Orientador: Carlos Roberto Minussi / Banca: Maria do Carmo Gomes da Silveira / Banca: Mara Lúcia Martins Lopes / Banca: Marcos Amorielle Furini / Banca: Arnulfo Barroso de Vasconcellos / Resumo: O aumento das emissões e concentrações de gás carbônico na atmosfera tem ocasionado a intensificação do efeito estufa e, consequentemente, das alterações climáticas e desequilíbrio sobre o planeta. Deste modo, torna-se imprescindível a adoção de medidas e o desenvolvimento de métodos eficientes para quantificar e avaliar a emissão do fluxo de gás carbono na atmosfera pela vegetação terrestre. Assim sendo, esta pesquisa tem por objetivo propor o desenvolvimento de um sistema inteligente, baseado no emprego de redes neurais, para predizer , seja a curto, médio ou de longo prazo, o sequestro (absorção) de carbono em áreas de reflorestamento, em uma fazenda situada na Amazônia Mato-Grossense com 10 mil hectares. O sistema proposto foi desenvolvido utilizando uma composição formada por uma rede neural da família ART (Adaptive Resonance Theory), a ART-Fuzzy e uma rede neural feedforward multicamadas com treinamento realizado via uso do algoritmo retropropagação, quantificando e realizando a previsão com maior acurácia e precisão da absorção de carbono, colaborando, desta forma, para que se adotem medidas para minimizar os impactos futuros do aumento da temperatura global e garantir a sustentabilidade do planeta. Ressalta-se que esta proposta é inovadora, pois pode-se abordar de áreas com diversidade de árvores, de grande extensões plantadas, entre outros fatores importantes neste contexto. Ou seja, trata-se de um sistema inteligente robusto e de grande flexibilidade de aplicação. / Abstract: The increase in emissions and concentrations of carbon dioxides in the atmosphere has brought the intensification of greenhouse effect and, consequently, climatic changes and imbalance on the planet. Therefore, it becomes essential to adopt measures and develop efficient methods for quantifying and evaluating the emission of flow of carbon in the atmosphere by land vegetation. Thus, this research aims to propose the development of an intelligent system, based on the use of neural networks to predict, whether in the short, medium or long term, the carbon sequestration in reforestation areas, on a 10000 hectare farm located in the Amazon region of Mato Grosso-Brazil. The proposed system was developed using a composition formed by a neural network of the ART family (Adaptive Resonance Theory), the Fuzzy-ART and a multilayer feedforward neural network with training performed through the use of the retropropagation algorithm, making the quantifying and predicting of the carbon absorption, thus contributing to the adoption of measures to minimize the impacts of future global temperature increase and ensure the sustainability of the planet, more accurate and precise than the original methods. It is highlighted that this proposal is innovative, because it can approach large areas of plantations, with diversity of trees, among other important factors in this context. That is, it is an intelligent system robust and of great flexibility of application. / Doutor

Made available in DSpace on 2013-08-07T18:42:50Z (GMT). No. of bitstreams: 1 000430794-Texto+Completo-0.pdf: 1404455 bytes, checksum: d94916ca92d184ccb0afbe05deb9573f (MD5) Previous issue date: 2011 / Demand for RFID systems has risen greatly due to the simplicity and efficiency of its automatic identification system. RFID has great potential and brings many improvements to organizations that need to identify any kind of goods as well as increase their supply chain's automation level. RFID systems usually need to be applied where the installation cost can be very high, and thus, running a simulation in such environments would bring many benefits such as saving time and money. In this case, the simulation could be considered as a prediction method which verifies that the configuration for the desired scenario works correctly and meets the system's requirements. This work presents a research about prediction statistical models for RFID systems’ functioning in a specific scenario. In the chosen scenario, RFID technology is applied to intelligent cards. This research presents a model using Multiple Linear Regression and another approach using Artificial Neural Networks on the prediction of the results. Prediction models can bring advantages to the adoption of RFID, like the reduction of time and resources necessary for the project installation. / A demanda por sistemas RFID tem crescido muito devido à maneira simples e eficiente de identificação automática com que tal tecnologia trabalha. A tecnologia RFID tem um grande potencial e traz muitos benefícios para organizações que precisam identificar qualquer tipo de bem e ampliar sua automação em cadeias de suprimentos. Muitas vezes sistemas RFID precisam ser implantados em ambientes onde o custo de instalação pode ser muito alto, e uma simulação de tal ambiente traria muitos benefícios, como economia de tempo e de recursos financeiros. A simulação funcionaria como um método de predição que verifica se a configuração do cenário desejado funciona corretamente e atende os requisitos do sistema. Este trabalho apresenta uma pesquisa acerca de modelos estatísticos de predição para o funcionamento de sistemas RFID em um cenário específico. O cenário escolhido aborda o uso da tecnologia RFID aplicado a crachás inteligentes. É apresentado um modelo estatístico utilizando Regressão Linear Múltipla e uma segunda abordagem utilizando Redes Neurais Artificiais na inferência dos resultados. O uso de modelos de predição pode trazer vantagens na implantação da tecnologia bem como diminuição de tempo e recursos no projeto de instalação do sistema RFID.

Made available in DSpace on 2014-06-11T19:30:51Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-02-07Bitstream added on 2014-06-13T19:19:32Z : No. of bitstreams: 1 000750721.pdf: 3249585 bytes, checksum: 6fd06cf84189fd3909d17528ac77dab0 (MD5) / O aumento das emissões e concentrações de gás carbônico na atmosfera tem ocasionado a intensificação do efeito estufa e, consequentemente, das alterações climáticas e desequilíbrio sobre o planeta. Deste modo, torna-se imprescindível a adoção de medidas e o desenvolvimento de métodos eficientes para quantificar e avaliar a emissão do fluxo de gás carbono na atmosfera pela vegetação terrestre. Assim sendo, esta pesquisa tem por objetivo propor o desenvolvimento de um sistema inteligente, baseado no emprego de redes neurais, para predizer , seja a curto, médio ou de longo prazo, o sequestro (absorção) de carbono em áreas de reflorestamento, em uma fazenda situada na Amazônia Mato-Grossense com 10 mil hectares. O sistema proposto foi desenvolvido utilizando uma composição formada por uma rede neural da família ART (Adaptive Resonance Theory), a ART-Fuzzy e uma rede neural feedforward multicamadas com treinamento realizado via uso do algoritmo retropropagação, quantificando e realizando a previsão com maior acurácia e precisão da absorção de carbono, colaborando, desta forma, para que se adotem medidas para minimizar os impactos futuros do aumento da temperatura global e garantir a sustentabilidade do planeta. Ressalta-se que esta proposta é inovadora, pois pode-se abordar de áreas com diversidade de árvores, de grande extensões plantadas, entre outros fatores importantes neste contexto. Ou seja, trata-se de um sistema inteligente robusto e de grande flexibilidade de aplicação. / The increase in emissions and concentrations of carbon dioxides in the atmosphere has brought the intensification of greenhouse effect and, consequently, climatic changes and imbalance on the planet. Therefore, it becomes essential to adopt measures and develop efficient methods for quantifying and evaluating the emission of flow of carbon in the atmosphere by land vegetation. Thus, this research aims to propose the development of an intelligent system, based on the use of neural networks to predict, whether in the short, medium or long term, the carbon sequestration in reforestation areas, on a 10000 hectare farm located in the Amazon region of Mato Grosso-Brazil. The proposed system was developed using a composition formed by a neural network of the ART family (Adaptive Resonance Theory), the Fuzzy-ART and a multilayer feedforward neural network with training performed through the use of the retropropagation algorithm, making the quantifying and predicting of the carbon absorption, thus contributing to the adoption of measures to minimize the impacts of future global temperature increase and ensure the sustainability of the planet, more accurate and precise than the original methods. It is highlighted that this proposal is innovative, because it can approach large areas of plantations, with diversity of trees, among other important factors in this context. That is, it is an intelligent system robust and of great flexibility of application.

Made available in DSpace on 2014-06-11T19:30:52Z (GMT). No. of bitstreams: 0 Previous issue date: 2003-11-24Bitstream added on 2014-06-13T21:01:27Z : No. of bitstreams: 1 ferreira_wp_dr_ilha.pdf: 913049 bytes, checksum: e880a34bdaf254be412acbf6186ea464 (MD5) / Este trabalho de pesquisa tem por objetivo o desenvolvimento de uma metodologia para a análise dinâmica de contingências de sistemas de energia elétrica por redes neurais, cuja motivação deve-se ao fato de que as redes neurais, ainda que demandem um considerável tempo de processamento para a execução do treinamento, podem realizar diagnósticos em tempo real. Para tanto, será desenvolvido um modelo que estabelece a relação entre entradas e saídas da rede com um menor número possível de variáveis. A rede neural corresponde a uma nova configuração chamada ART&ARTMAP nebulosa baseada na arquitetura ART (Adaptive Resonance Theory). As redes neurais ART possuem como características mais importantes a plasticidade e a estabilidade, as quais são qualidades primordiais para a execução do treinamento e para a análise de modo eficiente. A rede neural ART&ARTMAP nebulosa está sendo proposta visando proporcionar um desempenho superior, em termos de precisão e rapidez, se comparada à formulação ARTMAP convencional e maior ainda quando comparada a outras redes neurais disponíveis na literatura especializada. A principal característica da rede neural ART&ARTMAP nebulosa refere-se ao gerenciamento de dados analógicos e binários estabelecidos no modelo do sistema de tal modo que estes dados são tratados separadamente, ou seja, os dados analógicos são processados e transformados em um conjunto equivalente binário. Deste modo, tem-se uma concepção que manipula somente dados na forma binária, tendo como resultado uma redução da dimensão do problema e melhor qualidade das soluções. A metodologia proposta é um procedimento que incorpora inovações em relação à literatura existente, em destaque: proposta de uma nova arquitetura de rede neural baseada na teoria da ressonância adaptativa chamada rede neural ART&ARTMAP nebulosa. A rede neural proposta apresenta-se como... . / This work aims to develop a methodology to contingency dynamic analyzing of electric energy systems by neural networks, considering that the neural networks, although usually spend a considerable time during the training phase can produce diagnosis in real time. Therefore, it is developed a model that establishes a relation between input and output of the network with the least quantity of possible variables, being an optimized structural system. The neural network corresponds to a new configuration called fuzzy ART&ARTMAP based on the ART (Adaptive Resonance Theory). The most important characteristics of ART neural networks are plasticity and stability, primordial features for training and for an efficient analysis. The fuzzy ART&ARTMAP neural network is proposed to proportionate a superior performance in terms of precision and velocity, when compared to the conventional ARTMAP formulation and even more superior when compared to other neural networks available in the literature. The principal characteristic of the fuzzy ART&ARTMAP is the binary and analog management, established on the model of the system, such that these data are treated isolated, i.e., the analog data are processed and transformed in an equivalent binary set. This way, it is found a conception that manipulate only binary data, and the results show a reduction on the dimension of the problem and better quality on the solutions. The proposed methodology is a proceeding that incorporates innovations in relation to the existent literature, such as: proposal of a new architecture of neural network based on the adaptive resonance theory called fuzzy ART&ARTMAP. The proposed neural network is promising for applications in several areas of the knowledge. It is focused the application in security analysis, specially the... (Complete abstract, click electronic address below).

Orientador: Aparecido Augusto de Carvalho / Resumo: A patologia mais recorrente na coluna vertebral é a escoliose. A modificação estrutural causada pela escoliose gera o desalinhamento postural global do indivíduo. Uma das modificações causadas pelo desalinhamento postural é a forma como o indivíduo distribui o peso na região plantar dos pés. O objetivo deste trabalho foi implementar um sistema eletrônico constituído por um baropodômetro e redes neurais artificiais para separar pacientes com Grau I na classificação de Ricard, de 1o a 19o de escoliose, em dois grupos, C1 (1o a 9o) e C2 (10o a 19o). A maior percentagem de pacientes com escoliose está nesta faixa, aqueles que não precisam usar coletes ou fazer cirurgia, e cujo tratamento é realizado com ginásticas especiais e com avaliações freqüentes pelo profissional de saúde. A classificação dos pacientes nos grupos de escoliose foi implementada com o software Matlab e redes neurais artificiais, usando o algoritmo de treinamento backpropagation. A precisão média da classificação foi de 93,7% para o grupo C1 e 94,5% para o grupo C2. As acurácias na classificação foram de 83,3% para o grupo C1 e 96% para o grupo C2. O sistema implantado pode contribuir para o tratamento de pacientes com grau de escoliose na faixa de 1o a 19o, o intervalo de maior incidência desta patologia, no qual o monitoramento da condição clínica com técnicas não invasivas é de fundamental importância. / Mestre

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, Programa de Pós-Graduação em Ciências Florestais, 2016. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2016-05-12T16:15:07Z No. of bitstreams: 1 2016_IlvanMedeirosLustosaJunior.pdf: 5972646 bytes, checksum: c5b3f56ef268e42b07b37bf113fec2dd (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2016-05-23T21:29:44Z (GMT) No. of bitstreams: 1 2016_IlvanMedeirosLustosaJunior.pdf: 5972646 bytes, checksum: c5b3f56ef268e42b07b37bf113fec2dd (MD5) / Made available in DSpace on 2016-05-23T21:29:44Z (GMT). No. of bitstreams: 1 2016_IlvanMedeirosLustosaJunior.pdf: 5972646 bytes, checksum: c5b3f56ef268e42b07b37bf113fec2dd (MD5) / A Mata atlântica vem sendo alvo constante no uso demasiado de recursos naturais, não obstante, o componente florestal tem sido explorado de forma insustentável, promovendo um alto grau de degradação ambiental no Bioma. Conhecer o comportamento arbóreo, num determinado intervalo de tempo, permite fornecer subsídios científicos na fundamentação de políticas de conservação e manejo florestal. A competição florestal é um dos fatores que influenciam no crescimento e longevidade dos indivíduos arbóreos, e é decorrente da demanda por recursos essenciais, tais quais, água, luz e nutrientes. Portanto, objetivou-se com o presente estudo, analisar a influência da competição florestal, por meio de índices de competição independentes e semidependentes de distância (raios de 2, 3, 4, 5 e 6 metros), no crescimento dendrométrico e agregar os aspectos competitivos na projeção, através de modelos tradicionais e redes neurais artificiais, em fragmento de Floresta Estacional Semidecidual, MG. Para tal estudo foi realizada uma classificação dos indivíduos em grupos ecológicos e de acordo a exigência por luz, visando avaliar se o cálculo da competição é mais significativo ao ser avaliado para cada grupo, ao invés da análise generalizada para todas as espécies do fragmento em estudo. Avaliar a competição por grupo ecológico se mostrou mais eficaz, visto que apresentou correlações superiores. O índice independente BAL obteve o melhor desempenho para analisar a influência da competição no crescimento dos indivíduos no fragmento estudado. Projetar o crescimento dendrométrico por Redes Neurais Artificiais foi mais eficiente que por modelos de regressões tradicionais. _______________________________________________________________________________________________ ABSTRACT / The Atlantic Forest natural resources have been largely explored, regardless; the forest is used in an unsustainable way, provoking an elevated level of damage in the Biome. Knowing the arboreal behavior, in a certain period, allows providing scientific grants for conservation and forestry management policies. The forestry competition is one of the factors that influence on the growth and longevity of the specimens, and is due the demand for essential resources, such as, water, light and nutrients. Therefore, this research aimed to analyze how the forestry competition affects the dendrometric measurements, by using distance independent and distance semi-independent competition indexes (radius at 2, 3, 4, 5 and 6 meters), and to aggregate the competitive aspects on the projection, through traditional models and neural artificial networks, in a Semi-Deciduous Seasonal Forest, in Minas Gerais (Brazil). In this study was carried out a classification of individuals according to their ecological groups and their light demand, in order to evaluate whether the calculation of the competition is more significant when evaluated for each group, rather than the generalized analysis to all species of the fragment under study. To evaluate the competition per ecologic group was more efficient, since it presented superior correlations. The BAL independent index obtained the best performance to analyze the influence of the competition on the specimens’ growth on the fragment studied. Projecting the dendrometric measurement using Neural Artificial Networks was more efficient than the traditional means.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2016. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2016-06-06T13:21:02Z No. of bitstreams: 1 2016_CaueZaghetto.pdf: 14491723 bytes, checksum: cb3b4c34391e97435c3414fd256d02ae (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2016-06-17T21:13:26Z (GMT) No. of bitstreams: 1 2016_CaueZaghetto.pdf: 14491723 bytes, checksum: cb3b4c34391e97435c3414fd256d02ae (MD5) / Made available in DSpace on 2016-06-17T21:13:26Z (GMT). No. of bitstreams: 1 2016_CaueZaghetto.pdf: 14491723 bytes, checksum: cb3b4c34391e97435c3414fd256d02ae (MD5) / Este trabalho apresenta um método baseado em Redes Neurais Artificiais que avalia o malposicionamento dos dedos devido à rotação em dispositivos de aquisição de impressões digitais multivista sem toque. O objetivo é determinar se o dedo está rotacionado ou não, uma vez que o adequado posicionamento do dedo é mandatório para garantir altas taxas de correspondência entre impressões digitais. Um conjunto de teste de 9000 imagens adquiridas foi utilizado para treinar, validar e testar um conjunto de classificadores baseados em redes neurais artificiais multicamadas. Até o momento, não existe um método definitivo que abordou o problema da qualidade de impressões digitais em dispositivos de captura que utilizem a tecnologia multivista sem toque, e a detecção da rotação de dedos apresentada neste trabalho é um dos passos que devem ser levados em conta se um futuro método automático para avaliação da qualidade de impressões digitais for considerado. Os resultados médios, mostram que: o classificador identifica corretamente o mal-posicionamento em aproximadamente 98,50% dos casos; e quando o mal-posicionamento é detectado, o ângulo de rotação é corretamente estimado em 95,25% dos casos. _______________________________________________________________________________________________ ABSTRACT / This work presents a method based on Artificial Neural Network that evaluates the rotational bad-positioning of fingers on touchless multiview fingerprinting devices. The objective is to determine whether the finger is rotated or not, since a proper positioning of the finger is mandatory for high fingerprint matching rates. A test set of 9000 acquired images has being used to train, validate and test a set of multilayer Artificial Neural Network classifiers. To our knowledge, there is no definitive method that addressed the problem of fingerprint quality on touchless multiview scanners. The proposed finger rotation detection here presented is one of the steps that must be taken into account if a future automatic image quality assessment method is to be considered. Average results show that: our classifier correctly identifies bad-positioning in approximately 98.50% of cases; and if bad-positioning is detected, the rotation angle is correctly estimated in 95.25% evaluations.

Em ambientes dinâmicos e complexos, a política ótima de coordenação não pode ser derivada analiticamente, mas, deve ser aprendida através da interação direta com o ambiente. Geralmente, utiliza-se aprendizado por reforço para prover coordenação em tais ambientes. Atualmente, neuro-evolução é um dos métodos de aprendizado por reforço mais proeminentes. Em vista disto, neste trabalho, é proposto um modelo de coordenação baseado em neuro-evolução. Mais detalhadamente, desenvolveu-se uma extensão do método neuro-evolutivo conhecido como Enforced Subpopulations (ESP). Na extensão desenvolvida, a rede neural que define o comportamento de cada agente é totalmente conectada. Adicionalmente, é permitido que o algoritmo encontre, em tempo de treinamento, a quantidade de neurônios que deve estar presente na camada oculta da rede neural de cada agente. Esta alteração, além de oferecer flexibilidade na definição da topologia da rede de cada agente e diminuir o tempo necessário para treinamento, permite também a constituição de grupos de agentes heterogêneos. Um ambiente de simulação foi desenvolvido e uma série de experimentos realizados com o objetivo de avaliar o modelo proposto e identificar quais os melhores valores para os diversos parâmetros do modelo. O modelo proposto foi aplicado no domínio das tarefas de perseguição-evasão.

A disponibilidade de séries contínuas de chuva pode viabilizar a execução de muitos estudos que não seriam possíveis com séries que apresentam falhas, pois muitos modelos hidrológicos não apresentam bons resultados quando utilizados dados de entrada com valores faltantes. Neste estudo, as capacidades de Redes Neurais Artificiais (RNAs) foram analisadas para estimar falta de dados das estações pluviométricas. Assim, o objetivo deste trabalho consistiu em testar a utilização de séries pluviométricas preenchidas, em escala horária, a partir de redes neurais artificiais como entrada em um modelo hidrológico de base física, com parâmetros distribuídos. A hipótese levantada neste estudo é que o preenchimento de falhas de séries históricas de precipitação com as Redes Neurais Artificiais potencializam a sua utilização em estudos e na modelização hidrológica. Na metodologia foi proposto um método para preenchimento de falhas dos dados históricos de precipitação horária monitorados em dezoito postos pluviométricos. Posteriormente os dados de precipitação preenchidos foram aplicados em um modelo de previsão de vazão (SWAT). Foram simuladas sete situações para a verificação do desempenho do modelo SWAT, utilizando dados de entrada horários preenchidos de 16 postos pluviométricos, posteriormente, as séries de entrada foram sendo reduzidas, para 8 postos, 4, 2 e por fim 1 posto pluviométrico. Também foi simulado um cenário onde se utilizou como dados de entrada as 16 séries de dados horários sem preenchimento, e um cenário onde os dados horários preenchidos foram convertidos em diários. Foram construídos 1784 modelos para preenchimento de falhas nas séries de dados horários dos postos pluviométricos da bacia. O preenchimento das falhas apresentou coeficientes de analise de desempenho dos modelos elevados. De maneira geral, os valores do coeficiente de Nash-Sutcliffe (NS) encontrados no treinamento e na verificação das redes variaram de 0,80 a 0,99. A frequência com que foram encontrados valores de NS menores que 0.90 nos preenchimentos dos pluviógrafos foi baixa, da ordem de 3,6%. Na aplicação do modelo SWAT, a calibração e a verificação dos parâmetros do modelo foram realizadas com o uso das 16 séries horárias preenchidas com as RNAs. Resultados demonstraram que o coeficiente de eficiência de NS diminui à medida que quantidade de estações pluviométricas utilizadas na entrada do modelo são reduzidas, de 16 para 8, de 8 para 4, de 4 para 2 e de 2 para 1. Variaram de NS = 0,86 (com 16 pluviógrafos) a NS = 0,75 (com dois e um pluviógrafos). Ao se utilizar os dados sem preenchimento o modelo obteve um desempenho inferior, alcançando um coeficiente de NS 6 igual a 0,69. Com relação ao último cenário, em que os dados horários preenchidos foram acumulados e convertidos em diários para serem inseridos no modelo, os resultados foram os piores obtidos, o NS se igualou a 0,61. Nota-se que o preenchimento das falhas das precipitações horárias proporcionou a maximização dos dados disponíveis, com representação das variabilidades espaciais e, a realização de simulações para intervalos de tempo compatíveis com o tempo de resposta da bacia. / The availability of continuous rainfall series can enable the execution of many studies that are not possible with failed series, because many hydrological models do not provide good results when used input data with missing values. In this study, the capabilities of Artificial Neural Networks (ANN) were analyzed to estimate missing data rainfall stations. The aim of this study was to test the use of filled rainfall series as an hourly scale, as of artificial neural networks as input to a hydrological model physical basis, with distributed parameters. The hypothesis in this study is that the filling of historic precipitation series faults with the Artificial Neural Networks maximizes its use in studies and hydrological modeling. The methodology has been proposed a method for gap filling of the historical data of hourly rainfall monitored in eighteen rain gauges. Subsequently the completed precipitation data were applied in a flow forecasting model (SWAT). Seven situations were simulated to verify the efficiency of the SWAT model, a scenario with input time of 16 rain gauges with gap filling using RNAs, subsequently the input series were being reduced to 8 stations, 4, 2 and finally 1 rain gauges data filled. Was also simulated a scenario in which were used as input hourly data series of 16 unfilled posts, and a scenario with daily data entry was also simulated, where the hourly data filled of 16 stations were converted to daily data. 1784 models were constructed to fill gaps in the hourly data series of rain gauges in the basin. The gaps filling in hourly precipitation showed high efficiency coefficients of models. In general, coefficient of Nash-Sutcliffe (NS) values found during the training and verification networks ranged from 0.80 to 0.99. The frequency with which NS values smaller than 0.90 were found in the fill of the rain gauge was 3.6%. Based on the rainfall filled series, these were tested for their efficiency in the hydrologic simulation process, using the physically based SWAT model. The calibration and verification of the model parameters were performed using 16 pluviograph stations with hourly series filled with RNAs. Results showed that the efficiency coefficients of NS decreases as the amount of rainfall stations used in the input model are reduced from 16 to 8, from 8 to 4, 4 to 2 and 2 to 1. Ranged from NS = 086 (16 pluviographs) NS = 0.75 (with two one pluviographs). When using the not filling data, the model obtained a lower performance, achieving a 8 coefficient NS equal to 0.69. On respect to the latter scenario, in which hourly data were accumulated and converted filled in daily to be inserted in the model, the worst results were obtained, the NS equaled 0.61. It is noticed in this way, that the filling gaps of hourly rainfall provided the maximization of available data, with representation of spatial variability and, performing simulations to intervals compatible with the response time of the basin.

Submitted by LIVIA FREITAS (livia.freitas@ufba.br) on 2013-10-11T17:32:10Z No. of bitstreams: 1 Emanuel Cajueiro - Dissertação de Mestrado.pdf: 4546773 bytes, checksum: 9096cab10f483bb8024bb7289a289114 (MD5) / Approved for entry into archive by LIVIA FREITAS(livia.freitas@ufba.br) on 2013-10-11T19:11:54Z (GMT) No. of bitstreams: 1 Emanuel Cajueiro - Dissertação de Mestrado.pdf: 4546773 bytes, checksum: 9096cab10f483bb8024bb7289a289114 (MD5) / Made available in DSpace on 2013-10-11T19:11:54Z (GMT). No. of bitstreams: 1 Emanuel Cajueiro - Dissertação de Mestrado.pdf: 4546773 bytes, checksum: 9096cab10f483bb8024bb7289a289114 (MD5) / A carta dinamométrica de superfície (CDS) é importante para o diagnóstico das condições operacionais de poços de petróleo em terra (on-shore) que tem como método de elevação artificial o bombeio mecânico (BM). A CDS é constituída por um traçado contínuo de dados de posição versus carga suportada pela haste polida durante um ciclo de bombeio. Tais dados, geralmente, são adquiridos no campo por meio de sensores físicos de carga e posição. Neste trabalho, técnicas de identificação de sistemas dinâmicos lineares e não-lineares são aplicadas a fim de inferir posição e carga dinâmica de haste polida de BM, a partir da corrente elétrica de saída de um inversor de frequência usado no acionamento e controle de um motor de indução pertencente ao BM. O modelo autoregressivo com entradas exógenas (ARX) foi usado para a abordagem de identificação linear; para a abordagem de identificação não-linear, a qual apresentou resultados melhores do que a linear, foram utilizados o modelo não-linear ARX (NARX) e o modelo de Hammerstein-Wiener, ambos tendo como função não-linear a wavelet network. Os resultados obtidos na etapa de validação demonstram que a estratégia é aplicável para as condições operacionais normal e de pancada de fluido, o que tornou possível inferir a CDS sem o uso dos sensores de carga e posição. / Salvador