[pt] A previsão de perfis de carga elétrica (i.e., das séries de cargas a cada hora de um dia) tem sido freqüentemente tentada por meio de modelos baseados em redes neurais. Os resultados conseguidos por estes modelos, contudo, ainda não são considerados inteiramente convincentes. Há duas razões para ceticismo: em primeiro lugar, os modelos sugeridos geralmente se baseiam em redes que parecem ser complexas demais em relação aos dados que pretendem modelar (isto é, estes modelos parecem estar superparametrizados); em segundo lugar, estes modelos geralmente não são bem validados, pois os artigos que os propõem não comparam o desempenho das redes ao de modelos de referência. Nesta tese, examinamos estes dois pontos por meio de revisões críticas da literatura e de simulações, a fim de verificar se é realmente viável a aplicação de redes neurais à previsão de perfis de carga. Nas simulações, construímos modelos bastante complexos de redes e verificamos empiricamente sua validade, pela comparação de seu desempenho preditivo fora da amostra de treino ao desempenho de vários outros modelos de previsão. Os resultados mostram que as redes, mesmo quando muito complexas, conseguem previsões de perfis mais acuradas do que os modelos tradicionais, o que sugere que elas poderão trazer uma grande contribuição para a solução do problema de previsão de cargas. / [en] Load profile forecasting (i.e., the forecasting of series of hourly loads) has been often attempted by means of models based on neural networks. However, the papers that propose such models are not considered entirely convincing, for at least two reasons. First, the models they propose are usually based on neural networks that seem to be too large in relation to the sample they intend to model (that is, the networks seem to overfit their data). Secondly, most of the models are not properly validated, since the papers do not compare their performances to that of any standard forecasting method. In this thesis, we examine these two points, by means of literature reviews and of simulations, in order to investigate the feasibility of the application of neural networks to the problem of profile forecasting. We build some very complex models based on neural networks, and validate them empirically by comparing their predictive performance out-of-sample, over actual data, to the performance of several other forecasting methods. The results show that neural networks, even when very complex, are able to forecast profiles more accurately than the traditional models, which suggests that they may yet bring large contributions to the solution of the load forecasting problem. / [es] La previsión de los perfiles de carga elétrica (i.e., series de cargas medidas a cada hora de un día) ha sido abordada con frecuencia a través de modelos basados en redes neurales. Los resultados obtenidos por estos modelos, todavía no son considerados enteramente convincentes. Existen dos razones para este escepticismo: en primer lugar, los modelos sugeridos generalmente se basan en redes que parecen ser demasiado complejas en relación a los datos que pretenden modelar (quiere decir, estos modelos parecen estar superparametrizados); en segundo lugar, estos modelos generalmente no son bien evaluados, pués los artículos que los proponen no comparan el desempeño de las redes al de los modelos de referencia. En esta tesis, examinamos estos dos puntos por medio de revisiones críticas de la literatura y de simulaciones, con el objetivo de verificar si es realmente viable la aplicación de redes neurales a la previsión de perfiles de carga. En las simulaciones, construímos modelos de redes bastante complejos y verificamos empíricamente su validez, comparando su desempeño predictivo fuera de la muestra de entrenamiento con el desempeño de varios otros modelos de previsión. Los resultados muestran que las redes, incluso cuando muy complejas, consiguen previsiones de perfiles más precisas que los modelos tradicionales, lo que sugiere que ellas poderián traer una gran contribución para la solución del problema de previsión de cargas.

[pt] Atualmente, vem ocorrendo um notável aumento de investimentos no setor de gás natural no Brasil. A utilização do gás natural para a geração de energia tem importantes atrativos como, por exemplo, a diversidade de oferta do gás e sua queima mais limpa em relação a outros combustíveis fósseis. Existe um crescente interesse em projetos, idéias e opções alternativas para melhorar a performance e reduzir as descargas poluentes de equipamentos de combustão industrial para o meio ambiente. A necessidade de processos mais eficientes e menos poluentes tem acelerado a busca por desenvolvimento tecnológico. No projeto desenvolvido, foi investigada a performance de um modelo baseado na formulação de volumes finitos, incluindo o modelo k-e de turbulência, o modelo generalizado de taxas finitas de Arrhenius e Magnussen para o cálculo das reações químicas, e o modelo de radiação por transferência discreta, para simular o processo de combustão em fornalhas industriais através da utilização do pacote comercial Fluent (versão 4.4). O principal objetivo do estudo foi o de investigar a performance deste modelo em simular a combustão e prever a formação de NO e CO em chamas industriais de gás natural através da comparação com dados experimentais. Para a simulação da combustão foram testados dois modelos, o primeiro correspondendo a uma única reação global de oxidação do metano (1 etapa), e o segundo composto por duas reações (2 etapas). Uma sensível evolução foi obtida empregando-se o modelo em duas etapas em comparação com o em uma etapa. Para a simulação da formação de NO foram testados sete casos diferentes. Nestes casos, foram principalmente investigados os mecanismos - thermal NOx -,- prompt NOx - e o método PDF para a representação da interação química- turbulência. Percebeu-se que o método PDF permitiu uma evolução na predição da formação de NO na fornalha. Além disso, o - prompt NOx - foi o mecanismo dominante e portanto faz-se necessária uma investigação mais aprofundada sobre as características desse mecanismo para melhores resultados na predição de NO. Apesar da evolução dos modelos empregados e de seus resultados durante o trabalho, são necessárias novas investigações para detectar possíveis melhorias em tais modelos que possibilitem previsões mais realistas para a formação de NO. / [en] Nowadays, a strong raise in investments is occurring in the natural gas segment in Brazil. The natural gas application for energy generation is very attractive due to many reasons, like the offering diversity and the cleaner burning in comparison with other fossil combustibles. There is an increasing interest in projects, ideas and alternative options for the improvement of the performance and reducing the pollutants discharges of industrial combustion equipments to the environment. The need for more efficient and less polluters processes has accelerated the search for technological development. In the present work, it was investigated the performance of a model based in the finite volume formulation including the k-e model of turbulence, the generalized finite rate model of Arrhenius and Magnussen for the chemical reactions calculations, and the discrete transfer radiation model for simulating the combustion processes in natural gas industrial flames using the commercial code Fluent (version 4.4). The main goal of the inquiry was to investigate the performance of such modeling approach in predicting NO and CO formation inside the furnace by the comparison with the experimental data. For the combustion modeling, two mechanisms were simulated. The first corresponding to an unique global reaction for the oxidation of methane (1 step), and the second corresponding to two reactions (2 steps). An evident evolution was obtained using the two steps model. Seven different cases were tested to predict the NO formation. In these cases, the main investigations were concentrated on the mechanisms -thermal NOx-, -prompt NOx- and on the PDF method for representing the interaction between chemistry and turbulence. The PDF method improved the prediction for the NO formation within the furnace. The -prompt NOx- was the dominating mechanism and therefore it is necessary a deeper investigation on the characteristics of this mechanism for better results in estimating the NO concentrations. Although the models, mechanisms and results have improved along the present research, new investigations are necessary for more accurated predictions for the NO formation. / [es] Atualmente, ha ocurrido un notable aumento de inversiones en el sector de gas natural en Brasil. La utilización del gas natural para la generación de energía tiene importantes atractivos como, por ejemplo, la diversidad de oferta del gas y su quema más limpia en relación a otros combustibles fósiles. Existe un cresciente intereés en proyectos, ideas y opciones alternativass para mejorar la calidad y reducir las descargas poluentes de equipos de combustión industrial para el medio ambiente. La necesidad de procesos más eficientes y menos poluentes ha acelerado la búsqueda del desarrollo tecnológico. En el proyecto desarrollado, se investigó la performance de un modelo basado en la formulación de volumes finitos, incluyendo el modelo k-e de turbulencia, el modelo generalizado de tasas finitas de Arrhenius y Magnusen para el cálculo de las reacciones químicas, y el modelo de radiación por transferencia discreta, para simular el proceso de combustión en hornos industriales a través de la utilización del software comercial Fluent (versión 4.4). El objetivo principal de este estudio fue el de investigar la performance de este modelo al simular la combustión y preveer la formación de NO y CO en llamas industriales de gas natural a través de la comparación con datos experimentales. Para la simulación de la combustión se provaron dos modelos, el primeiro corresponde a una única reacción global de oxidación del metano (1 etapa), y el segundo compuesto por dos reacciones (2 etapas). Se obtiene una sensible evolución al utilizar el modelo en dos etapas envés del modelo con una etapa. Para la simulación de la formación de NO se probaron siete casos diferentes. En estos casos, se ivestigaron principalmente los mecanismos - thermal NOx -,- prompt NOx - y el método PDF para la representación de la interacción química-turbulencia. Se observa que el método PDF permite una evolución en la predicción de la formación de NO en el horno. Además, el - prompt NOx - fue el mecanismo dominante y por lo tanto se hace necesario una investigación más profunda sobre las características de ese mecanismo para mejorar los resultados en la predición de NO. A pesar de la evolución de los modelos empleados y de sus resultados durante el trabajo, se necesitan nuevas investigaciones para detectar posibles mejorías que hagan posible previsiones más realistas para la formación de NO.

[pt] As linhas de transmissão têm um papel fundamental no funcionamento do sistema elétrico, efetuando a ligação entre as usinas geradoras e os centros de carga. Quando o sistema de transmissão atinge sua capacidade limite de transferência de potência torna-se necessário expandir o sistema, quer construindo novas linhas quer aumentando a capacidade das existentes. Entre os fatores que limitam a capacidade de transporte de uma linha destaca-se a sua temperatura limite de operação, estabelecida por questões econômicas e de segurança. Pela sua extensão geográfica, a construção de uma linha de transmissão envolve tanto um custo quanto um impacto ambiental elevados. Por estes motivos a recapacitação de linhas existentes, no sentido de aumentar sua capacidade de transporte, tornou-se um assunto prioritário e uma opção estratégica para expansão do sistema elétrico. Neste trabalho analisa-se o problema da temperatura de operação dos condutores de linhas aéreas de transmissão. Descreve-se a metodologia atualmente utilizada para definir o limite operativo das linhas, destacando-se a possibilidade de aumentar sua capacidade limite pelo conhecimento mais preciso da temperatura de operação dos seus condutores.Descreve-se o desenvolvimento de uma série de dois modelos para previsão da temperatura de operação de condutores, um modelo completo, baseado em previsões das diversas variáveis meteorológicas e um modelo direto de previsão que utiliza as séries de valores de temperatura. No desenvolvimento dos modelos de previsão foram utilizados modelos estocásticos, lineares, de amortecimento exponencial e Box-Jenkins e técnicas de Redes Neurais Artificiais. Apresenta-se uma série de testes de validação, que mostram um desempenho muito bom dos métodos de previsão, e ilustra-se as possibilidades de aplicação dos modelos desenvolvidos. / [en] Transmission lines have a fundamental role in the electric system performance,connecting power sources to load centers. When the transmission system attains it`s transmission capability limit, the system must be expanded, either constructing new lines, or upgrading existing ones. Among the factors that can limit a transmission line transfer capability is the operating temperature limit, established for both economic and safety reasons. Due to its geographic extension the construction of a transmission line involves a big economic as well as environmental cost. For this reasons the upgrade of existing lines, in the sense of increasing it`s transmission capability, has become a priority to electric utilities and a main option for system expansion. In this work the problem of transmission line conductors` operational temperature is analised and the methodology presently used to establish it`s operational limit is described. Two models to forecast transmission line conductors` temperature are developped:a complete model which uses forecasts of the relevant metheorological variables,and a direct model using univariate methods on temperature series. In the development of forecasting models, linear stochastic methods such as exponential smoothing and Box-Jenkins, as well as Artificial Neural Networks techniques were used.Finally model validation is presented, showing very good performance of the proposed forecasting models, and some potential applications are suggested.

[pt] Esta dissertação teve como objetivo o desenvolvimento e a implantação de uma metodologia de previsão de vendas e dimensionamento de lotes de encomenda num distribuidor atacadista de produtos químicos. Para tanto, abordou técnicas quantitativas de previsão de demanda de curto prazo e medidas de variância dos erros de previsão a fim de suportar decisões empresariais na aplicação da metodologia, capazes de projetar padrões passados num cenário futuro. A aplicação da metodologia possibilitará à empresa a formalização de um processo atualmente subjetivo, outorgando maior precisão na previsão de vendas, redução de custos com estoque e uma base mais concreta para alocação de recursos financeiros. / [en] This thesis has as objective the developing and implantation of a methodology for forecasting sales and design of batch ordering in a wholesale distributor of chemical products. For this purpose, it approached short term quantitative techniques of demand forecast and measures of variance of forecast errors in order to support business decisions on the application of the methodology, able to design past patterns on a future scenario. The application of the methodology will enable the company the formalization of a process currently subjective, granting a greater accuracy in forecasting sales, reduction in the inventory costs and a more concrete basis for resource allocation.

[pt] A crescente competição entre as empresas ao redor do mundo tem levado à necessidade de aumento da competitividade para que as empresas possam crescer, ou, até mesmo, sobreviver. A logística, especialmente o transporte, ganhou grande importância com a globalização, onde as partes de um mesmo produto provêm de diversos países, muitas vezes distantes uns dos outros. O aumento da competição exige tomada de decisão cada vez mais rápidas e mais eficientes. Para auxiliar estas decisões são feitas análises, internas e externas à empresa, dentre elas, análises sobre a demanda histórica. Este trabalho se volta ao desenvolvimento de uma ferramenta de apoio às decisões relacionadas à gestão dos transportes, através da coleta, organização e descrição dos dados históricos armazenados. Também, neste trabalho, serão apresentadas situações de tomada de decisão, nas quais a ferramenta presta um importante auxílio. / [en] The growing competition among companies around the world has led to the need for increased competitiveness for companies can grow, or even survive. The logistics, especially transportation, gained importance with globalization, where pieces of the same product come from different countries, often distant from each other. The increase in competition requires decision-making ever faster and more efficient. To assist these decisions are made analysis, internal and external to the company, among them, analysis on historical demand. This study turns to the development of a tool to support decisions related to the transport management, through collecting, organization and description of historical data stored. Also, in this study, will be presented decision-making situations, in which the tool provides an important assistance.

[pt] Métodos de previsão são muito importantes para o desenvolvimento de diversas atividades no cotidiano produtivo de nossa sociedade. Vários modelos estatísticos são desenvolvidos até hoje, contudo possuem muitos pressupostos que devem ser seguidos com o intuito de se obter uma resposta aceitável. Modelos não estatísticos para prever séries temporais como os que envolvem Sistemas de Inferência Fuzzy (SIFs) fornecem uma descrição do processo de previsão por meio de regras linguísticas. Explora-se, nesta dissertação, o GPFIS-Forecast: versão do GPFIS - Sistema de Inferência Fuzzy Genético baseado em Programação Genética Multigênica - para previsão de série temporais univariadas. O modelo apresenta, em sua execução, quatro etapas básicas: Fuzzificação, Inferência, Defuzzificação e Avaliação. Em cada uma destas etapas, pode-se fazer uso de diferentes configurações, com implicações evidentes nos resultados finais. Este trabalho propõe o aperfeiçoamento do GPFIS-Forecast em duas vertentes principais:( i) aumentar a quantidade de possibilidades de configurações, avaliando se podem contribuir significativamente para a acurácia das previsões;(ii) adicionar informações complementares como alternativas para a interpretação do resultado do modelo, tendo como compromisso tanto a acurácia e quanto a interpretabilidade. Os estudos de caso demonstram que, em casos de séries temporais com pouca tendência, o GPFIS-Forecast apresenta uma acurácia entre as 10 melhores da competição NN3; quando há forte tendência, faz-se necessário o uso de pré-processamento, prejudicando a interpretabilidade do resultado. Os Limites de Previsão Fuzzy introduzidos neste trabalho agregam mais informação ao resultado da previsão pontual, apontando possíveis ajustes finais nas bases de regras de modelos com maior granularidade. / [en] Forecasting methods are very important for the development of various activities in everyday society. Several statistical models have been developed, but many assumptions must be made in order to obtain an acceptable response. Nonstatistical models for time series forecasting such as those involving systems Fuzzy Inference Systems (FIS) provide a description of the process through linguistic rules. This dissertation delves into GPFISForecast: a version of GPFIS - Fuzzy Inference System based on Multigene Genetic Programming - for univariate time series forecasting. This model consists of four basic stages: Fuzzification, Inference, Defuzzification and Evaluation. In each of these steps, different configurations will have distinct impacts on the results. This work proposes the improvement of GPFIS-Forecast along two main lines (i) increase the amount of possible configurations and assess their contribution to a better forecasting accuracy and (ii) add further information to the interpretation of results, keeping in mind both accuracy and interpretability. The case studies show that in the case of time series with small tendency, GPFIS-Forecast provides a good accuracy; when tendency is larger and pre-processing becomes necessary, interpretability is affected. The Fuzzy Forecasting Limits introduced here add more information to the result, pointing to possible adjustments to rule bases of models with greater granularity.

[pt] O presente trabalho investiga o uso de métodos de Machine Learning (ML) para efetuar estimativas para o trimestre corrente (nowcasts) da taxa de crescimento do PIB Real dos EUA. Esses métodos conseguem lidar com um grande volume de dados e séries com calendários de publicação dessincronizados, e os nowcasts são atualizados cada vez que novos dados são publicados ao longo do trimestre. Um exercício pseudo-out-of-sample é proposto para avaliar a performance de previsão e analisar o padrão de seleção de variável desses modelos. O método de ML que merece o maior destaque é o Target Factor, que supera o usualmente adotado DFM para alguns vintages dentro do trimestre. Ademais, as variáveis selecionadas apresentam consistência entre os modelos e com a intuição. / [en] This paper examines the use of Machine Learning (ML) models to compute estimates of current-quarter US Real GDP growth rate (nowcasts). These methods can handle large data sets with unsynchronized release dates, and nowcasts are updated each time new data are released along the quarter. A pseudo-out-of-sample exercise is proposed to assess forecasting performance and to analyze the variable selection pattern of these models. The ML method that deserves more attention is the Target Factor, which overcomes the usually adopted dynamic factor model for some predictions vintages in the quarter. We also analyze the variables selected, which are consistent between models and intuition.

[pt] A previsão da energia elétrica produzida com energia solar pode ser usada para monitorar em tempo real seu desempenho, permitindo a identificação de problemas operacionais ou sua degradação, assim como a previsão da produção de energia elétrica a curto e médio prazo, permitindo otimizar o uso da rede. Normalmente, a previsão de dados climáticos ao longo do dia serve para ajudar a estabilidade da rede elétrica. Já a previsão de dados para um dia ou mais à frente serve para apoiar a participação de mercado. Esta pesquisa tem como objetivo geral propor um modelo de previsão a curto prazo da irradiação solar a partir de correlações de condições climáticas, visando diminuir as incertezas de previsão da mesma, que pode ser usado para prever a geração fotovoltaica. O modelo de previsão proposto se baseia em identificar os dias de céu limpo, caracterizados pela ausência de nuvens, e dias totalmente nublados. Para sua identificação, foram utilizadas formulações já consagradas na literatura. Para os demais dias, a previsão da irradiação é feita a partir de regressões e correlações entre temperatura ambiente e transmitância atmosférica. A escolha do modelo de céu limpo é um fator preponderante para a previsão, podendo aumentar significativamente sua confiabilidade. Diversos modelos de previsão foram avaliados e combinados para uma melhor previsão da irradiação solar média incidente na superfície terrestre. A partir de dados de irradiação solar e temperatura, medidos a cada minuto por quatro anos na cidade de Miranda do Norte, Maranhão, foi possível analisar, interpretar e propor um modelo para a previsão da irradiação solar média com incertezas de 22-24 porcento, 14-16 porcento, 13-15 porcento e 12-13 porcento, a nível de confiabilidade de 95,45 porcento, respectivamente para horizontes de 1, 3, 5 e 7 dias à frente. A utilização do método dos mínimos quadrados para previsão apresenta incertezas muito maiores. O modelo proposto apresenta-se eficaz para prever a irradiação solar. Sua utilização e facilidade de implementação podem ser de grande valia para a prever o planejamento diário e semanal da produção de usinas fotovoltaicas. Foi usado o modelo de previsão sugerido por Bindi, juntamente com três modelos de céu limpo para redução da incerteza de previsão. / [en] The prediction of the electric energy production by solar energy systems can be used as a real time monitoring of its performance, allowing the identification of operational problems or its performance degradation, as well as the short and medium term production of electric energy, thus optimizing the use of the electric network. Normally, the daylong climactic data prediction is useful for helping stabilizing the electric network. The one or more day ahead prediction of electric energy is a useful tool for planning the energy supply to the market. The main goal of this research is to propose a short-term prediction model for the solar irradiation by means of weather condition correlations, in doing so, we expect to lower the uncertainties of the solar irradiation forecast, for which can be used to forecast photovoltaic energy. The proposed prediction model uses literature available correlations for clear sky (no clouds) and overcast days, to predict the solar irradiation in other days, through the use the ambient temperature and atmospheric transmission literature available correlations. Several prediction models were used and combined for 1, 3, 5 and 7 days ahead prediction of the available average solar energy in that time interval . It was concluded that the clear sky model plays an important role in the prediction reliability. Experimental data taken every minute for almost four years in the city of Miranda do Norte in the state of Maranhão, Brazil, were used to verify and propose a model to better predict the available solar energy irradiation, to within 22-24 percent, 14-16 percent, 13-15 percent and 12-13 percent uncertainty (95,45 percent confidence level), respectively for 1, 3, 5 and 7 days ahead of the available solar irradiation in the time interval. The least square model was also analyzed and it was shown to predict the solar irradiation with much higher uncertainties. As a result, the proposed model can be easily implemented for predictions in other places and can be very useful for predicting and planning the daily and weekly output of photovoltaic plants. In this dissertation the prediction model suggested by Bindi was utilized, together with three clear sky models to reduce the prediction uncertainty.

[pt] A previsão de seguros é essencial para a indústria de seguros e resseguros. Ela fornece subsídios para estratégias de negócios de longo-prazo, e pode servir como um primeiro passo para o planejamento de linhas específicas de produtos. No contexto brasileiro, a previsão de seguros é de especial relevância. O Brasil possui o maior mercado segurador da América-Latina e tem potencial para se tornar um dos mais importantes centros seguradores do mundo no médio-longo- prazo. A SUSEP e a CNseg realizam previsões de carteiras do mercado de seguros brasileiro com base em modelos estatísticos. Entretanto, as séries temporais de prêmios utilizadas para essas previsões exibem comportamento não estacionário e não linear. Assim, a utilização de algoritmos de machine learning, na modelagem de séries de seguros, se justifica em função da habilidade desses algoritmos em capturar componentes de natureza não linear e dinâmica que possam estar presentes nessas séries, sem a necessidade de realizar suposições sobre o processo gerador dos dados. Com base no exposto, este trabalho investiga o uso de redes neurais Echo State (ESN) e GA-SVR na previsão de prêmios de seguros do mercado brasileiro. A base de dados utilizada neste trabalho foi disponibilizada pela SUSEP e compreende as carteiras de Automóveis, Vida e Previdência. Foram realizadas previsões univariadas e multivariadas com ESN e GA-SVR para as três carteiras mencionadas. Os resultados demonstram superioridade preditiva da ESN. / [en] Insurance forecasting is essential for the insurance industry. It provides support for long-term business strategies and can serve as a first-step for planning specific lines of products. In the Brazilian context, insurance forecasting is of special relevance. In the Latin American insurance market, Brazil is the leader in premium, and could become one of the most important insurance centers of the world in the medium- or long-term. SUSEP and CNseg forecast insurance products of the Brazilian market with statistical models. Nevertheless, premium time series exhibit nonstationary and nonlinear behavior. Therefore, the use of machine learning algorithms in the modeling of insurance series is justified, due to the ability of these algorithms in capturing nonlinear and dynamic components, which may be present in those series, without making assumptions about the data generating process. Based on this, this work investigates the use of Echo State neural networks (ESN) and GA-SVR in the forecast of insurance premium of the Brazilian market. The database used in this work was provided by SUSEP and consists of the products Automobiles, Life and Providence. Univariate and multivariate forecasts were made with ESN and GA-SVR for the three aforementioned products. The results show predictive superiority of ESN.

[pt] O presente trabalho é inteiramente baseado na teoria de modelagem de series temporais, proposta por BOX & JENKINS em Time Series Analysis: Forecasting and Control. (1970). E dado ênfase ao problema de transformação e estimação de parâmetros, com vistas a previsão de series temporais. O trabalho apresenta um conjunto de programas para aplicação das técnicas desenvolvidas. Em particular é tratado o caso de uma serie hidrológica de vazões do Rio Grande, Brasil, nos últimos 40 anos. / [en] The present paper is totally based upon the theory of time series modeling, presented by BOX & JENKINS in Time Series Analysis: Forecasting and Control. (1970). Enphasis is given to the problem of tranformation and estimation of parameters, with the objective to forecast time series. This paper presents a set of programs for pratical applications of the techniques developped. The case of a hidrologic time series of inflows of Rio Grande, Brasil is included.