas du travail de thèse réalisé, pour caractériser au mieux une propriété particulière du béton (ex : résistance mécanique, porosité, degré de Saturation, etc.), avec des méthodes ND sensibles aux mêmes propriétés, il est impératif de développer des outils objectifs permettant de rationaliser une campagne d'essais sur les ouvrages en béton armé. Dans ce but, premièrement, il est proposé un outil d'échantillonnage spatial optimal pour réduire le nombre de points d'auscultation. L'algorithme le plus couramment employé est le recuit simulé spatial (RSS). Cette procédure est régulièrement utilisée dans des applications géostatistiques, et dans d'autres domaines, mais elle est pour l'instant quasiment inexploitée pour des structures de génie civil. Dans le travail de thèse, une optimisation de la méthode d'optimisation de l'échantillonnage spatial (MOES) originale inspirée du RSS et fondée sur la corrélation spatiale a été développée et testée dans le cas d'essais sur site avec deux fonctions objectifs complémentaires : l'erreur de prédiction moyenne et l'erreur sur l'estimation de la variabilité. Cette méthode est décomposée en trois parties. Tout d'abord, la corrélation spatiale des mesures ND est modélisée par un variogramme. Ensuite, la relation entre le nombre de mesures organisées dans une grille régulière et la fonction objectif est déterminée en utilisant une méthode d'interpolation spatiale appelée krigeage. Enfin, on utilise l'algorithme MOES pour minimiser la fonction objectif en changeant les positions d'un nombre réduit de mesures ND et pour obtenir à la fin une grille irrégulière optimale. Des essais destructifs (ED) sont nécessaires pour corroborer les informations obtenues par les mesures ND. En raison du coût ainsi que des dégâts possibles sur la structure, un plan d'échantillonnage optimal afin de prélever un nombre limité de carottes est important. Pour ce faire, une procédure utilisant la fusion des données fondée sur la théorie des possibilités et développée antérieurement, permet d'estimer les propriétés du béton à partir des ND. Par le biais d'un recalage nécessitant des ED réalisés sur carottes, elle est étalonnée. En sachant qu'il y a une incertitude sur le résultat des ED réalisés sur les carottes, il est proposé de prendre en compte cette incertitude et de la propager au travers du recalage sur les résultats des données fusionnées. En propageant ces incertitudes, on obtient des valeurs fusionnées moyennes par point avec un écart-type. On peut donc proposer une méthodologie de positionnement et de minimisation du nombre des carottes nécessaire pour ausculter une structure par deux méthodes : la première, en utilisant le MOES pour les résultats des propriétés sortis de la fusion dans chaque point de mesure et la seconde par la minimisation de l'écart-type moyen sur la totalité des points fusionnés, obtenu après la propagation des incertitudes des ED. Pour finir, afin de proposer une alternative à la théorie des possibilités, les réseaux de neurones sont également testés comme méthodes alternatives pour leur pertinence et leur simplicité d'utilisation. / Non-destructive testing methods (NDT) are essential for estimating concrete properties (mechanical or physical) and their spatial variability. They also constitute an useful tool to reduce the budget auscultation of a structure. The proposed approach is included in an ANR project (EvaDéOS) whose objective is to optimize the monitoring of civil engineering structures by implementing preventive maintenance to reduce diagnosis costs. In this thesis, the objective was to characterize at best a peculiar property of concrete (e.g. mechanical strength, porosity, degree of saturation, etc.), with technical ND sensitive to the same properties. For this aim, it is imperative to develop objective tools that allow to rationalize a test campaign on reinforced concrete structures. For this purpose, first, it is proposed an optimal spatial sampling tool to reduce the number of auscultation points. The most commonly used algorithm is the spatial simulated annealing (SSA). This procedure is regularly used in geostatistical applications, and in other areas, but yet almost unexploited for civil engineering structures. In the thesis work, an original optimizing spatial sampling method (OSSM) inspired in the SSA and based on the spatial correlation was developed and tested in the case of on-site auscultation with two complementary fitness functions: mean prediction error and the error on the estimation of the global variability. This method is divided into three parts. First, the spatial correlation of ND measurements is modeled by a variogram. Then, the relationship between the number of measurements organized in a regular grid and the objective function is determined using a spatial interpolation method called kriging. Finally, the OSSM algorithm is used to minimize the objective function by changing the positions of a smaller number of ND measurements and for obtaining at the end an optimal irregular grid. Destructive testing (DT) are needed to corroborate the information obtained by the ND measurements. Because of the cost and possible damage to the structure, an optimal sampling plan to collect a limited number of cores is important. For this aim, a procedure using data fusion based on the theory of possibilities and previously developed is used to estimate the properties of concrete from the ND. Through a readjustment bias requiring DTs performed on carrots, it is calibrated. Knowing that there is uncertainty about the results of DTs performed on carrots, it is proposed to take into account this uncertainty and propagate it through the calibration on the results of the fused data. By propagating this uncertainty, it is obtained mean fused values with a standard deviation. One can thus provide a methodology for positioning and minimizing the number of cores required to auscultate a structure by two methods: first, using the OSSM for the results of fused properties values in each measuring point and the second by the minimization of the average standard deviation over all of the fused points obtained after the propagation of DTs uncertainties. Finally, in order to propose an alternative to the possibility theory, neural networks are also tested as alternative methods for their relevance and usability.

Currently, one of the main research problems in Structural Bioinformatics is associated to the study and prediction of the 3-D structure of proteins. The 1990’s GENOME projects resulted in a large increase in the number of protein sequences. However, the number of identified 3-D protein structures have not followed the same growth trend. The number of protein sequences is much higher than the number of known 3-D structures. Many computational methodologies, systems and algorithms have been proposed to address the protein structure prediction problem. However, the problem still remains challenging because of the complexity and high dimensionality of a protein conformational search space. This work presents a new computational strategy for the 3-D protein structure prediction problem. A first principle strategy which uses database information for the prediction of the 3-D structure of polypeptides was developed. The proposed technique manipulates structural information from the PDB in order to generate torsion angles intervals. Torsion angles intervals are used as input to a genetic algorithm with a local-search operator in order to search the protein conformational space and predict its 3-D structure. Results show that the 3-D structures obtained by the proposed method were topologically comparable to their correspondent experimental structure.

O principal objetivo do presente trabalho é propor, desenvolver, testar e apresentar um método para a classificação do grau de desenvolvimento da capacidade cognitiva espacial de diferentes indivíduos. 37 alunos de graduação tiveram seus eletroencefalogramas (EEGs) capturados enquanto estavam engajados em tarefas de rotação mental de imagens tridimensionais. Seu grau de desenvolvimento da capacidade cognitiva espacial foi avaliado utilizando-se um teste psicológico BPR-5. O maior expoente de Lyapunov (LLE) foi calculado a partir de cada um dos 8 canais dos EEGs capturados. OS LLEs foram então utilizados como tuplas de entrada para 5 diferentes classificadores: i) perceptron de múltiplas camadas, ii) rede neural artificial de funções de base radial, iii) perceptron votado, iv) máquinas de vetor de suporte, e v) k-vizinhos. O melhor resultado foi obtido utilizando-se uma RBF com 4 clusters e a função de kernel Puk. Também foi realizada uma análise estatística das diferenças de atividade cerebral, baseando-se nos LLEs calculados, entre os dois grupos de interesse: SI+ (indivíduos com um suposto maior grau de desenvolvimento da sua capacidade cognitiva espacial) e SI- (grupo de controle) durante a realização de tarefas de rotação mental de imagens tridimensionais. Uma diferença média de 16% foi encontrada entre os dois grupos. O método de classificação proposto pode vir a contribuir e a interagir com outros processos na analise e no estudo da capacidade cognitiva espacial humana, assim como no entendimento da inteligência humana como um todo. Um melhor entendimento e avaliação das capacidades cognitivas de um indivíduo podem sugerir a este elementos de motivação, facilidade ou de inclinações naturais suas, podendo, provavelmente, afetar as decisões da sua vida e carreira de uma forma positiva. / The main objective of the present work is to propose, develop, test, and show a method for classifying the spatial cognition degree of development on different individuals. Thirty-Seven undergraduate students had their electroencephalogram (EEG) recorded while engaged in 3-D images mental rotation tasks. Their spatial cognition degree of development was evaluated using a BPR-5 psychological test. The Largest Lyapunov Exponent (LLE) was calculated from each of the 8 electrodes recorded in each EEG. The LLEs were used as input for five different classifiers: i) multi-layer perceptron artificial neural network, ii) radial base functions artificial neural network, iii) voted perceptron artificial neural network, iv) support vector machines, and v) K-Nearest Neighbors. The best result was achieved by using a RBF with 4 clusters and Puk kernel function. Also a statistical analysis of the brain activity, based in the calculated LLEs, differences between two interest groups: SI+ (participants with an alleged higher degree of development of their spatial cognition) and SI- (control group) during the performing of mental rotation of tridimensional images tasks was done.. An average difference of 16% was found between both groups. The proposed classification method can contribute and interact with other processes in the analysis and study of human spatial cognition, as in the understanding of the human intelligence at all. A better understanding and evaluation of the cognitive capabilities of an individual could suggest him elements of motivation, ease or natural inclinations, possibly affecting the decisions of his life and carrier positively.

O entendimento da dinâmica hidrossedimentológica em uma bacia hidrográfica pode ser realizado pelo monitoramento das variáveis hidrossedimentológicas e pela modelagem desses processos. Nesse contexto, essa pesquisa analisou a eficiência do modelo Soil and Water Assessment Tool (SWAT) na previsão dos processos hidrossedimentológicos na bacia do Taboão (Pejuçara, RS), considerando as saídas (vazão e produção de sedimentos) em um passo de tempo mensal e diário. Para tal, foram utilizados dados de chuva horária dos anos 2008 a 2016, monitorada em quatro pluviógrafos instalados na bacia (PVGs 34, 40, 43 e 51), e dados climáticos da estação meteorológica de Cruz Alta. As informações de vazão, para os anos de 2011 a 2016, foram obtidas por meio da conversão dos dados de nível de água monitorados no exutório da bacia, utilizando uma curva-chave cota x vazão. A concentração de sedimentos suspensos (CSS), para os anos de 2013 a 2015, foi estimada por meio de modelos de redes neurais artificias (RNAs), empregando como entrada dados de turbidez e de nível de água, monitorados no exutório da bacia. O preenchimento das falhas dos registros de precipitação horária foi executado por meio de modelos de Combinações de RNAs (CRNAs) associados à média simples (MS) ou à média ponderada pelo inverso da distância (MP), utilizando como entrada dados pluviométricos dos postos vizinhos. As falhas nos dados de nível de água foram preenchidas por modelos de RNAs, que usaram como entrada níveis de água monitorados em sub-bacias embutidas ou adjacente à bacia do Taboão (bacias do Donato, Turcato, Alemão e Andorinhas), e dados de precipitação média dos quatro pluviógrafos utilizados nessa pesquisa Foram determinadas as defasagens temporais entre os níveis de água das diferentes bacias, e testados o uso da precipitação média com aplicação de filtro temporal linear e/ou exponencial. Os registros falhos nos dados de turbidez foram preenchidos por modelos de RNAs, que empregaram como entrada informações de nível de água monitoradas, de 10 em 10 minutos, no exutório da bacia. A calibração do modelo SWAT para a previsão dos processos hidrológicos foi realizada usando dados de vazão, diários e mensais, para os anos de 2013, 2014 e 2016 e; a etapa de verificação foi executada para os anos de 2011 e 2015. Considerou-se o Método de Green & Ampt para determinação da infiltração de água no solo e 2 anos (2008-2009) para período de aquecimento do modelo SWAT. A calibração do modelo para a produção de sedimentos foi realizada para os anos de 2013 e 2015 e o processo de verificação foi efetuado para o ano de 2014. A calibração e a análise de sensibilidade dos parâmetros foram realizadas com auxílio do SWAT-CUP, utilizando o algoritmo SUFI-2. O coeficiente de Nash–Sutcliffe (NS) das RNAs para preenchimento das falhas de precipitação variou entre 0,35, classificado como “Insatisfatório”, e 0,86, avaliado como “Muito Bom”, considerando critérios propostos por Moriasi et al. (2007). Das 13 RNAs desenvolvidas para preenchimento das falhas nos níveis de água, apenas uma delas foi classificada como de desempenho “Satisfatório” durante o treinamento e; as demais enquadraram-se como de desempenho “Muito Bom”. Na etapa de verificação, sete RNAs foram consideradas com desempenho “Muito Bom” e cinco com “Bom” desempenho No preenchimento das falhas de turbidez, das cinco RNAs desenvolvidas, quatro mostraram “Bom” desempenho durante o treinamento, e uma rede teve desempenho “Muito Bom”; enquanto que, no processo de verificação, duas RNAs tiveram desempenho “Muito Bom”, uma delas foi classificada com desempenho “Bom” e; duas RNAs foram consideradas com desempenho “Satisfatório”. As estatísticas de desempenho dos modelos de RNAs desenvolvidos para o preenchimento das falhas de nível de água, de turbidez e de precipitação também demonstraram que tais redes representam uma alternativa interessante para a obtenção de séries contínuas desses dados, possibilitando o uso posterior dos registros para a modelagem hidrossedimentológica. A calibração do modelo SWAT para estimativa da vazão mensal mostrou desempenho “Muito Bom” (NS=0,78), e para a determinação da vazão diária foi considerado “Bom” (NS=0,72). Na etapa de verificação, o modelo manteve o “Bom” desempenho (NS=0,68) para estimativa da vazão diária, decaindo para desempenho “Satisfatório” (NS=0,64) para a simulação em escala mensal. Para a estimativa da produção de sedimentos mensal, o desempenho do modelo foi considerado “Bom” tanto na calibração (NS=0,66) quanto na verificação (NS=0,70). Na escala diária o desempenho foi “Satisfatório” para a calibração (NS=0,64) e “Insatisfatório” para a verificação (NS=0,38) Tais resultados indicam que o modelo SWAT é uma ferramenta promissora para aplicações na previsão hidrossedimentológica na bacia do Taboão, especialmente em termos de simulações dos processos hidrológicos. No entanto, existem limitações para aplicações na estimativa da produção de sedimentos, sobretudo quando considerados os processos em escala diária. Essas limitações são consequência da presença de processos erosivos na bacia (voçorocas), que não são simulados pelas rotinas presentes no modelo SWAT, bem como pelo escoamento dominante ser do tipo subsuperficial, com ocorrência de pipping; indicando-se, portanto, adequações nas rotinas do modelo para melhor representatividade desses processos. / The understanding of hydrosedimentological dynamics in a watershed can be obtained by monitoring the hydrossedimentological variables and by modeling these processes. In this context, this research analyzed the efficiency of the Soil and Water Assessment Tool (SWAT) in predicting the hydrosedimentological processes in the Taboão basin (Pejuçara, RS), considering the outputs (flow and sediment production) in a monthly and daily time step. For that, hourly rainfall data from 2008 to 2016 were monitored at four pluviographs installed in the basin (PVGs 34, 40, 43 and 51), and climate data were obtained from the Cruz Alta meteorological station. The flow information for the years 2011 to 2016 was obtained by converting the monitored water level data into flow by using a rating curve. The suspended sediment concentration (SSC), from 2013 to 2015, was estimated using artificial neural network (ANN) models, using as input turbidity and water level data, monitored in the basin. The filling of the hourly rainfall records was performed by models of Combinations of RNAs (CRNAs) associated with the simple mean (MS) or weighted mean to the inverse distance (MP), using as input rainfall data from the neighboring stations. Failures in the water-level data were filled by RNA models, which used as input water levels monitored in sub-basins adjacent or embedded to the Taboão basin (Donato, Turcato, Alemão and Andorinha basins), and mean precipitation data of the four pluviographs used in this research. The temporal lags between the water levels of the different basins were determined and the use of the average precipitation with linear and exponential temporal filters was tested The turbidity data records were filled by RNA models, using water level information monitored at every 10 minutes. The SWAT model calibration for predicting the hydrological processes was performed using daily and monthly flow data for the years 2013, 2014 and 2016 and the verification step was performed for the years 2011 and 2015; considering Green & Ampt Method for infiltration estimation and 2 years of warm-up period (2008-2009). The calibration of the model for sediment yield was performed for the years 2013 and 2015 and the verification process was carried out for the year 2014. The calibration and sensitivity analysis of the parameters were performed with the assistance of SWAT-CUP, using the SUFI-2 algorithm. The Nash-Sutcliffe Coefficient (NS) of the RNAs used to fill precipitation faults varied between 0.35, classified as "Unsatisfactory", and 0.86, evaluated as "Very Good", considering criteria proposed by Moriasi et al. (2007). Of the 13 RNAs developed to fill water level failures, only one of them was classified as a "Satisfactory" performance during training and; the others have been classified as "Very Good" performance. In the verification step, seven RNAs were considered to have "Very Good" performance and five had "Good” performance. In the fulfillment of the turbidity faults, of the five RNAs developed, four showed "Good" performance during the training, and one network had "Very Good" performance; while in the verification process two ANNs performed "Very Good", one of them was classified as "Good" and; two ANNs were considered to have "Satisfactory" performance The performance statistics of the ANN models developed to fill the water level, turbidity and precipitation failures also demonstrated that such networks represent an interesting alternative to obtain continuous series of these data, allowing the later use of the records for hydrossedimentological modeling. In the verification processes, the model maintained a “Good” performance (NS=0.68) to estimate the daily flow, decreasing to "Satisfactory" performance (NS=0.64) for the monthly scale simulation. For the estimation of sediment yield the model performance was considered "Good" for monthly calibration period (NS=0.66) and also for the verification (NS=0.70). In daily scale the performance was "Satisfactory" for calibration (NS=0.64) and “Unsatisfactory” in the verification (NS=0.38). These results indicate that the SWAT model is a promising tool for applications in the hydrosedimentological forecasting in the Taboão basin, especially in terms of hydrological processes simulations. However, there are limitations to applications in the estimation of sediment production, especially when considering daily scale processes. These limitations are due to the presence of erosive processes in the basin (gully erosion), which are not simulated by the routines present in the SWAT model, as well as by the existence of the lateral flow with occurrence of pipping; indicating, therefore, the need for adjustments in the routines of the model to better represent these processes.

O objetivo deste trabalho foi propor uma metodologia para investigar os possíveis efeitos das mudanças climáticas na disponibilidade hídrica e as alterações da demanda hídrica no futuro, através de uma abordagem estocástica, que considera projeções climáticas, hidrológicas, populacionais e agropecuárias. O trabalho foi aplicado à bacia hidrográfica do rio Ijuí, noroeste do Rio Grande do Sul, Brasil. A metodologia foi composta por cinco módulos, envolvendo: i) a modelagem hidrológica para transformação da precipitação e evapotranspiração em vazão, utilizando Redes Neurais Artificiais (RNAs), ii) a correção e análise dos cenários climáticos para o futuro, oriundos do modelo Eta CPTEC/HadCM3, iii) a modelagem estocástica das vazões mensais no futuro, iv) a modelagem estocástica das variáveis populacionais e agropecuárias para geração de séries de demanda hídrica no futuro e, v) a simulação do balanço hídrico para geração de curvas de regularização, objetivando uma análise da relação entre a disponibilidade e a demanda hídrica no futuro. Como resultados relacionados ao processo de modelagem hidrológica, destaca-se que o modelo com RNAs mais adequado para a simulação das vazões mensais apresentou apenas três variáveis de entrada, obtendo um coeficiente de Nash-Sutcliffe igual a 0,904. Através da análise de sensibilidade, foi observado que a RNA escolhida relacionou corretamente as variáveis de entrada com a saída da rede, respeitando os princípios físicos envolvidos no sistema hidrológico. Quanto à análise dos cenários climáticos e vazões resultantes do processo de modelagem hidrológica, as diferenças entre os valores simulados com base no modelo Eta e os valores observados, no período de avaliação dos modelos (1976-1990), atingiram erros algumas vezes superiores a 20%. A vazão média de longo período, por exemplo, apresentou uma alteração de 141,6 m³/s (1961-1990) para 200,3 m³/s (2011-2040). Também foi observado um incremento na vazão média e no desvio padrão mensal entre os meses de janeiro e outubro. Entre os meses de fevereiro e junho, o percentual de aumento na vazão média mensal foi mais acentuado, superando o índice de 100%. Considerando-se os intervalos de confiança das estimativas de vazão para o futuro, pode-se concluir que existe uma tendência de aumento na variabilidade hidrológica no período entre 2011 e 2040, o que indica a possibilidade de ocorrência de séries temporais com períodos mais acentuados de estiagem e de cheias. Quanto às alterações na demanda hídrica, foi constatado que a tendência de crescimento das atividades agrícolas irrigadas no período analisado é bem superior à tendência observada em relação à criação animal e ao abastecimento humano. Mantida a tendência e os resíduos modelados entre 2003 e 2010, a média das séries estocásticas geradas para o futuro indica que haverá 1.954 km² de áreas irrigadas em 2040, fazendo com que a demanda aumente de 6,3 m³/s (2011) para 28 m³/s (2040), no mês de maior demanda hídrica (janeiro). Na etapa final, ao calcular a razão entre a demanda para usos consuntivos e a disponibilidade hídrica (demanda/disponibilidade), no período entre 2011 e 2040, foi observada uma tendência de aumento neste percentual ao longo dos anos. Em média, a relação demanda/disponibilidade em 2011 foi de apenas 6,06%, variando entre 0,81% (maio) e 20,15% (dezembro). Já em 2040 esta proporção aumentou para 13,82%, variando entre 1,09% (maio) e 43,3% (dezembro). Quanto às mudanças nas curvas de regularização obtidas através da simulação do balanço hídrico em um reservatório fictício, os resultados atestam que, em caso de confirmação do cenário de mudança climática utilizado, haverá a necessidade de reservatórios com capacidade cada vez maior para atender à demanda para usos consuntivos, em virtude do agravamento das estiagens no início do verão. / The purpose of this study was to propose a methodology to investigate the possible effects of climate change on water availability and changes in water requirement in the future, through a stochastic approach that considers climate, hydrological, agricultural and population projections. The method was applied to Ijuí river basin, northwest of Rio Grande do Sul, Brazil. The methodology consisted of five modules, involving: i) hydrological modeling of monthly flows using Artificial Neural Networks (ANNs), ii) correction and analysis of climate scenarios for the future, derived from the Eta model CPTEC / HadCM3, iii) the stochastic modeling of monthly flows in the future, iv) the stochastic modeling of population and agricultural variables to generate water requirement series in the future and, v) the simulation of the water balance for the generation of curves regularization aiming an analysis of the relationship between water availability and water requirement in the future. Regarding the results of the hydrologic modeling, it is highlighted that ANN model more suitable model for the flow simulation presented only three input variables, obtaining a Nash-Sutcliffe coefficient equal to 0.904. It was observed, through sensitivity analysis, that the ANN related correctly chosen input variables with the output of the network, respecting the physical principles involved in the hydrological system. The analysis of climate scenarios and flows resulting from the hydrologic modeling process showed that the differences between the simulated values based on the Eta model and the observed values for the period of assessment models (1976-1990), errors sometimes reached more than 20 %. Therefore, one must consider that these uncertainties will be replicated in future scenarios, as to analysis of the effects of climate change on water availability. Overall, the results related to stochastic modeling of monthly flows for the future (2011-2040) showed a tendency to increase in flows. The average flow of long period, for example, introduced an amendment to 141.6 m³ / s (1961-1990) to 200.3 m³ / s (2011-2040). We observe an increase in the average flow and monthly standard deviation between January and October. The percentage increase in the monthly average flow was more pronounced between the months of February and June, exceeding the rate of 100%. Considering the confidence intervals of the estimates of flow for the future, it can be concluded that there is an increasing trend in hydrological variability in the period between 2011 and 2040, which indicates the possibility of time series with more severe periods of drought and flood. We found an increasing trend of irrigated agricultural activities above the trend towards livestock and human consumption. If the trend and residues modeled between 2003 and 2010 is maintained, irrigated areas in 2040 should reach 1,954 km², increasing water demand of 6.3 m³ / s (2011) to 28 m³ / s (2040), in the month of higher water demand (in January). The final step is to calculate the ratio between the demand for consumptive uses and water availability (demand / availability), we observe an increasing trend in the percentage in the period between 2011 and 2040. On average, the demand / availability in 2011 was only 6.06%, with values between 0.81% (May) to 20.15% (December). By 2040, this proportion increased to 13.82%, with values between 1.09% (May) to 43.3% (December). Finally, with regard to changes in the curves obtained for regularization by simulating the water balance in a fictitious reservoir, the results show that there is a need for reservoirs with increasing capacity to meet the demand for consumptive uses, upon confirmation of the scenario climate change used, because of worsening drought in early summer.