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.

Diversas atividades humanas são fortemente dependentes do clima e da sua variabilidade, especialmente aquelas relacionadas ao uso da água. A operação integrada de reservatórios com múltiplos usos requer uma série de decisões que definem quanta água deve ser alocada, ao longo do tempo para cada um dos usos, e quais os volumes dos reservatórios a serem mantidos. O conhecimento antecipado das condições climáticas resulta de vital importância para os operadores de reservatórios, pois o insumo dos reservatórios é a vazão dos rios, que por sua vez é dependente de condições atmosféricas e hidrológicas em diferentes escalas de tempo e espaço. A pesquisa trata sobre três importantes elementos de subsídio à tomada de decisão na operação de reservatórios baseada na previsão de variáveis hidrológicas: (a) as previsões de vazão de curto prazo; (b) as previsões de precipitação de longo prazo e (c) as medidas de desempenho das previsões. O reservatório de Furnas, localizado na bacia do Rio Grande, em Minas Gerais, foi selecionado como estudo de caso devido, principalmente, à disponibilidade de previsões quantitativas de chuva e pela importância desse reservatório na região analisada. A previsão de curto prazo de vazão com base na precipitação foi estimada com um modelo empírico (rede neural artificial) e a previsão de precipitação foi obtida pelo modelo regional ETA. Uma metodologia de treinamento e validação da rede neural artificial foi desenvolvida utilizando previsões perfeitas de chuva (considerando a chuva observada como previsão) e utilizando o maior número de dados disponíveis, favorecendo a representatividade dos resultados obtidos. A metodologia empírica alcançou os desempenhos obtidos com um modelo hidrológico conceitual, mostrando-se menos sensitiva aos erros na previsão quantitativa de precipitação nessa bacia. Os resultados obtidos mostraram que as previsões de vazão utilizando modelos empíricos e conceituais e incorporando previsões quantitativas de precipitação são melhores que a metodologia utilizada pelo ONS no local de estudo. A redução dos erros de previsão relativos à metodologia empregada pelo ONS foi em torno de 20% quando usadas previsões quantitativas de precipitação definidas pelo modelo regional ETA e superiores a 50% quando usadas previsões perfeitas de precipitação. Embora essas últimas previsões nunca possam ser obtidas na prática, os resultados sugerem o quanto o incremento do desempenho das previsões quantitativas de chuva melhoraria as previsões de vazão. A previsão de precipitação de longo prazo para a bacia analisada foi também estimada com um modelo empírico de redes neurais artificiais e utilizando índices climáticos como variáveis de entrada. Nesse sentido, foram estimadas previsões de precipitação acumulada no período mais chuvoso (DJF) utilizando índices climáticos associados a fenômenos climáticos, como o El Niño - Oscilação Sul e a Oscilação Decadal do Pacífico, e a modos de variabilidade climática, como a Oscilação do Atlântico Norte e o Modo Anular do Hemisfério Sul. Apesar das redes neurais artificiais terem sido aplicadas em diversos problemas relacionados a hidrometeorologia, a aplicação dessas técnicas na previsão de precipitação de longo prazo é ainda rara. Os resultados obtidos nesse trabalho mostraram que consideráveis reduções dos erros da previsão relativos ao uso apenas da média climatológica como previsão podem ser obtidos com a metodologia utilizada. Foram obtidas reduções dos erros de, no mínimo 50%, e chegando até um valor próximo a 75% nos diferentes testes efetuados no estudo de caso. Uma medida de desempenho da previsão foi desenvolvida baseada no uso de tabelas de contingência e levando em conta a utilidade da previsão. Essa medida de desempenho foi calculada com base nos resultados do uso das previsões por um modelo de operação de reservatório, e não apenas na comparação de vazões previstas e observadas. Nos testes realizados durante essa pesquisa, ficou evidente que não existe uma relação unívoca entre qualidade das previsões e utilidade das previsões. No entanto, em função de comportamentos particulares das previsões, tendências foram encontradas, como por exemplo nos modelos cuja previsão apresenta apenas defasagem. Nesses modelos, a utilidade das previsões tende a crescer na medida que a qualidade das mesmas aumenta. Por fim, uma das grandes virtudes da medida de desempenho desenvolvida nesse trabalho foi sua capacidade de distinguir o desempenho de modelos que apresentaram a mesma qualidade. / Several human activities are strongly dependent on climate and its variability, especially those related to water use. The operation of multi-purpose reservoirs systems defines how much water should be allocated and the reservoir storage volumes to be maintained, over time. Knowing in advance the weather conditions helps the decision making process, as the major inputs to reservoirs are the streamflows, which are dependent on atmospheric and hydrological conditions at different time-space scales. This research deals with three important aspects towards the decision making process of multi-purpose reservoir operation based on forecast of hydrological variables: (a) short-term streamflow forecast, (b) long-range precipitation forecast and (c) performance measures. The Furnas reservoir on the Rio Grande basin was selected as the case study, primarily because of the availability of quantitative precipitation forecasts from the Brazilian Center for Weather Prediction and Climate Studies and due to its importance in the Brazilian hydropower generation system. Short-term streamflow forecasts were estimated by an empirical model (artificial neural network – ANN) and incorporating forecast of rainfall. Quantitative precipitation forecasts (QPFs), defined by the ETA regional model, were used as inputs to the ANN models. A methodology for training and validating the ANN models was developed using perfect precipitation forecasts (i.e., using the observed precipitation as if it was a forecast) and considering the largest number of available samples, in order to increase the representativeness of the results. The empirical methodology achieved the performance obtained with a conceptual hydrological model and seemed to be less sensitive to precipitation forecast error relative to the conceptual hydrological model. Although limited to one reservoir, the results obtained show that streamflow forecasting using empirical and conceptual models and incorporating QPFs performs better than the methodology used by ONS. Reduction in the forecast errors relative to the ONS method was about 20% when using QPFs provided by ETA model, and greater than 50% when using the perfect precipitation forecast. Although the latter can never be achieved in practice, these results suggest that improving QPFs would lead to better forecasts of reservoir inflows. Long-range precipitation forecast was also estimated by an empirical model based on artificial neural networks and using climate indices as input variables. The output variable is the summer (DJF) precipitation over the Furnas watershed. It was estimated using climate indices related to climatic phenomena such as El Niño - Southern Oscillation and the Pacific Decadal Oscillation and modes of climate variability, such as the North Atlantic Oscillation and the Southern Annular Mode. Despite of ANN has been applied in several problems of hydrometeorological areas, the application of such technique for long-range precipitation forecast is still rare. The results obtained demonstrate how the methodology for seasonal precipitation forecast based on ANN can be particularly helpful, with the use of available time series of climate indices. Reductions in the forecast errors achieved by using only the climatological mean as forecast were considerable, being at least of 50% and reaching values close to 75% in several tests. A performance measure based on the use of contingency tables was developed taking into account the utility of the forecast. This performance measure was calculated based on the results of the use of the forecasts by a reservoir operation model, and not only by comparing streamflow observed and forecast. The performed tests show that there is no unequivocal relationship between quality and utility of the forecasts. However, when the forecast has a particular behavior, trends were found in the relationship between utility and quality of the forecast, such as models that generate streamflow forecast with lags in comparison to the observed values. In these models, the utility of the forecasts tends to enhance as the quality increases. Finally, the ability to distinguish the performance of forecast models having similar quality was one of the main merits of the performance measure developed in this research.

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.

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.

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.

Dissertação(mestrado) - Universidade Federal do Rio Grande, Programa de Pós-Graduação em Engenharia Oceânica, Escola de Engenharia, 2005. / Submitted by Lilian M. Silva (lilianmadeirasilva@hotmail.com) on 2013-04-20T21:03:34Z No. of bitstreams: 1 Estudo para o desenvolvimento de um previsor descargas elétricas atmosféricas aplicado à região costeira do estado do Rio de Janeiro.pdf: 5929611 bytes, checksum: 6d12186a0ae17fe81eca3382c1b88f42 (MD5) / Approved for entry into archive by Bruna Vieira(bruninha_vieira@ibest.com.br) on 2013-06-04T16:31:08Z (GMT) No. of bitstreams: 1 Estudo para o desenvolvimento de um previsor descargas elétricas atmosféricas aplicado à região costeira do estado do Rio de Janeiro.pdf: 5929611 bytes, checksum: 6d12186a0ae17fe81eca3382c1b88f42 (MD5) / Made available in DSpace on 2013-06-04T16:31:08Z (GMT). No. of bitstreams: 1 Estudo para o desenvolvimento de um previsor descargas elétricas atmosféricas aplicado à região costeira do estado do Rio de Janeiro.pdf: 5929611 bytes, checksum: 6d12186a0ae17fe81eca3382c1b88f42 (MD5) Previous issue date: 2005 / The atmospheric dynamics evidently is very complex. There are many macro and micron scales processes and meteorological variables involved in the atmospheric physical phenomena. The storms with electrical dischargesare distinguished, among these phenomena, by the damage consequences to the human beings, directly or indirectly. Many researchers have pursued the possibility of forecasting the occurrence of a storm with electrical discharges, principally in the last three decades. However, there are not improvements in forecast performance, mainly due to phenomenon complexity. The main objective of the present dissertation was to accomplish a study to determine the viability or not of constructing a forecast system of atmospheric electrical discharges from artificial intelligence techniques, specifically artificial neural networks (NN). The base of the system was constituted of numerical simulations results of the atmospheric dynamics obtained from the mesoscale model MM5. It was identified meteorological variables (outputs of MM5) that would have some correlation with the electrical discharges. These variables act as input in the NN, which generate the forecast, consisting in the number of electrical discharges that will reach the ground some posterior time to the relative time of the simulated atmospheric fields. The region chosen for this study includes the state of Rio de Janeiro, the south of Espírito Santo, the southeast of Minas Gerais and the AtlanticOcean. Besides possessing a detection system of electrical discharges, this region contains the most important concentration of oil platforms of Brazil, being strategic to better know the atmospheric behavior in this place. Before developing the forecast system based on NN, some comparative tests were made using the MM5 simulation results and GOES infrared imagery, in order to survey the model prognostic capability. The forecast system showed reasonable results, indicating that the NN application may be a promising way to the electrical discharge forecast. However, it is necessary a better investigation, mainly with relation to the accomplishment of others tests with a bigger set of electrical discharges real data. / A dinâmica da atmosfera é evidentemente bastante complexa. Muitos são os processos físicos de macro e micro escalas e as variáveis meteorológicas envolvidos nos fenômenos atmosféricos. As tempestades com descargas elétricas destacam-se, dentre estes fenômenos, pelas conseqüências danosas causadas aos seres humanos, direta ou indiretamente. Diversos pesquisadores têm procurado investigar a possibilidade de prever a ocorrência de tempestades com descargas elétricas, principalmente nas úl timas três décadas, entretanto, progressos na performance da previsão ainda não foram alcançados devido à complexidade do fenômeno. O principal objetivo da presente dissertação foi realizar um estudo para determinar a viabilidade ou não de construir um sistema de previsão de descargas elétricas atmosféricas a partir de técnicas de inteligência artificial, mais precisamente redes neurais artificiais (RNA). A base do sistema constituiu-se de resultados de simulações numéricas da dinâmica atmosférica obtidos com o modelo de mesoescala MM5. Variáveis meteorológicas (saídas do MM5), que teriam alguma correlação com as descargas elétricas, foram identificadas e selecionadas como entradas na RNA, a qual gera a previsão, isto é, o número de descargas elétricas que atingirá o solo algum tempo posterior ao tempo relativo dos campos atmosféricos simulados. A região escolhida para este estudo, abrangendo o Estado do Rio de Janeiro, o sul do Estado do Espírito Santo, o sudeste do Estado de Minas Gerais e o Oceano Atlântico, além de possuir um sistema de detecção e monitoramento de descargas elétricas, contém a mais importante concentração de plataformas de petróleo do Brasil, sendo, portanto, estratégico conhecer melhor o seu comportamento atmosférico. Antes de desenvolver o sistema de previsão baseado em RNA, alguns testes comparativ os foram realizados usando resultados de simulação do MM5 e imagens infravermelhas de satélite geoestacionário, a fim de aferir a capacidade preditiva do modelo. O sistema de previsão apresentou resultados razoáveis, indicando que a aplicação da RNA é um cami nho promissor na previsão de descargas elétricas. Contudo, faz-se necessária uma mel hor investigação, principalmente quanto à realização de outros testes com um conjunto maior de dados reais de descargas elétricas.

Orientador: Prof. Dr. Ricardo Caneloi dos Santos / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia Elétrica, 2017. / O Sistema Elétrico de Potência (SEP) possui como função básica fornecer energia elétrica aos consumidores, com qualidade adequada e no instante em que for solicitada. Os eventos de falta no SEP, podem resultar em problemas de qualidade e confiabilidade no fornecimento de energia, tornando necessária a correta detecção, classificação e localização destes eventos. Além da complexidade inerente a realização dessas tarefas, a inserção de Geração Distribuída (GD) no SEP traz novos desafios para as funções de proteção, devido à bidirecionalidade do fluxo de potência resultante. Dessa maneira, para contextualizar esse cenário, esta pesquisa apresenta alguns métodos propostos na literatura para a detecção, classificação e localização de faltas em SEPs, considerando ou não a presença da GD. Nesse sentido, como foco principal deste trabalho, propõe-se um sistema inteligente baseado em redes neurais artificiais (RNAs) para detecção, classificação e localização de faltas em SEPs. O esquema proposto utiliza os valores de tensão pós-falta nas barras do sistema para determinar as seguintes informações, em caso de falta: a) a linha transmissão (LT) com defeito; b) o tipo de defeito; c) a localização do defeito na LT previamente identificada. As RNAs do esquema proposto foram treinadas para os diferentes tipos de falta que podem ocorrer ao longo das LTs, considerando diversos valores de resistência de falta. A principal característica deste algoritmo é dispensar complexas formulações e análises de fluxo de potência para a detecção, classificação e localização de faltas nas LTs de um SEP, mesmo frente aos desafios trazidos pela inserção da GD. Para validar o esquema proposto foram utilizadas centenas de novos casos de falta, considerando diversas situações operativas em três diferentes SEPs (sistema base de 4 barras, IEEE de 9 barras e IEEE de 14 barras). Os resultados revelam que o esquema proposto é capaz de identificar corretamente o trecho de linha com defeito, classificar o tipo de falta que ocorreu, bem como apontar o local exato da falta, utilizando como entrada somente os valores de tensão medidos nas barras do sistema elétrico de potência / The basic function of the Electric Power System (EPS) is to provide high-quality power supply to consumers whenever demand occurs. However, fault events on the EPS can cause problems of quality and reliability in the power supply requiring schemes to correctly detect, classify and locate these events. In addition to the inherent complexity in performing these schemes, the penetration of Distributed Generation (DG) in the EPS brings new challenges to the protection functions due to the resulting bi-directional power flow capabilities. Thus, in order to contextualize this scenario, this research presents some methods proposed in the literature for the detection, classification and location of faults in the EPS, considering or not the presence of DG. In this sense, as the main focus of this work, it is proposed an intelligent system based on artificial neural networks (ANNs) to detect, classify and locate faults in the EPS. The proposed scheme uses the post-fault voltage values in the system buses to determine, in the event of a fault, the following information: a) the transmission line (TL) where the fault occurred; b) the type of fault; and c) the location point of the fault in the previously identified TL. The ANNs of the proposed scheme were trained for different types of fault that can occur along the TLs and considering several values of fault resistances. The main characteristic of this algorithm is to dispense with complex formulations and power flow analysis for detection, classification and location of faults in TLs of the EPS, even in the face of challenges brought by the presence of DG. To confirm the validity of the proposed scheme, hundreds of new fault cases were used considering several operating situations from three different EPSs (IEEE 4-bus system, IEEE 9-bus system and IEEE 14-bus system). The results show that the proposed scheme is able to properly identify the line segment with fault, to classify the type of fault that occurred, as well as to indicate the exact location point of the fault, using as input only the voltage values measured in the buses of the electric power system

Orientadoesr: Fernando José Von Zuben, Leandro Nunes de Castro / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-17T00:46:41Z (GMT). No. of bitstreams: 1 Knidel_Helder_M.pdf: 7578387 bytes, checksum: d653b5bd7e4bf2758525ced52374d42d (MD5) Previous issue date: 2006 / Resumo: Esta dissertação propõe a extensão e desenvolvimento de ferramentas imuno-inspiradas. As ferramentas desenvolvidas destinam-se à resolução de problemas de agrupamento e classificação de dados com atributos binários ou reais. Inspirados em idéias advindas do sistema imunológico, os algoritmos propostos apresentam robustez e soluções parcimoniosas. Uma característica comum presente nas ferramentas desenvolvidas é a definição automática do número de protótipos por meio de estágios de clonagem e poda. Baseado na projeção de protótipos, empregando uma técnica de escalonamento multidimensional, desenvolveu-se uma ferramenta de visualização de redes imunológicas com dados numéricos multivariados, com o propósito de obter uma descrição da estrutura global dos grupos, visualizar a presença e forma de grupos, descobrir protótipos pouco representativos e identificar outliers. Por fim, a aplicação de um algoritmo proposto em conjunto com uma heurística desenvolvida e um algoritmo de busca local iterativa solucionou de forma inovadora um problema relacionado à área de equalização de canais em telecomunicações / Abstract: This thesis considers the extension and development of immune-inspired tools. The developed tools are devoted to the resolution of clustering and classification problems with binary or real-valued data attributes. Inspired by ideas of the immune system, the considered algorithms have produced robust and parsimonious solutions. A common feature in the developed tools is the automatic definition of the number of prototypes by means of cloning and pruning stages. Based on the projection of prototypes, using a technique of multidimensional scaling, a visualization tool of immune networks with multivariate numerical data was developed, making it possible to get a description of the global structure of the groups, to visualize the presence and form of groups, to discover low representative prototypes and to identify outliers. Finally, a device composed of one of the tools considered above, a dedicated heuristic and an algorithm for iterative local search was developed. The application of this device solved in an innovative way a problem related to channel equalization / Mestrado / Engenharia de Computação

Orientador: Rubens Maciel Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-06T23:09:13Z (GMT). No. of bitstreams: 1 Gouveia_VeraLuciaReisde_D.pdf: 3830222 bytes, checksum: 41e2cf7f0901948710226a6037c7ed76 (MD5) Previous issue date: 2006 / Resumo: Os processos biotecnológicos ou Bioprocessos necessitam de maiores cuidados do que a maioria dos processos químicos comuns devido, principalmente, à sensibilidade a variações nos estados do sistema como, por exemplo, temperatura e concentração. O crescente aumento da importância dos Bioprocessos e a maior dificuldade em seu controle e simulação resultaram na procura e utilização de novas ferramentas como a Inteligência Artificial (IA). Inteligência Artificial é uma parte da ciência da computação relacionada ao projeto de sistemas computacionais inteligentes. Nos últimos anos houve um aumento substancial do uso de ferramentas de IA tais como Redes Neurais Artificiais (R.N.A), Sistemas Especialistas e Lógica Fuzzy no controle e simulação de Bioprocessos. Este trabalho teve como objetivo o desenvolvimento de um software que atue como um assistente, auxiliando na simulação de Bioprocessos. O Bio-PSA (BioProcess Simulation Assistant) possui quatro módulos: Módulo 1: Simulação de Bioprocessos, incluindo funcionalidades para simulação de produção de etanol e dextrana, ambos com modelagem normal e híbrida. Módulo 2: Simulação de processos para purificação de proteínas, incluindo a modelagem de processos baseados no modelo CARE (Continuous Affinity Recycle Extraction). ?Módulo 3: Sistema Especialista e uma base de conhecimento que auxilia o usuário no design de processos biotecnológicos. Módulo 4: Software para treinamento de R.N.A / Abstract: The biotechnical processes or Bioprocesses require larger cares than common chemical processes due, mainly, the states of the system variations sensibility, for example, temperature and concentrations. The increasing raise of the Bioprocess importance and the largest difficulty in its control and simulation resulted in the search and use of Artificial Intelligence (AI) tools. Artificial Intelligence is a part of the computer science related to the project of intelligent computational systems. In the last years there was a substantial increase in the use of AI tools such as Artificial Neural Networks (A.N.N), Expert Systems and Fuzzy Logic in the Bioprocess control and simulation. This work had the objective of the development of software that acts as an assistant, aiding in the Bioprocess simulation. The Bio-PSA (BioProcess Simulation Assistant) has four modules: Module 1: Bioprocess simulation, including applications for simulation of ethanol and dextran production, both with normal and hybrid modeling. Module 2: Simulation of proteins purification processes, including processes modeling based in the CARE (Continuous Affinity Recycle Extraction) model. Module 3: Expert System and a knowledge base that aids the user in the Bioprocesses design.?Module 4: Software for A.N.N training / Doutorado / Desenvolvimento de Processos Biotecnologicos / Doutor em Engenharia Química

Orientador: Ana Maria Frattini Fileti / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-13T07:13:35Z (GMT). No. of bitstreams: 1 Fujiki_TatianaLie_M.pdf: 4171897 bytes, checksum: 8d38eee477ead69185c0d88b51cbeccd (MD5) Previous issue date: 2009 / Resumo: A demanda de mercado com relação à qualidade dos produtos, à produtividade e lucratividade dos processos e à questão ambiental tem forçado as indústrias a buscar melhorias nos processos. Com esta finalidade, os engenheiros têm buscado no Controle de Processos soluções para sistemas não lineares e/ou transientes. Sistemas de controle avançados, baseados em Redes Neurais Artificiais (RNA), por serem adequados para modelar relações não lineares, podem ser indicados como soluções para estes casos. Neste trabalho, as equações algébricas de um modelo neural foram implementadas numa planilha do Microsoft Excel. O modelo neural foi treinado com o algoritmo de Levenberg- Marquardt, utilizando o toolbox de redes neurais do MATLAB e os pesos e bias encontrados foram inseridos na planilha. O monitoramento do sistema foi feito através de uma rede digital Fieldbus, configurada através do software Syscon. O sistema supervisório utilizado foi o Indusoft Web Studio, sendo a comunicação entre estes dois programas feita através do protocolo Ole for Process Control (OPC). A atualização das variáveis de entrada do modelo neural foi realizada através do sistema Open Data Base Connectivity (ODBC), responsável pela troca de informações entre o Indusoft e o Excel. A variável controlada um instante de amostragem à frente é automaticamente calculada a cada instante de amostragem e usada como função-objetivo no Solver do Excel (minimizar o erro quadrático). Restrições foram adicionadas ao método do gradiente descendente generalizado para que uma solução adequada fosse encontrada dentro de uma faixa de valores da variável manipulada. Como caso-estudo, este sistema de controle alternativo foi utilizado para controlar a temperatura interna de um tanque de precipitação de bromelina com etanol a frio, para evitar desnaturação da enzima. O processo de precipitação a partir de caldo de abacaxi foi realizado num tanque encamisado operando em regime de batelada alimentada, com agitação constante. O controle da temperatura do meio precipitante é feito através da manipulação da rotação da bomba de fluido refrigerante (propilenoglicol). Dados experimentais (75% do banco de dados de ensaios em malha aberta) foram utilizados para treinar a rede feed forward multicamadas. As variáveis de entrada da RNA, atualizadas a cada 4 segundos, são: temperatura do etanol, temperatura do meio precipitante (variável controlada), temperaturas de entrada e de saída do propilenoglicol, nível de líquido, rotação da bomba de propilenoglicol (variável manipulada) e degrau na bomba de propilenoglicol. Na camada intermediária, a função de ativação tangente hiperbólica foi aplicada a 14 neurônios. A variável de saída da rede é a temperatura do meio um instante de amostragem à frente, com a função de ativação linear. Testes offline com dados não vistos no treinamento mostraram que a RNA foi capaz de prever a temperatura do tanque, já que os coeficientes angular e linear dos gráficos de dispersão (saída calculada versus saída real) aproximavam-se de um e zero, respectivamente. O controlador alternativo foi implementado e os resultados experimentais mostraram sua efetividade em manter a temperatura do meio em torno do set-point (5°C). / Abstract: Intelligent systems, based on Artificial Neural Networks (ANN) have been studied as alternative solutions for ill-defined plants or nonlinear and transient systems, due to the worldwide market requirements for high standard products and safe and environmentally friendly processes. In this work, the algebraic equations of a neural model were implemented in a Microsoft Excel worksheet. This ANN was previously trained with Levenberg-Marquardt algorithm, using the ANN toolbox of MATLAB and the optimized weights and biases were inserted in the worksheet as well. By means of a digital Fieldbus network architecture, configured by Syscon Software, the data acquisition and process control were performed. The Indusoft Web Studio was employed as supervisory software and the communication between these two softwares was achieved through Ole for Process Control protocol. Since the data acquisition system is supposed to update the ANN input variables in the worksheet, information is exported from Indusoft to Excel through Open Data Base Connectivity system, which was properly configured. The onestep-ahead controlled variable is automatically predicted every sample time and then used in the objective function of the Excel Solver (quadratic error minimization), implemented via Visual Basic programming. Restrictions were added to the quasi-Newton optimization method so that a smooth solution could be found inside a suitable range of the manipulated variable. As a case-study, this alternative system was implemented to control the temperature of a bromelain precipitation tank. The bromelain recovery from pineapple juice was carried out in a fed-batch stirred tank, using precipitation with ethanol at low temperature to avoid protein denaturation. The coolant (propylene glycol) flow rate was manipulated through a variable speed pump. Experimental data (75% of the database from open-loop tests) was used to train a multi-layered feed forward ANN. The ANN input layer variables, updated every 4 seconds, were chosen as follows: ethanol temperature, bulk temperature (controlled variable), coolant inlet temperature and coolant outlet temperature, liquid volume, pump flow rate (manipulated variable) and pump flow rate variation. In the hidden layer a hyperbolic tangent function was applied to 14 neurons. The output variable was the one-step-ahead bulk temperature, using the linear activation function. Offline tests with unseen data proved that the ANN successfully predicted the tank temperature, as the linear fitting slope coefficient of the dispersion plots (network output versus target vector) was close to the unity and the interception coefficient was around zero. The alternative controller was implemented and experimental results showed its effectiveness in maintaining the bulk temperature around the set-point (5°C). From the present results it was clearly shown that this methodology is a promising new way to face complex process control problems and the tendency is to increase their range of applicability in industrial processes. / Mestrado / Sistemas de Processos Quimicos e Informatica / Mestre em Engenharia Química