In the last few decades, augmentation of heat transfer has emerged as an important research topic. Although many promising heat transfer enhancement techniques have been proposed, such as the use of longitudinal vortex generators, few researches deal with thermal optimization. In the present work, it was conducted an optimization of delta winglet vortex generators position and angles in a fin-tube compact heat exchanger with two rows of tubes in staggered tube arrangement. Two approaches were evaluated: Response Surface Methodology (Neural Networking) and Direct Optimization. Finite-Volume based commercial software (Fluent) was used to analyze heat transfer, flow structure and pressure loss in the presence of longitudinal vortex generators (LVG). The delta winglet aspect ratio was 2 and the Reynolds numbers, based on fin pitch, were 250 and 1400. Four vortex generator parameters which impact heat exchanger performance were analyzed: LVG position in direction x-y, attack angle (θ) and roll angle (ᵩ). The present work is the first to study the influence of LVG roll angle on heat transfer enhancement. In total, eight independent LVG parameters were considered: (x₁y₁θ₁ᵩ₁) for the first tube and (x₂y₂θ₂ᵩ₂) for the second tube. Factor Analysis method (software ModeFrontier) was used to study of the influence of these LVG parameters in heat exchanger performance. The effect of each LVG parameter on heat transfer and pressure loss, expressed in terms of Colburn factor (j) and Friction factor (f), respectively, were evaluated. The optimized LVG configurations led to heat transfer enhancement rates that are much higher than reported in the literature. Direct Optimization reported better results than Response Surface Methodology for all objective functions. Important interactions were found between VG1 and VG2, which influenced the results of Colburn (j) and Friction (f) factors for each Reynolds number. Particularly, it was found that the asymmetry of the LVG, in which the VG2 parameters strongly depend on the VG1 parameters, plays a key role to enhance heat transfer. Moreover, for each Reynolds number and each objective function, there is an optimal LVG arrangement. If the objective is to mitigate pressure drop, VG1 may be suppressed because its main goal is increasing the heat transfer downstream. On the other hand, VG2 was relevant for both increase the heat transfer and decrease the pressure drop. Roll angle had a strong influence on Friction factor (f), especially for VG1 and low Reynolds number. / Por muitos anos, a intensificação da transferência de calor tem despontado como um importante tópico de pesquisa. Embora existam muitas técnicas eficazes de intensificação da transferência de calor, como o uso de geradores de vórtices, poucos trabalhos de pesquisa lidam com a otimização. Neste trabalho, foi realizada a otimização das posições e ângulos dos geradores de vórtice longitudinal (LVG) tipo meia asa delta, considerando um trocador de calor tubo-aleta compacto com duas linhas de tubos desalinhados. Duas abordagens foram empregadas: Método da Superfície de Resposta (Neural Networking) e Otimização Direta. Um software comercial (Fluent), baseado na metodologia de volumes finitos, foi empregado na análise numérica da transferência de calor, estruturas vorticais e perda de pressão no escoamento, na presença de LVG. A razão de aspecto dos geradores de vórtice foi 2 e o número de Reynolds, baseado na distância entre as aletas, foram de 250 e 1400. Foram analisados quatro parâmetros dos LVG, os quais impactam na performance do trocador de calor: a posição do LVG na direção x-y, o ângulo de ataque (θ) e o ângulo de rolamento (ᵩ). O ângulo de rolamento foi primeiramente estudado neste trabalho. No total, oito parâmetros independentes do LVG foram considerados: (x₁y₁θ₁ᵩ₁) para o primeiro tubo e (x₂y₂θ₂ᵩ₂) para o segundo tubo. O método da Análise Fatorial (software ModeFrontier) foi aplicado no estudo da influência destes parâmetros dos LVG na performance do trocador de calor. Também foi avaliado o efeito de cada um destes parâmetros na transferência de calor e perda de pressão do escoamento, expressos em termos do fator de Colburn (j) e do fator de Atrito (f), respectivamente. As configurações otimizadas dos LVG, conduziram à taxas de transferência de calor maiores do que aquelas reportadas pela literatura. A Otimização Direta mostrou resultados melhores do que através da metodologia de Superfície de Resposta para todas as funções objetivas avaliadas neste trabalho. Importantes interações foram identificadas entre VG1 e VG2, os quais influenciaram nos resultados dos fatores de Colburn (j) e Atrito (f) para cada número de Reynolds. Particularmente, foi identificado que a assimetria dos LVG desempenha um papel fundamental na intensificação da transferência de calor, onde os parâmetros de VG2 dependem fortemente dos parâmetros de VG1. Além disso, para cada número de Reynolds e para cada função objetivo, existe uma configuração ótima dos parâmetros do LVG. Se o objetivo é a redução da perda de pressão global, VG1 poderia ser suprimido da modelagem, pois a sua principal função é aumentar a transferência de calor ao longo da aleta. Por outro lado, VG2 foi relevante tanto para aumentar a transferência de calor quanto para diminuir a perda de pressão. O ângulo de rolamento teve grande influência sobre o resultado do fator de Atrito (f), especialmente para VG1 e para baixo número de Reynolds.

A proposta deste trabalho foi analisar diferentes metodologias de treinamento de uma rede neural convolucional profunda (CNN) para a detecção de distorção arquitetural mamária (DA) em imagens de mamografia digital. A DA é uma contração sutil do tecido mamário que pode representar o sinal mais precoce de um câncer de mama em formação. Os sistemas computacionais de auxílio ao diagnóstico (CAD) existentes ainda apresentam desempenho insatisfatório para a detecção da DA. Sistemas baseados em CNN têm atraído a atenção da comunidade científica, inclusive na área médica para a otimização dos sistemas CAD. No entanto, as CNNs necessitam de um grande volume de dados para serem treinadas adequadamente, o que é particularmente difícil na área médica. Dessa forma, foi realizada neste trabalho, uma comparação de diferentes abordagens de treinamento para uma arquitetura CNN avaliando-se o efeito de técnicas de geração de novas amostras (data augmentation) sobre o desempenho da rede. Para isso, foram utilizadas 240 mamografias digitais clínicas. Uma das redes (CNN-SW) foi treinada com recortes extraídos por varredura em janela sobre a área interna da mama (aprox. 21600 em média) e a outra rede (CNN-SW+) contou com o mesmo conjunto ampliado por data augmentation (aprox. 345000 em média). Para avaliar o método, foi utilizada validação cruzada por k-fold, gerando-se em rodízio, 10 modelos de cada rede. Os testes analisaram todas as ROIs extraídas da mama, sendo testados 14 mamogramas por fold, e obtendo-se uma diferença estatisticamente significativa entre os resultados (AUC de 0,81 para a CNN-SW e 0,83 para a CNN-SW+). Mapas de calor ilustraram as predições da rede, permitindo uma análise visual e quantitativa do comportamento de ambos os modelos. / The purpose of this work was to analyze different training methodologies of a deep convolutional neural network (CNN) to detect breast architectural distortion (AD) in digital mammography images. AD is a subtle contraction of the breast tissue that may represent the earliest sign of a breast cancer in formation. Current Computer-Aided Detection (CAD) systems still have an unsatisfactory performance on AD detection. CNN-based systems have attracted the attention of the scientific community, including in the medical field for CAD optimization. However, CNNs require a large amount of data to be properly trained, which is particularly difficult in the medical field. Thus, in this work, different training approaches for a CNN architecture are compared evaluating the effect of data augmentation techniques on the data set. For this, 240 clinical digital mammography were used. One of the networks (CNN-SW) was trained with regions of interest (ROI) extracted by a sliding window over the inner breast area (approx 21600 on average) and the other network (CNN-SW+) had the same set enlarged by data augmentation (about 345000 on average). To evaluate the method, k-fold cross-validation was used, generating 10 instances of each model. The tests looked at all the ROIs extracted from the breast (14 mammograms per fold), and results showed a statistically significant difference between both networks (AUC of 0.81 for CNN-SW and 0.83 for CNN-SW+). Heat maps illustrated the predictions of the networks, allowing a visual and quantitative analysis of the behavior of both models.

Técnicas não-intrusivas de medição de vazão constituem uma necessidade crescente em diversas aplicações. Atualmente, diversos estudos têm sido realizados com o objetivo de desenvolver técnicas de medição não-intrusivas que possam suprir as deficiências das técnicas existentes. Este trabalho visa desenvolver um medidor de vazão baseado no princípio de convecção forçada (termal) não-intrusivo inteligente. O medidor utiliza dois transdutores RTD comerciais do tipo PT100, um aquecido, que é responsável pela medição da velocidade de escoamento, e o outro utilizado como referência de set-point de temperatura do sensor aquecido. Uma Rede Neural é responsável por corrigir os erros de medição do instrumento. Para a avaliação do medidor construído, foi desenvolvida uma bancada de realização de ensaios, possibilitando a variação da vazão e temperatura na seção de teste. Com o intuito de prover a bancada de uma referência para comparação, foi instalado também um medidor do tipo Venturi normalizado segundo a ABNT. / Non-intrusive techniques of flow measurement are very useful in several applications. Nowadays, several studies have been conducted to develop non-intrusive measuring techniques that can overcome the shortcomings of the existing ones. This work aims to design an intelligent non-intrusive flow meter device based on the forced heat convection principle (thermal). This device uses two commercial RTD transducers (PT100), one is used as reference of temperature set-point, and the other is responsible for the flow measurement. A neural network is responsible for correcting the errors in relation to the calibration standard. To evaluate the intelligent flow meter, test bench was built. In order to provide another flow meter to compare the results, an ABNT Venturi type flow meter was installed in the test bench.

Made available in DSpace on 2014-06-11T19:30:50Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-04-26Bitstream added on 2014-06-13T19:40:17Z : No. of bitstreams: 1 malange_fcv_dr_ilha.pdf: 2238559 bytes, checksum: 4603e9cf1612e9f68b0c3cf1e7a80e43 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Muitos esforços têm sido despendidos para tentar sanar problemas relacionados com Qualidade da Energia Elétrica (QEE), principalmente na automação de processos e desenvolvimento de equipamentos de monitorização que possibilitem maior desempenho e confiabilidade a todo o Sistema Elétrico. Esta pesquisa apresenta um sistema eficiente de identificador/classificador automático de distúrbios chamado de Rede Neuro-Fuzzy-Wavelet. A estrutura básica dessa rede é composta por três módulos: o módulo de detecção de anomalias onde os sinais com distúrbios são identificados, o módulo de extração de características onde as formas de onda com distúrbio são analisadas, e o módulo de classificação que conta com uma rede neural ARTMAP Fuzzy, a qual indica qual o tipo de distúrbio sofrido pelo sinal. Os tipos de distúrbios incluem os isolados de curto prazo, tais como: afundamento de tensão (sag), elevação de tensão (swell), os distúrbios de longo prazo como distorção harmônica, bem como distúrbios múltiplos simultâneos como afundamento de tensão com distorção harmônica e elevação de tensão com distorção harmônica. A concepção do sistema de inferência (neural wavelet ARTMAP fuzzy) permite realizar a classificação dos referidos distúrbios de forma robusta e com grande rapidez na obtenção das soluções. Testes apontam para o alto desempenho dessa rede na detecção e classificação correta dos tipos de distúrbios de tensão analisados, 100% de acerto. A forma robusta e grande rapidez na obtenção dos resultados, possibilita sua aplicação em tempo real, visto que o esforço computacional, muito pequeno, é alocado, basicamente, na fase de treinamento. Somente uma pequena parcela de tempo computacional é necessária para a efetivação das análises. Além do mais, a metodologia proposta pode ser estendida para a realização de tarefas mais complexas... / Many efforts have been spent to solve problems related to Power Quality (PQ), principally in process automation and developing monitoring equipments that can provide more reliability and behavior for the electrical system. This research presents an efficient automatic system to identify/classify disturbs by Fuzzy Wavelet Neural Network. The basic structure of this neural network is composed of three modules such as: module for detecting anomalies where the signals with disturbs are identified, module for extracting the characteristics where the wave forms with disturbs are analyzed, and the module of classification that contains a fuzzy ARTMAP neural network that shows the type of disturbs existing in the signal. The types of disturbs include the short term isolated ones which are: voltage dip (sag), voltage increasing (swell); the long term disturbs such as harmonic distortion as well as the multiple simultaneous ones like the voltage dip with harmonic distortion and voltage increasing with harmonic distortion. The inference system (neural wavelet ARTMAP fuzzy) allows executing the classification of the cited disturbs very fast and obtaining reliable results. This neural network provides high performance when classifying and detecting the voltage disturbs very fast with about 100% of accuracy. The speed in obtaining the results allows an application in real time due to a low computational effort, which is basically in the training phase of the neural network. A little time of the computational effort is spent for the analysis. Moreover the proposed methodology can be used for realizing more complex tasks, as for example the localization of the power sources of the voltage disturbs. It is a very important contribution in the power quality, mainly to be a needy activity for solutions on the specialized literature

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-13T20:41:07Z No. of bitstreams: 1 LUIZ BRUNELLI - TESE PPGEE 2005..pdf: 3761170 bytes, checksum: e05b83824a2a7e6d3aca6ea19daf1396 (MD5) / Made available in DSpace on 2018-08-13T20:41:07Z (GMT). No. of bitstreams: 1 LUIZ BRUNELLI - TESE PPGEE 2005..pdf: 3761170 bytes, checksum: e05b83824a2a7e6d3aca6ea19daf1396 (MD5) Previous issue date: 2005-02 / CNPq / Nesta tese descreve-se uma nova solução para o tratamento da complexidade das interconexões entre os elementos de processamento das redes neuronais artificiais (RNAs). Ela possibilita implementar RNAs em hardware, de tecnologia digital, com um número maior de neurônios do que se faz atualmente. As RNAs têm sido usadas como solução em vários problemas complexos. Em alguns destes problemas faz-se necesário a sua implementação em hardware. Vários s˜ao os compromissos que devem ser satisfeitos durante o projeto e implementa¸c˜ao das RNAs, dentre eles o das interconexões entre os neurônios. Atualmente encontram-se implementações neuronais utilizando circuitos integrados especificamente desenvolvidos para uma dada arquitetura de rede neuronal e também o uso de circuitos integrados configurados pelo usuário. Dentre estes circuitos existem os FPGAs reconfigur´aveis dinamicamente (DR-FPGAs) que podem ter suas características alteradas durante a sua opera¸c˜ao, sem sofrer interrupções em seu funcionamento normal. Estes dispositivos têm sido utilizados na implementação de RNAs. Propõe-se uma solução para o problema das interconexões entre os neurônios artificiais utilizando os DR-FPGAs e uma nova forma de computação: as Figuras de Execução (F.E.). As F.E. permitem teoricamente reduzir o impacto das interconexões através da eliminação do transporte de dados via barramento, além de outras vantagens e desvantagens durante o processamento da computação. As F.E. não parecem estar restritas apenas as aplicações de RNAs. Elas podem ser utilizadas pela computação reconfigurável em problemas massivamente paralelos e/ou que necessitem trocar informações entre os vários elementos de processamento do sistema. / In this thesis a new solution for the treatment of the complexity in the interconnections among the processing elements of the artificial neural networks (ANNs) is described. It enables realize ANNs digital hardware implementation with a larger number of neurons than does nowadays. The ANNs have been used as a solution in various complex problems. Some of these problems require hardware implementation. A lot of constraints must be satisfied during the project flow of the implementations of ANNs, such as the neural interconnections. Nowadays, neural implementations are done using integrated circuits, specifically developed for a given neural network architecture or integrated circuits configured by the user. Among these circuits exist the dynamically reconfigured FPGAs (DR-FPGAs) which can have their characteristics changed during operation without suffering interruptions in their execution. These devices have been usedforANNimplementations. Itpresentsaproposaltosolvethe interconnection problem for artificial neurons using DR-FPGAs in a new computational way: the Execution Patterns1 (EPs). The EPs allow, theoretically, to reduce the influence of interconnections through the removal of data transport via busses, besides other advantages and disadvantages. TheEPsdoesnotseemtoberestrictedonlytoANNapplications. They can be used by reconfigurable computation in massive parallel problems and/or problems that demand information exchange among the various elements in a processing system.

[pt] Esta tese apresenta os principais resultados de medidas de eficiência dos custos operacionais de 60 distribuidoras brasileiras de energia elétrica. Baseado no esquema yardstick competition, foi utilizado uma Rede Neural d e Kohonen (KNN) para identificar grupos de empresas similares. Os resultados obtidos pela KNN não são determinísticos, visto que os pesos sinápticos da rede são inicializados aleatoriamente. Então, é realizada uma simulação de Monte Carlo para encontrar os clusters mais frequentes. As medidas foram obtidas por modelos DEA (input oriented, com e sem restrições aos pesos) e modelos Bayesianos e frequencistas de fronteira estocástica (utilizando as funções Cobb-Douglas e Translog). Em todos os modelos, DEA e SFA, a única variável input refere-se ao custo operacional (OPEX). Os índices de eficiência destes modelos representam a potencial redução destes custos de acordo com cada concessionária avaliada. Os outputs são os cost drivers da variável OPEX: número de unidades consumidoras (uma proxy da quantidade de serviço), montante de energia distribuída (uma proxy do produto total) e a extensão da rede de distribuição (uma proxy da dispersão dos consumidores na área de concessão). Finalmente, vale registrar que estas técnicas podem mitigar a assimetria de informação e aprimorar a habilidade do agente regulador em comparar os desempenhos das distribuidoras em ambientes de regulação incentivada. / [en] This thesis presents the main results of the cost efficiency scores of 60 Brazilian electricity distribution utilities. Based on yardstick competition scheme, it was applied a Kohonen Neural Networks (KNN) to identify and to group the similar utilities. The KNN results are not deterministic, since the estimated weights are randomly initialized. Thus, a Monte Carlo simulation was used in order to find the most frequent clusters. Therefore was examined the use of the DEA methodology (input oriented, with and without weight constraints) and Bayesian and non- Bayesian Stochastic Frontier Analysis (centered on a Cobb- Douglas and Translog cost functions) to evaluate the cost efficiency scores of electricity distribution utilities. In both models the only input variable is operational cost (OPEX). The efficiency measures from these models reflect the potential of the reduction of operational costs of each utility. The outputs are the cost-drivers of the OPEX: the number of customers (a proxy for the amount of service), the total electric power supplied (a proxy for the amount of product delivered) and the distribution network size (a proxy of the customers scattering in the operating territory of each distribution utility). Finally, it is important to mention that these techniques can reduce the information assimetry to improve the regulator´s skill to compare the performance of the utilities in incentive regulation environments.

Submitted by Lara Oliveira (lara@ufersa.edu.br) on 2017-09-08T22:30:39Z No. of bitstreams: 1 AldemárioAS_DISSERT.pdf: 18856416 bytes, checksum: dcd37bbe9d111ef051c4d27c3481a41f (MD5) / Approved for entry into archive by Vanessa Christiane (referencia@ufersa.edu.br) on 2017-09-11T16:27:51Z (GMT) No. of bitstreams: 1 AldemárioAS_DISSERT.pdf: 18856416 bytes, checksum: dcd37bbe9d111ef051c4d27c3481a41f (MD5) / Approved for entry into archive by Vanessa Christiane (referencia@ufersa.edu.br) on 2017-09-11T16:28:25Z (GMT) No. of bitstreams: 1 AldemárioAS_DISSERT.pdf: 18856416 bytes, checksum: dcd37bbe9d111ef051c4d27c3481a41f (MD5) / Made available in DSpace on 2017-09-11T16:29:16Z (GMT). No. of bitstreams: 1 AldemárioAS_DISSERT.pdf: 18856416 bytes, checksum: dcd37bbe9d111ef051c4d27c3481a41f (MD5) Previous issue date: 2017-08-18 / The training of Multilayer Perceptron Neural Network (MLPNN) done by exact algorithm to find the maximum accuracy is NP-hard. Thus, we use the algorithm Back-Propagation who needs a starting point (weights and bias initials) to compute the training of the MLPNN. This research has developed and implemented a heuristic algorithm HeCI - Heuristic to Calculate Weights and Bias Initials - to compute the data to train the MLPNN and return the starting point for the Back-Propagation. HeCI uses Principal Component Analysis, Least Square Method, Probability Density Function of the Normal Gaussian Distribution, two strategic configurations, and partially controls the number of MLPNN training epochs. Experimentally, HeCI was used with Back-Propagation in MLPNN training to recognize patterns and solve data classification problems. Six case studies with datasets between Health, Business and Botany were used in the experiments. The methodology of this research uses Deductive analysis by the Experimental method with Quantitative approach and hypothesis tests: Test of Fridman with post Teste of Tukey HSD Post-hoc and Wilcoxon Test-M W. The results of accuracy have increased significantly improving attested by evaluation of tests of hypotheses, inferringstatistical robustness of the result motivated by HeCI / O treinamento de Rede Neural Perceptron Multicamadas (RNPM) feito por algoritmo exato para encontrar a máxima acurácia é NP-Difícil. Sendo assim, usa-se o algoritmo "Back-Propagation" que necessita de um ponto de partida (pesos e bias iniciais) para computar o treinamento da RNPM. Esta pesquisa desenvolveu e aplicou um algoritmo heurístico HeCI - Heurística para Calcular Pesos e Bias Iniciais - para computar os dados de treinamento da RNPM e retornar o ponto de partida para o "Back-Propagation". A HeCI usa Análise de Componentes Principais, Método dos Mínimos Quadrados, Função de Densidade de Probabilidade da Normal Distribuição Gaussiana, duas configurações estratégicas e controla parcialmente o número de épocas de treinamento da RNPM. Experimentalmente, a RNPM foi treinada usando "Back-Propagation" com HeCI, para reconhecer padrões e resolver problemas de classificação de dados. Seis estudos de caso com "datasets" entre as áreas de Saúde, Negócio e Botânica foram usados nos experimentos. A metodologia desta pesquisa usa análise Dedutiva pelo método Experimental com abordagem Quantitativa e testes de hipóteses: Teste de Fridman com Pós Teste de Tukey HSD Post-hoc e Teste de Wilcoxon-M-W. Os resultados de acurácia incrementaram melhoria significativa atestada pela avaliação dos testes de hipóteses, inferindo estatisticamente robustez de resultado motivado pela HeCI / 2017-09-08

Técnicas não-intrusivas de medição de vazão constituem uma necessidade crescente em diversas aplicações. Atualmente, diversos estudos têm sido realizados com o objetivo de desenvolver técnicas de medição não-intrusivas que possam suprir as deficiências das técnicas existentes. Este trabalho visa desenvolver um medidor de vazão baseado no princípio de convecção forçada (termal) não-intrusivo inteligente. O medidor utiliza dois transdutores RTD comerciais do tipo PT100, um aquecido, que é responsável pela medição da velocidade de escoamento, e o outro utilizado como referência de set-point de temperatura do sensor aquecido. Uma Rede Neural é responsável por corrigir os erros de medição do instrumento. Para a avaliação do medidor construído, foi desenvolvida uma bancada de realização de ensaios, possibilitando a variação da vazão e temperatura na seção de teste. Com o intuito de prover a bancada de uma referência para comparação, foi instalado também um medidor do tipo Venturi normalizado segundo a ABNT. / Non-intrusive techniques of flow measurement are very useful in several applications. Nowadays, several studies have been conducted to develop non-intrusive measuring techniques that can overcome the shortcomings of the existing ones. This work aims to design an intelligent non-intrusive flow meter device based on the forced heat convection principle (thermal). This device uses two commercial RTD transducers (PT100), one is used as reference of temperature set-point, and the other is responsible for the flow measurement. A neural network is responsible for correcting the errors in relation to the calibration standard. To evaluate the intelligent flow meter, test bench was built. In order to provide another flow meter to compare the results, an ABNT Venturi type flow meter was installed in the test bench.

Submitted by ERIK SARTORI JEUNON GONTIJO null (sartori_jg@hotmail.com) on 2017-04-20T15:59:08Z No. of bitstreams: 1 Erik Sartori Jeunon Gontijo - Tese.pdf: 6303649 bytes, checksum: e2379a13e7e45d2ce94323eddce0a8bc (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-04-25T17:47:27Z (GMT) No. of bitstreams: 1 gontijo_esj_dr_soro.pdf: 6303649 bytes, checksum: e2379a13e7e45d2ce94323eddce0a8bc (MD5) / Made available in DSpace on 2017-04-25T17:47:27Z (GMT). No. of bitstreams: 1 gontijo_esj_dr_soro.pdf: 6303649 bytes, checksum: e2379a13e7e45d2ce94323eddce0a8bc (MD5) Previous issue date: 2017-03-27 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Deutscher Akademischer Austauschdienst (DAAD) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / O As está distribuído em diversas formas químicas em sistemas aquáticos, o que determina o seu comportamento e destino no ambiente. Nesse contexto, as substâncias húmicas (SH) têm um importante papel por serem capazes de complexar esse metaloide e alterar sua mobilidade e biodisponibilidade. O Fe também tem grande importância por poder formar complexos ternários SH-Fe-As. Apesar da química do As já ter sido bem estudada, o seu comportamento em ambientes ricos em SH e Fe ainda não é totalmente compreendido. Os objetivos desse trabalho foram investigar a distribuição do As, Al e Fe em águas superficiais de uma região mineira no sudeste do Brasil (Quadrilátero Ferrífero, QF) e entender como características de SH extraídas de diferentes regiões (Brasil e Alemanha) afetam a complexação do As(V) na presença de Fe(III). Amostras de águas foram coletadas em 12 pontos do QF, filtradas (0,45 µm) e ultrafiltradas (1 kDa) para separar as frações particulada (>0,45 µm), coloidal (<0,45 µm e >1 kDa) e livre (<1 kDa) de As, Al e Fe. A técnica de difusão em filmes finos por gradientes de concentração (DGT) foi usada em 5 dos 12 pontos para estudar a fração lábil dos elementos estudados. Carbono orgânico total (COT) e dissolvido (COD) também foram medidos. SH foram extraídas de quatro pontos (um no Brasil nas estações seca e chuvosa e três na Alemanha) para testar a influência de diferentes tipos de SH e Fe(III) na complexação do As(V). As SH foram caracterizadas e foram feitos testes de complexação utilizando sistema de ultrafiltração com membrana de 1 kDa. Todos os dados foram analisados pela rede neural de Kohonen. Os resultados mostraram que a maior parte do Al e Fe total no QF estava presente na fração particulada e o As na fração livre. A maior parte do Al e Fe dissolvido estava na fração coloidal e inerte, diferente do As que era mais lábil e potencialmente biodisponível. A maioria das amostras apresentou comportamento similar nas estações seca e chuvosa no QF. Diferenças entre os resultados de ultrafiltração e DGT foram atribuídos a distinções metodológicas e processos químicos. Os resultados de caracterização dos extratos mostraram que a maior parte do As e Fe estavam predominantemente nas frações de maior tamanho molecular. Todos os extratos de SH complexaram quantidades similares de As(V) nos testes de complexação, exceto o extrato do rio Selke, onde foi encontrado menos As(V) livre (mais complexado). Essa diferença foi atribuída ao S e à grupos N-C aromático na estrutura de SH. Isso reforça que a qualidade das SH é um importante fator capaz de influenciar o comportamento do As em ambientes ricos em matéria orgânica e Fe, que também pareceram ser fatores limitantes nas interações com o As. A rede neural de Kohonen foi uma ferramenta importante nas investigações de distribuição do As e complexação do As(V) por Fe(III) e SH. / As is distributed in different chemical forms in aquatic systems. These different forms control its behaviour and fate in the environment. The humic substances (HS) have an important role in the As cycle since they can complex this metalloid and change its mobility and bioavailability. Fe is also important because it can form ternary complexes HS-Fe-As. Although the As chemistry is well studied, the behaviour of As in HS and Fe-rich environments is not totally known. This thesis aimed to investigate the distribution of As, Al and Fe in surface waters from a mining region in the southeast of Brazil (Quadrilátero Ferrífero, QF) and understand how characteristics of HS extracted from different regions (Brazil and Germany) affect the complexation of As(V) in the presence of Fe(III). Water samples were taken in 12 points in QF, filtered (0.45 µm) and ultrafiltered (1 kDa) to separate the fractions particulate (>0.45 µm), colloidal (<0.45 µm and >1 kDa) and free (<1 kDa) of As, Al and Fe. The technique of diffusive gradients in thin films (DGT) was used in 5 of the 12 points to study the labile fraction of the elements studied. Total organic carbon (TOC) and dissolved organic carbon (DOC) were also measured. HS were extracted from four points (one in Brazil in dry and rainy seasons and three in Germany) to analyse the influence of HS from different origins and Fe(III) on the complexation of As(V). The HS were characterised and complexation experiments were performed using an ultrafiltration system with 1 kDa membrane. All data were analysed using the Kohonen neural network. The results showed that most of total Al and Fe in QF was in the particulate fraction and As was in the free fraction. Most of the dissolved Al and Fe was in the colloidal and inert fraction, while As was more labile and potentially more bioavailable. Most samples had similar behaviour in the dry and rainy seasons in the QF. Differences between results of ultrafiltration and DGT were attributed to methodological distinctions and chemical processes. The results of characterisation of extracts showed that most of As and Fe was in the fractions of higher molecular size. All HS extracts complexed similar amounts of As(V), except Selke, where a lower amount of free As(V) was detected (more complexed). This difference was attributed to S and N-aromatic C groups in HS structure. It supports that the quality of HS is an important factor able to influence the behaviour of As in environments rich in organic matter and Fe. The Kohonen neural network was an important tool in the investigation of the distribution of As and As(V) complexation by Fe(III) and HS. / FAPESP: 2012/17727-8

Made available in DSpace on 2014-12-17T14:09:15Z (GMT). No. of bitstreams: 1 EduardoHSA_TESE3red.pdf: 5316067 bytes, checksum: 9b841153bb325e14b32dc463a70e5a45 (MD5) Previous issue date: 2013-01-25 / This Thesis presents the elaboration of a methodological propose for the development of an intelligent system, able to automatically achieve the effective porosity, in sedimentary layers, from a data bank built with information from the Ground Penetrating Radar GPR. The intelligent system was built to model the relation between the porosity (response variable) and the electromagnetic attribute from the GPR (explicative variables). Using it, the porosity was estimated using the artificial neural network (Multilayer Perceptron MLP) and the multiple linear regression. The data from the response variable and from the explicative variables were achieved in laboratory and in GPR surveys outlined in controlled sites, on site and in laboratory. The proposed intelligent system has the capacity of estimating the porosity from any available data bank, which has the same variables used in this Thesis. The architecture of the neural network used can be modified according to the existing necessity, adapting to the available data bank. The use of the multiple linear regression model allowed the identification and quantification of the influence (level of effect) from each explicative variable in the estimation of the porosity. The proposed methodology can revolutionize the use of the GPR, not only for the imaging of the sedimentary geometry and faces, but mainly for the automatically achievement of the porosity one of the most important parameters for the characterization of reservoir rocks (from petroleum or water) / Esta tese apresenta a elabora??o de uma proposta metodol?gica para o desenvolvimento de um sistema inteligente, capaz de obter automaticamente a porosidade efetiva, em camadas sedimentares, a partir de um banco de dados constru?do com informa??es do Radar de Penetra??o no Solo (Ground Penetrating Radar GPR). O sistema inteligente foi constru?do para modelar a rela??o entre a porosidade (vari?vel resposta) e os atributos eletromagn?ticos do GPR (vari?veis explicativas). Com ele foi estimada a porosidade utilizando modelo de rede neural artificial (Multilayer Perceptron - MLP) e regress?o linear m?ltipla. Os dados da vari?vel resposta e das vari?veis explicativas foram obtidos em laborat?rio e em levantamentos GPR delineados em s?tios controlados em campo e laborat?rio. O sistema inteligente proposto possui a capacidade de estimar a porosidade a partir de qualquer banco de dados dispon?vel, que envolvam as mesmas vari?veis utilizadas nesta tese. A arquitetura da rede neural utilizada pode ser modificada de acordo com a necessidade existente, adequando-se aos bancos de dados dispon?veis. A utiliza??o do Modelo de Regress?o Linear M?ltipla permitiu que fosse identificada e quantificada a influ?ncia (grau de efeito) de cada vari?vel explicativa na estimativa da porosidade. A metodologia proposta pode revolucionar o uso do GPR por permitir, n?o apenas o imageamento das geometrias e f?cies sedimentares, mas principalmente a obten??o autom?tica da porosidade um dos par?metros mais importantes na caracteriza??o de rochas reservat?rios (petrol?feros ou aqu?feros)