Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2018. / Submitted by Robson Amaral (robsonamaral@bce.unb.br) on 2018-05-09T16:30:39Z No. of bitstreams: 1 2017_ArthurAmaralFerreira.pdf: 3415138 bytes, checksum: fa21fc4af8c1c0c11b8d1d071618e0a8 (MD5) / Approved for entry into archive by Patrícia Nunes da Silva (patricia@bce.unb.br) on 2018-06-04T14:14:01Z (GMT) No. of bitstreams: 1 2017_ArthurAmaralFerreira.pdf: 3415138 bytes, checksum: fa21fc4af8c1c0c11b8d1d071618e0a8 (MD5) / Made available in DSpace on 2018-06-04T14:14:01Z (GMT). No. of bitstreams: 1 2017_ArthurAmaralFerreira.pdf: 3415138 bytes, checksum: fa21fc4af8c1c0c11b8d1d071618e0a8 (MD5) Previous issue date: 2018-06-04 / Uma das principais fontes de erro no posicionamento baseado em Sistemas Globais de Navegação por Satélite (GNSS) para usuários de receptores de uma frequência é o atraso de propagação nos sinais GNSS ao atravessarem a ionosfera. Esse atraso, em uma aproximação de primeira ordem, é diretamente proporcional ao Conteúdo Total de Elétrons (TEC). Assim, estimar o TEC é uma tarefa bastante relevante para correção dos efeitos ionosféricos sobre a propagação dos sinais. Para corrigir os erros de distância devido à ionosfera, os usuários de receptores GNSS de uma única frequência necessitam de modelos que representem o TEC. Neste cenário, este trabalho propõe a utilização de Redes Neurais Artificiais (ANN) para estimar o TEC obtido a partir de medidas GNSS na região do Brasil. As investigações apresentadas neste trabalho iniciam o desenvolvimento de um modelo regional que possa ser usado para determinar o TEC vertical sobre as regiões Nordeste, Centro-Oeste e Sul do Brasil, visando futuras aplicações em estimação próxima a tempo real e em previsão de curto prazo. Neste trabalho são utilizados dados GNSS das redes GLONASS para pesquisa e desenvolvimento, e da Rede Brasileira de Monitoramento Contínuo dos Sistemas GNSS (RBMC). Os parâmetros de entrada da rede neural baseiam-se em fatores que influenciam os valores do TEC, incluindo localização geográfica do receptor GNSS, atividade geomagnética, variações sazonais e diurnas e atividade solar. O modelo de ANN proposto é utilizado para estimar os valores de GNSS TEC vertical em regiões desprovidas de receptores GNSS de duas bandas de frequência que possam ser utilizados para tal fim. Diferentes análises são realizadas, divididas em três estudos de caso. Estas análises incluem a avaliação de desempenho espacial, avaliação de diferentes estruturas ANN, habilidade de previsão em curto-prazo e comparação de desempenho em relação aos Mapas Ionosféricos Globais (Global Ionospheric Maps) fornecidos pelo Centro para Determinação de órbita na Europa (CODE) durante a tempestade geomagnética registrada nos dias 13 e 14 de Outubro de 2016. Os resultados obtidos a partir das análises conduzidas sugerem que os modelos de NN propostos fornecem bom desempenho espacial e apresentam-se como ferramentas promissoras para aplicações de previsão de TEC de curto-prazo. / One of the main error sources on Global Navigation Satellite Systems (GNSS) positioning solutions for users of single frequency receivers is the propagation refraction of the GNSS signals as they pass through the ionosphere. The estimation of the Total Electron Content (TEC) is very important for the correction of ionosphere propagation effects on GNSS signals. In order to correct the ionospheric range errors, GNSS single-frequency users need to rely on TEC models. In this framework, the present investigates the use of Artificial Neural Network models (ANN) to estimate TEC derived from GNSS measurements in Brazil. More specific, the investigations start the development of a regional model that can be used to determine the vertical TEC (vTEC) over Northeast, Central-West and South regions of Brazil, aiming future applications on a near real-time frame estimations and short-term forecasting. This work uses GNSS data from the GLONASS network for research and development, and from the Brazilian Network for Continuous Monitoring of the GNSS (RBMC). The input parameters of the ANN models are based on features known to influence TEC values, including the geographic location of the GNSS receiver, geomagnetic activity, seasonal and diurnal variations, and solar activity. The proposed ANN model is used to estimate the GNSS TEC values at void locations, where no dual-frequency GNSS receiver that may be used as a source of data for GNSS TEC estimation is available. Different analyses are carried out divided into three case studies. These analyses include spatial performance evaluation, evaluation of different ANN structures, short-term forecasting ability and performance comparison against CODE (Center for Orbit Determination in Europe) Global Ionospheric Maps during the geomagnetic storm registered on 13th and 14th October 2016. The results obtained from the described analysis suggest that the proposed ANN models provides good spatial performance and presents to be a promising tool for short-term forecasting applications.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2011. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2013-02-26T14:51:44Z No. of bitstreams: 1 2011_RodrigoLange.pdf: 4767682 bytes, checksum: 9e6ac9c0b404cdb35fcffd1cdff63181 (MD5) / Approved for entry into archive by Luanna Maia(luanna@bce.unb.br) on 2013-03-01T14:51:02Z (GMT) No. of bitstreams: 1 2011_RodrigoLange.pdf: 4767682 bytes, checksum: 9e6ac9c0b404cdb35fcffd1cdff63181 (MD5) / Made available in DSpace on 2013-03-01T14:51:02Z (GMT). No. of bitstreams: 1 2011_RodrigoLange.pdf: 4767682 bytes, checksum: 9e6ac9c0b404cdb35fcffd1cdff63181 (MD5) / O presente trabalho propõe o desenvolvimento de um método do identificação do tráfego de rede gerado pelo aplicativo peer-to-peer eMule. Com a identificação do fluxo do rede do eMule, podem ser obtidas informações periciais importantes tais como: provas de materialidade, indícios de autoria, comprovação da intenção do agente na conduta criminosa (dolo), delimitação geográfica dos locais para onde foram transferidos arquivos, entre outras informações. A proposta deste trabalho emprega Redes Neurais Artificiais (RNA), com o uso de Multilayer Perceptron. para classificar o fluxo de dados que utilizou criptografia e heurística em caso contrário. A RNA foi treinada e testada com fluxos de dados contendo pacotes gerados pelo eMule. Parte desse conjunto de treinamento e testes estava criptografado para que a RNA fosse capaz de classificar fluxos de dados independentemente; do conteúdo dos pacotes estarem cifrados ou não. Desta forma, este trabalho contribui para a obtenção de informações de relevância pericial, as quais serão utilizadas durante a persecução penal. Como resultado experimental, foram detectados 100% dos pacotes do conjunto de teste não criptografado do eMule: sendo que 86,03% do tráfego criptografado loi identificado pela RNA. Os resultados experimentais alcançados demonstram a viabilidade da utilização de RNA para a identificação de tráfego do eMule. _______________________________________________________________________________________ ABSTRACT / This research presents the development of a method to identify network traffic data generated by the eMule peer-to-peer application. Upon this identification, forensic important artifacts may be obtained, such as: materiality evidence, authorship inkling, proof of intention in the course of the criminal behavior, geographical boundaries to where files have been transferred, among other information. The proposed system uses Artificial Neural Networks (ANNs) with Multilayer Perceptron in order to classify the data flow that was encrypted and heuristics in other case. The ANN has been trained and tested with network traffic containing packets generated by eMule. Part of the training set was encrypted, with the objective of being able to classify the data, being the content of the packets cyphered or not. The contribution of the presented work is to obtain information of forensic relevance, which will be used throughout litigation. Experimental results demonstrate the viability to use ANNs to identify eMule network traffic data, since 100% of not encrypted and 86,03% of encrypted eMule traffic were detected.

Made available in DSpace on 2014-06-12T17:20:03Z (GMT). No. of bitstreams: 2 arquivo572_1.pdf: 1212560 bytes, checksum: 17195f6a9a419934856bdf5e4472d49e (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O ano de 2008 foi marcado pelo ápice da crise financeira mundial, iniciada no mercado imobiliário dos Estados Unidos. Também nesse período, constatou-se o aumento da produção de estudos teóricos e empíricos sobre os determinantes de crises no sistema financeiro e, especificamente, no sistema bancário. Embora diversos trabalhos desenvolvidos analisem os determinantes de falência bancária, buscando identificar quais variáveis econômicas causam desequilíbrios no sistema financeiro, as conclusões encontradas nem sempre convergem para modelos eficientes no processo de early warning. O presente trabalho tem por objetivo avaliar como os modelos de redes neurais artificiais podem ser utilizados enquanto ferramentas para previsão de insolvência bancária no Brasil. Para tanto, foram utilizados dados a respeito de liquidação bancária entre os anos de 1996 e 1999 associados a três processos distintos de amostragem dos bancos solventes. Os resultados mostram que o maior volume de variáveis explicativas (neurônios de entrada) no modelo de redes neurais torna o modelo melhor ajustado à série e com menor erro quadrado médio de previsão, ainda que seja possível verificar uma forte presença de multicolinearidade entre essas variáveis. Finalmente, verificou-se que os modelos de redes neurais artificiais apresentam bom desempenho na previsão de falência bancária no Brasil independentemente do processo de amostragem selecionado

Submitted by JOSÉ AUGUSTO RODRIGUES MASSABKI null (gutomassabki@hotmail.com) on 2018-03-08T14:58:18Z No. of bitstreams: 1 MASSABKI_JAR_DISSERTAÇÃO.pdf: 7122424 bytes, checksum: c08644632b83238ac437413218505331 (MD5) / Approved for entry into archive by Maria Marlene Zaniboni null (zaniboni@bauru.unesp.br) on 2018-03-09T16:07:31Z (GMT) No. of bitstreams: 1 massabki_jar_me_bauru.pdf: 7023665 bytes, checksum: fcbeb68c217f697d59d1fb24a1c507b9 (MD5) / Made available in DSpace on 2018-03-09T16:07:31Z (GMT). No. of bitstreams: 1 massabki_jar_me_bauru.pdf: 7023665 bytes, checksum: fcbeb68c217f697d59d1fb24a1c507b9 (MD5) Previous issue date: 2018-02-01 / O objetivo deste trabalho foi analisar os impactos da resolução espacial na modelagem da expansão urbana da Região Metropolitana de São Paulo (RMSP) por meio de autômatos celulares (CA, do inglês: Cellular Automata) combinados com redes neurais artificiais. Para tanto, foram utilizados dados do perímetro urbanizado referentes aos períodos de 1881, 1905, 1929, 1949, 1974 e 2005 para a construção de uma série de modelos espaciais. Uma estrutura de células regulares (grid) foi concebida para se representar a área de estudo, cuja resolução espacial se baseou em células de 1.000 por 1.000 metros, 800 por 800 metros e 600 por 600 metros. Os modelos também levaram em consideração a combinação de variáveis representando o estado inicial da célula (urbana ou não urbana), o número de células vizinhas classificadas como urbanas e o número de células vizinhas classificadas como não urbanas. Os resultados mostraram que a variação da resolução espacial não proporcionou impacto significativo no desempenho das modelagens desenvolvidas, visto que os desempenhos obtidos a partir das diferentes estruturas e tamanhos de grid foram bastante similares. Há os destaques para o Grid de 1000 por 1000 metros, baseado no estado e no número de vizinhos urbanos, com 90,09% de acertos global; para o Grid de 800 por 800 metros, baseado no estado, no número de vizinhos urbanos e no número de vizinhos não urbanos, com 90,25% de acertos global; e finalmente, para o Grid de 600 por 600 metros, baseado no estado e no número de vizinhos urbanos, com 90,14% de acertos global. Na sequência, uma previsão de ocupação do território para 2030 foi avaliada para esses modelos em destaque, observando-se tanto padrões de expansão urbana orientados por infraestruturas, como processos de ocupação urbana em áreas impróprias. Em síntese, esse estudo demonstrou que um aparente aumento na resolução espacial do grid não produz efeitos positivos em relação a um aumento no desempenho dos modelos espaciais desenvolvidos neste trabalho. Dessa forma, o Grid de 1000 por 1000 metros pode servir como ferramenta nos processos de planejamento urbano conforme a metodologia empregada. Cabe ressaltar ainda que esse grid acaba tornando o processamento computacional mais leve, em função da menor quantidade de dados envolvidos. / The objective of this work was to analyze the impacts of the spatial resolution related to the urban expansion modeling of the Metropolitan Region of São Paulo (MRSP) by means of Cellular Automata (CA) combined with Artificial Neural Networks. Data regarding the urbanized perimeter in the periods of 1881, 1905, 1929, 1949, 1974 and 2005 were used for the construction of a series of spatial models. A grid of regular cells was conceived to represent the study area, whose spatial resolution was based on cells of 1,000 by 1,000 meters, 800 by 800 meters and 600 by 600 meters. The models also took into account the combination of variables representing the initial state of the cell (urban or non-urban), the number of neighboring cells classified as urban, and the number of neighboring cells classified as non-urban. The results showed that the variation on the spatial resolution did not result in a significant impact on the performance of the developed models, since they were quite similar across the different structures and grid sizes explored. There were some highlights, for example, the Grid of 1000 by 1000 meters, based on the state of the cell and the number of urban neighbors, with 90.09% of global correct predictions; the Grid of 800 by 800 meters, based on the state of the cell, the number of urban neighbors and the number of non-urban neighbors, with 90.25% of global correct predictions; and finally, the Grid of 600 by 600 meters, based on the state of the cell and number of urban neighbors, with 90.14% of global correct predictions. In the sequence, a forecast of the territorial occupation was simulated for year 2030 considering those highlighted models. The results showed some patterns of urban expansion oriented by infrastructures, as well as processes of urban occupation in inappropriate areas. In sum, this study demonstrated that an apparent increase in the spatial resolution of the grid does not produce positive effects in relation to an increase in the performance of the spatial models developed in this work. Therefore, the Grid of 1000 by 1000 meters can serve as a tool for urban planning processes according to the methodology used. It should also be noted that this grid ends up making the computational processing lighter, due to the smaller amount of data involved.

Submitted by CAROLINE MEIRELES FANFONI null (cmeireles-123@hotmail.com) on 2017-06-27T13:54:42Z No. of bitstreams: 1 CAROLINE MF DISSERTAÇÃO.pdf: 4468648 bytes, checksum: 2bc5b7cf722e46221324bc2fc5bf9f09 (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-06-28T19:46:06Z (GMT) No. of bitstreams: 1 fanfoni_cm_me_bauru.pdf: 4468648 bytes, checksum: 2bc5b7cf722e46221324bc2fc5bf9f09 (MD5) / Made available in DSpace on 2017-06-28T19:46:06Z (GMT). No. of bitstreams: 1 fanfoni_cm_me_bauru.pdf: 4468648 bytes, checksum: 2bc5b7cf722e46221324bc2fc5bf9f09 (MD5) Previous issue date: 2017-01-16 / 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. / The most recurrent pathology in the spine is scoliosis. The structural modification caused by scoliosis generates the individual's overall postural misalignment. One of the modifications caused by postural misalignment is the way the individual distributes the weight in the plantar region of the feet. The objective of this work was to implement an electronic system consisting of a baropodometer and artificial neural networks to separate patients with Grade I in the classification of Ricard, from 1o to 19o of scoliosis, in two groups, C1 (1o to 9o) and C2 (10o to 9o). The largest percentage of patients with scoliosis are in this range, those who do not need to wear vests or have surgery, and whose treatment is performed with special gymnastics and with frequent evaluations by the health professional. The classification of patients in the scoliosis groups was implemented with Matlab software and artificial neural networks, using the backpropagation training algorithm. The mean precision of the classification was 93.7% for the C1 group and 94.5% for the C2 group. The accuracy in the classification was 83.3% for the group C1 and 96.0% for the group C2. The implemented system can contribute to the treatment of patients with grade of scoliosis in the range from 1o to 19o, the interval of higher incidence of this pathology, in which the monitoring of the clinical condition by non-invasive techniques is of fundamental importance.

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

O estudo foi feito através de séries históricas de dados de um incubatório pertencente a uma integração avícola do Rio Grande do Sul, durante os anos de 1999 a 2003, com os quais foram feitas análises do tipo observacional analítico e transversal. Primeiramente usou-se os registros de 5 linhagens de frangos utilizadas pela empresa no transcorrer do período de 23 de fevereiro de 1995 a 25 de janeiro de 2002. As linhagens foram identificadas da seguinte forma: COBB, HIGH YIELD, MPK, ROSS308, e X. Esses 81 lotes analisados foram estudados através dos seus respectivos registros que continham: o número inicial de fêmeas, número inicial de machos, ração total/cabeça, ração/cabeça/inicial/recria, ração/cabeça/inicial/postura, ovos postos, ração p/ovo posto, pintos nascidos, percentagem viabilidade postura fêmea, percentagem viabilidade postura machos. O método aqui proposto provou ser capaz de classificar as linhagens a partir das entradas escolhidas. Na linhagem que apresentava uma grande quantidade de amostras a classificação foi muito precisa. Nas demais, com menor número de dados, a classificação foi efetuada, e, como era de se esperar, os resultados foram menos consistentes. Com o mesmo banco de dados dos lotes fechados, realizou-se a segunda etapa da dissertação. Nela, procedeu-se o treinamento das redes neurais artificiais onde foram utilizadas as seguintes variáveis de saída: ovos incubáveis, percentagem de ovos incubáveis, ovos incubados, percentagem de ovos incubados, pintos nascidos e pintos aproveitáveis. Os resultados apresentaram R2 oscilando entre 0,93 e 0,99 e o erro médio e o quadrado médio do erro ajustados, demonstrando a utilidade das redes para explicar as variáveis de saída. Na terceira e última etapa da dissertação, destinada à validação dos modelos, foram usados quatro arquivos distintos denominados da seguinte forma: INPESO (3.110 linhas de registros de pesos dos reprodutores), ININFO (56.018 linhas de registros com as informações diárias do ocorrido nas granjas de reprodução até o incubatório), INOVOS (35.000 linhas de registros com informações sobre os ovos processados), INNASC: 43.828 linhas de registros com informações sobre os nascimentos. O modelo gerado para o ano de 1999 foi capaz de predizer corretamente os resultados deste mesmo ano e dos anos de 2000, 2001, 2002 e 2003. O mesmo procedimento foi repetido criando modelo com os registros do ano em questão e validando-o com os registros dos anos subseqüentes. Em todas as ocasiões foram obtidos bons resultados traduzidos por um alto valor no R2. Concluindo, os fenômenos próprios do incubatório puderam ser explicados através das redes neurais artificiais. A técnica, seguindo a mesma tendência das dissertações que anteriormente já haviam demonstrado que esta metodologia pode ser utilizada para o gerenciamento de reprodutoras pesadas e de frangos de corte, pode realizar simulações, predições e medir a contribuição de cada variável no fenômeno observado, tornando-se uma poderosa ferramenta para o gerenciamento do incubatório e num suporte cientificamente alicerçado para a tomada de decisão.

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.

Uma atividade com a magnitude da avicultura, que usa equipamentos de última geração e serviços atualizados, é levada, na maioria dos casos, a tomar decisões que envolvem todos aspectos de produção, apoiada em critérios subjetivos. A presente tese objetivou estudar a utilização das redes neurais artificiais na estimação dos parâmetros de desempenho de matrizes pesadas, pertencentes a uma integração avícola sul-brasileira. Foram utilizados os registros de 11 lotes em recria, do período compreendido entre 09/11/97 a 10/01/99 e de 21 lotes em produção, do período compreendido entre 26/04/98 a 19/12/99, para a análise por redes neurais artificiais. Os dados utilizados corresponderam a 273 linhas de registros semanais, do período de recria e 689 linhas de registros semanais, do período de produção. Os modelos de redes neurais foram comparados e selecionados como melhores, baseados no coeficiente de determinação múltipla (R2), Quadrado Médio do Erro (QME), bem como pela análise de gráficos, plotando a predição da rede versus a predição menos o real (resíduo). Com esta tese foi possível explicar os parâmetros de desempenho de matrizes pesadas, através da utilização de redes neurais artificiais. A técnica permite a tomada de decisões por parte do corpo técnico, baseadas em critérios objetivos obtidos cientificamente. Além disso, este método permite simulações das conseqüências de tais decisões e fornece a percentagem de contribuição de cada variável no fenômeno em estudo.

Este trabalho tem como objetivo o levantamento e análise de fatores intervenientes na capacidade de processamento de veículos em cabines de praças de pedágio com o recolhimento manual de tarifas. Buscando o entendimento de como estes fatores interferem nos tempos de atendimento nas cabines foi realizada uma análise estatística e posterior modelagem, que utilizou redes neurais artificiais. Redes neurais artificiais são úteis no entendimento de problemas com alto grau de complexidade, que agregam diversas variáveis de entrada com relações não-lineares entre si. As variáveis de entrada escolhidas para a modelagem foram forma de pagamento, intensidade de fluxo, valor das tarifas e classes de veículos. A variável de saída foi o tempo de atendimento nas cabines de cobrança de pedágios. Foram obtidos três modelos que buscaram refletir a variação dos tempos de atendimento para um mesmo conjunto de dados de entrada: Modelo de Tempos Mínimos de Atendimento; Modelo de 85° Percentil de Tempos de Atendimento, e; Modelo de Tempos Máximos de Atendimento. As análises de sensibilidade dos modelos indicaram que tempos de atendimento são fortemente influenciados pelo fluxo de veículos nas praças. Quanto mais intenso o fluxo de veículos, tempos mínimos de atendimento tendem a sofrer leve aumento, indicando pequena perda de rendimento do processo. Perda de rendimento pode ser resultado de (i) necessidade de digitação das placas de licença dos veículos no sistema operacional das praças-dificuldade de visualização das mesmas em situação de filas, e (ii) desgaste físico dos arrecadadores. O desgaste físico dos arrecadadores também se apresenta como provável causa para o aumento de tempos mínimos de atendimento para fluxos altos. Quanto mais intenso o fluxo de veículos, menores são os tempos máximos de atendimento. Quanto maior o fluxo de veículos nas praças, as modelagens indicam uma maior estabilidade do sistema com relação ao processamento de veículos.