Diversas áreas de pesquisa são dedicadas à compreensão de fenômenos que exigem a coleta ininterrupta de sequências de amostras, denominadas fluxos de dados. Esses fenômenos frequentemente apresentam comportamento variável e são estudados por meio de indução não supervisionada baseada em agrupamento de dados. Atualmente, o processo de agrupamento tem exibido sérias limitações em sua aplicação a fluxos de dados, devido às exigências impostas pelas variações comportamentais e pelo modo de coleta de dados. Embora tem-se desenvolvido algoritmos eficientes para agrupar fluxos de dados, há a necessidade de estudos sobre a influência de variações comportamentais nos parâmetros de algoritmos (e.g., taxas de aprendizado e limiares de proximidade), as quais interferem diretamente na compreensão de fenômenos. Essa lacuna motivou esta tese, cujo objetivo foi a proposta de uma abordagem para a adaptação do viés indutivo de algoritmos de agrupamento de fluxos de dados de acordo com variações comportamentais dos fenômenos em estudo. Para cumprir esse objetivo projetou-se: i) uma abordagem baseada em uma nova arquitetura de rede neural artificial que permite avaliação de comportamento de fenômenos por meio da estimação de cadeias de Markov e entropia de Shannon; ii) uma abordagem para adaptar parâmetros de algoritmos de agrupamento tradicional de acordo com variações comportamentais em blocos sequenciais de dados; e iii) uma abordagem para adaptar parâmetros de agrupamento de acordo com a contínua avaliação da estabilidade de dados. Adicionalmente, apresenta-se nesta tese uma taxonomia de técnicas de detecção de variação comportamental de fenômenos e uma formalização para o problema de agrupamento de fluxos de dados / Several research fields have described phenomena that produce endless sequences of samples, referred to as data streams. These phenomena usually present behavior variation and are studied by means of unsupervised induction based on data clustering. In order to cope with the characteristics of data streams, researchers have designed clustering algorithms with low time and space complexity requirements. However, predefined and static parameters (thresholds, number of clusters and learning rates) found in current algorithms still limit the application of clustering to data streams. This limitation motivated this thesis, which proposes a continuous approach to evaluate behavior variations and adapt algorithm inductive bias by changing its parameters. The main contribution of this thesis is the proposal of three approaches to adapt induction bias: i) an approach based on the design of an adaptive artificial self-organizing neural network architecture that enables behavior evaluation by means of Markov chain and Shannon entropy estimations; ii) an approach to adapt traditional data clustering algorithms according to behavior variations in sequences of data chunks; and iii) an approach based on the proposed neural network architecture to continuously adapt parameters by means of the evaluation of data stability. Additionally, in order to analyze the essential characteristics of data streams, this thesis presents a formalization for the problem of data stream clustering and a taxonomy on approaches to detect behavior variations

" More and more researchers are focusing on the management, querying and pattern mining of streaming data. The visualization of streaming data, however, is still a very new topic. Streaming data is very similar to time-series data since each datapoint has a time dimension. Although the latter has been well studied in the area of information visualization, a key characteristic of streaming data, unbounded and large-scale input, is rarely investigated. Moreover, most techniques for visualizing time-series data focus on univariate data and seldom convey multidimensional relationships, which is an important requirement in many application areas. Therefore, it is necessary to develop appropriate techniques for streaming data instead of directly applying time-series visualization techniques to it. As one of the main contributions of this dissertation, I introduce a user-driven approach for the visual analytics of multivariate data streams based on effective visualizations via a combination of windowing and sampling strategies. To help users identify and track how data patterns change over time, not only the current sliding window content but also abstractions of past data in which users are interested are displayed. Sampling is applied within each single time window to help reduce visual clutter as well as preserve data patterns. Sampling ratios scheduled for different windows reflect the degree of user interest in the content. A degree of interest (DOI) function is used to represent a user's interest in different windows of the data. Users can apply two types of pre-defined DOI functions, namely RC (recent change) and PP (periodic phenomena) functions. The developed tool also allows users to interactively adjust DOI functions, in a manner similar to transfer functions in volume visualization, to enable a trial-and-error exploration process. In order to visually convey the change of multidimensional correlations, four layout strategies were designed. User studies showed that three of these are effective techniques for conveying data pattern changes compared to traditional time-series data visualization techniques. Based on this evaluation, a guide for the selection of appropriate layout strategies was derived, considering the characteristics of the targeted datasets and data analysis tasks. Case studies were used to show the effectiveness of DOI functions and the various visualization techniques. A second contribution of this dissertation is a data-driven framework to merge and thus condense time windows having small or no changes and distort the time axis. Only significant changes are shown to users. Pattern vectors are introduced as a compact format for representing the discovered data model. Three views, juxtaposed views, pattern vector views, and pattern change views, were developed for conveying data pattern changes. The first shows more details of the data but needs more canvas space; the last two need much less canvas space via conveying only the pattern parameters, but lose many data details. The experiments showed that the proposed merge algorithms preserves more change information than an intuitive pattern-blind averaging. A user study was also conducted to confirm that the proposed techniques can help users find pattern changes more quickly than via a non-distorted time axis. A third contribution of this dissertation is the history views with related interaction techniques were developed to work under two modes: non-merge and merge. In the former mode, the framework can use natural hierarchical time units or one defined by domain experts to represent timelines. This can help users navigate across long time periods. Grid or virtual calendar views were designed to provide a compact overview for the history data. In addition, MDS pattern starfields, distance maps, and pattern brushes were developed to enable users to quickly investigate the degree of pattern similarity among different time periods. For the merge mode, merge algorithms were applied to selected time windows to generate a merge-based hierarchy. The contiguous time windows having similar patterns are merged first. Users can choose different levels of merging with the tradeoff between more details in the data and less visual clutter in the visualizations. The usability evaluation demonstrated that most participants could understand the concepts of the history views correctly and finished assigned tasks with a high accuracy and relatively fast response time. "

Submitted by Mariana Dornelles Vargas (marianadv) on 2015-03-17T19:27:53Z No. of bitstreams: 1 efeitos_gradiente.pdf: 1090807 bytes, checksum: f2565ea69e8353336830ebb1453fd5ae (MD5) / Made available in DSpace on 2015-03-17T19:27:53Z (GMT). No. of bitstreams: 1 efeitos_gradiente.pdf: 1090807 bytes, checksum: f2565ea69e8353336830ebb1453fd5ae (MD5) Previous issue date: 2012 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / PROSUP - Programa de Suporte à Pós-Gradução de Instituições de Ensino Particulares / A qualidade das águas em sistemas lóticos ou lênticos sofre grande influência das atividades que são realizadas em suas margens, alterando a estrutura das comunidades biológicas. O presente estudo foi desenvolvido com vistas a avaliar se áreas com diferentes graus de preservação da mata ripária influenciam na estrutura da comunidade fitoplanctônica em arroios. O estudo foi desenvolvido em três arroios do trecho superior da Bacia Hidrográfica do Rio dos Sinos. Em cada arroio foram amostrados quatro áreas sob a influência de diferentes estágios de conservação da mata ciliar, em um gradiente variando do mais preservado (30m de vegetação) ao menos preservado (<5m), sendo as áreas amostradas distantes pelo menos 1 km um dos outros. Foram coletadas amostras em duas estações (inverno - agosto/2010 e verão - janeiro/fevereiro/2011), para análise de variáveis abióticas e biológicas. Os dados obtidos foram tratados através de testes estatísticos do tipo, Análise de Variância Simples (ANOVA one way), Análise de Componentes Principais (ACP), Escalonamento Muldimensional Não Métrico (NMDS) e Análise de Correspondência Canônica (ACC). As análises das variáveis ambientais e bióticas indicaram que a sazonalidade é a principal determinante dos padrões de biomassa e presença ou ausência de espécies, independente do grau de preservação da mata ciliar. As classes Bacillariophyceae, Chlorophyceae e Cyanobacteria constituíram-se nos três principais grupos taxonômicos identificados, sendo que a classe Bacillariophyceae foi dominante. Na avaliação das espécies e dos grupos funcionais, apesar dos três arroios estarem localizados em regiões de cabeceira, os mesmos indicaram contaminação destes ambientes por nutrientes e matéria orgânica, classificando-os nos níveis de trofia entre meso e eutrófico. A comunidade fitoplanctônica dos arroios estudados respondeu satisfatoriamente as condições ambientais, no entanto, não foram significativamente influenciadas pelos diferentes graus de preservação da mata ripária, como era esperado. Porém a tendência de aumento da biomassa, riqueza e diversidade de espécies, e das concentrações de sólidos totais dissolvidos e condutividade, mesmo que não significativas, dão indicativos que os diferentes gradientes de preservação da mata ciliar estão influenciando a qualidade da água nos arroios estudados e consequentemente a estrutura do potamoplâncton. / Water quality in lotic and lentic systems is greatly influenced by the activities performed at their margins, influencing the structure of biological communities. This study was conducted in order to assess whether different degrees of preservation of riparian forest influence potamplankton community structure in subtropical streams. The study was conducted in three streams in the upper region of Rio dos Sinos Basin. Four sampling sites, distant 1 km from each other, with different degrees of riparian forest width, were considered, from the best (30 m) to the less preserved (5 m). Samplings were gathered for abiotic and biological analyses in summer (january/february 2011) and winter (august 2010). Statistical tests were performed Analysis of Variance ? One-way (One-way ANOVA), Principal Component Analisys (PCA), Nonmetric Multidimensional Scaling (NMDS) e Canonical Correspondence Analysis (CCA). Analysis of environmental and biotic variables indicated that seasonality was the main determinant of biomass patterns, regardless of the degree of preservation of riparian vegetation. Bacillariophyceae, Chlorophyceae and Cyanobacteria constituted the three major taxonomic groups identified, and the class Bacillariophyceae was dominant. Descriptors species and functional groups indicated contamination of these environments by nutrients and organic matter. Potamoplankton community of the studied streams responded satisfactorily to environmental conditions, although lack of significant difference among the different degrees of riparian vegetation preservation has been found. Increasing trends on biomass, richness and diversity of species, and concentrations of total solid dissolved and conductivity, might indicate that the different gradients of preservation of riparian vegetation may influence water quality in subtropical streams and therefore the potamoplankton structure.

Submitted by Angela Maria de Oliveira (amolivei@uepg.br) on 2017-08-17T13:29:56Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Thiago Bohatch.pdf: 4547554 bytes, checksum: 514d96f24519064baa1b6b147d6760a8 (MD5) / Made available in DSpace on 2017-08-17T13:29:56Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Thiago Bohatch.pdf: 4547554 bytes, checksum: 514d96f24519064baa1b6b147d6760a8 (MD5) Previous issue date: 2017-02-08 / No início do século XX, Ponta Grossa começou a crescer e a destacar-se como uma das cidades mais importantes do interior do Paraná. O desenvolvimento exigia muita água para suprir a demanda tanto da população ascendente quanto dos novos empreendimentos. Embora a cidade fosse servida por diversos arroios, sua capacidade de fornecer água era baixa. Poços e chafarizes não eram o suficiente, sendo obrigatória a busca por rios de maior volume d’água para construção de um sistema de abastecimento e esgoto. Durante todo o processo, da busca até a distribuição, o primeiro jornal da cidade, “O Progresso”, encarregava-se de informar a população sobre os trâmites legais, decisões da prefeitura, reclamações dos moradores, entre outras notícias da região. Para regrar a população, era preciso um Código de Posturas, o qual buscava impor certas normas necessárias para o convívio urbano e sobretudo, em tempos de expansão, evitar a proliferação de doenças. Contudo, os arroios sofreram os impactos da modernização, passaram a ser cada vez mais poluídos e vistos como carregadores de doenças. Seus cursos começaram então a ser canalizados com o intuito de mitigar o problema e levar o esgoto para longe da cidade. Para esta pesquisa, alguns moradores que viviam próximo aos arroios até a década de 1950 cederam entrevistas contando como era o ambiente durante a sua infância e juventude, suas lembranças sobre esses cursos d’água e como avaliam as transformações da paisagem urbana de lá para cá. / In the early 20th century, Ponta Grossa began to grow and stand out as one of the most important cities in the inland of Paraná. Development required a lot of water to supply the demand of both the rising population and the new ventures. Although the city was served by several streams, its capacity to provide water was low. Wells and fountains were not enough, being mandatory the search for rivers of greater volume of water for the construction of a system of supply and sewage. Throughout the process, from the search to the distribution, the city's first newspaper, "O Progresso", was in charge of informing the population about legal procedures, city hall decisions, residents' complaints, among other news in the region. To regulate the population, it was necessary a Code of Postures, which sought to impose certain norms necessary for the urban conviviality and above all, in times of expansion, to avoid the proliferation of diseases. However, the streams suffered the impacts of modernization, became increasingly polluted and seen as carriers of disease. Their courses then began to be channeled in order to mitigate the problem and take the sewage away from the city. For this research, some residents who lived near the streams until the 1950s gave interviews by telling how the environment was during their childhood and youth, their memories about these watercourses and how they evaluate the transformations of the urban landscape from here to here.

Classificação de fluxos contínuos de dados possui muitos desafios para a comunidade de mineração de dados quando o ambiente não é estacionário. Um dos maiores desafios para a aprendizagem em fluxos contínuos de dados está relacionado com a adaptação às mudanças de conceito, as quais ocorrem como resultado da evolução dos dados ao longo do tempo. Duas formas principais de desenvolver abordagens adaptativas são os métodos baseados em conjunto de classificadores e os algoritmos incrementais. Métodos baseados em conjunto de classificadores desempenham um papel importante devido à sua modularidade, o que proporciona uma maneira natural de se adaptar a mudanças de conceito. Os algoritmos incrementais são mais rápidos e possuem uma melhor capacidade anti-ruído do que os conjuntos de classificadores, mas têm mais restrições sobre os fluxos de dados. Assim, é um desafio combinar a flexibilidade e a adaptação de um conjunto de classificadores na presença de mudança de conceito, com a simplicidade de uso encontrada em um único classificador com aprendizado incremental. Com essa motivação, nesta dissertação, propomos um algoritmo incremental, online e probabilístico para a classificação em problemas que envolvem mudança de conceito. O algoritmo é chamado IGMN-NSE e é uma adaptação do algoritmo IGMN. As duas principais contribuições da IGMN-NSE em relação à IGMN são: melhoria de poder preditivo para tarefas de classificação e a adaptação para alcançar um bom desempenho em cenários não estacionários. Estudos extensivos em bases de dados sintéticas e do mundo real demonstram que o algoritmo proposto pode rastrear os ambientes em mudança de forma muito próxima, independentemente do tipo de mudança de conceito. / Data stream classification poses many challenges for the data mining community when the environment is non-stationary. The greatest challenge in learning classifiers from data stream relates to adaptation to the concept drifts, which occur as a result of changes in the underlying concepts. Two main ways to develop adaptive approaches are ensemble methods and incremental algorithms. Ensemble method plays an important role due to its modularity, which provides a natural way of adapting to change. Incremental algorithms are faster and have better anti-noise capacity than ensemble algorithms, but have more restrictions on concept drifting data streams. Thus, it is a challenge to combine the flexibility and adaptation of an ensemble classifier in the presence of concept drift, with the simplicity of use found in a single classifier with incremental learning. With this motivation, in this dissertation we propose an incremental, online and probabilistic algorithm for classification as an effort of tackling concept drifting. The algorithm is called IGMN-NSE and is an adaptation of the IGMN algorithm. The two main contributions of IGMN-NSE in relation to the IGMN are: predictive power improvement for classification tasks and adaptation to achieve a good performance in non-stationary environments. Extensive studies on both synthetic and real-world data demonstrate that the proposed algorithm can track the changing environments very closely, regardless of the type of concept drift.

In the agricultural Midwest, subsurface drainage allows excess water to drain into agricultural channels, which flows into rivers and streams transporting excess nutrients downstream. The construction of an inset floodplain within agricultural channels enhances sedimentation of particulate nutrients and sediment, provides stable conditions for vegetation to establish, increases rates of microbial activity, and promotes denitrification. Sediments were collected from floodplains of two-stage channels and naturally forming floodplain benches in conventional channels to determine the effect of floodplain creation on carbon and nitrogen cycling. Denitrification rates were seasonally measured across the floodplain width using an unamended acetylene inhibition technique (DNFAIT). Composite respiration and denitrification rates were measured through sacrificial microcosms utilizing membrane inlet mass spectrometry (DNFMIMS). While the two-stage reach showed a significant increase in soil organic matter (two-way ANOVA, p < 0.001) and respiration rates (two-way ANOVA, p = 0.039), there was no effect on DNFMIMS rates (two-way ANOVA, p > 0.05). DNFAIT rates at the two-stage reach only showed an increase at locations closest to the channel (two-way ANOVA, p = 0.008). Nutrient processing rates were most dependent on local environmental conditions, particularly organic matter and sediment grain size. This suggests that site-specific conditions may dictate the impact of floodplain creation on water quality. However, because of the increase in biologically active surface area, the net effect on water quality is likely greater for the two-stage channels.

Neste trabalho a detecção de novidade é tratada como o problema de identificação de conceitos emergentes em dados que podem ser apresentados em um fluxo contínuo. Considerando a relação intrínseca entre tempo e novidade e os desafios impostos por fluxos de dados, uma nova abordagem é proposta. OLINDDA (OnLIne Novelty and Drift Detection Algorithm) vai além da classficação com uma classe e concentra-se no aprendizado contínuo não-supervisionado de novos conceitos. Tendo aprendido uma descrição inicial de um conceito normal, prossegue à análise de novos dados, tratando-os como um fluxo contínuo em que novos conceitos podem aparecer a qualquer momento. Com o uso de técnicas de agrupamento, OLINDDA pode empregar diversos critérios de validação para avaliar grupos em termos de sua coesão e representatividade. Grupos considerados válidos produzem conceitos que podem sofrer fusão, e cujo conhecimento é continuamente incorporado. A técnica é avaliada experimentalmente com dados artificiais e reais. O módulo de classificação com uma classe é comparado a outras técnicas de detecção de novidade, e a abordagem como um todo é analisada sob vários aspectos por meio da evolução temporal de diversas métricas. Os resultados reforçam a importância da detecção contínua de novos conceitos, assim como as dificuldades e desafios do aprendizado não-supervisionado de novos conceitos em fluxos de dados / In this work novelty detection is treated as the problem of identifying emerging concepts in data that may be presented in a continuous ow. Considering the intrinsic relationship between time and novelty and the challenges imposed by data streams, a novel approach is proposed. OLINDDA, an OnLIne Novelty and Drift Detection Algorithm, goes beyond one-class classification and focuses on the unsupervised continuous learning of novel concepts. Having learned an initial description of a normal concept, it proceeds to the analysis of new data, treating them as a continuous ow where novel concepts may appear at any time. By the use of clustering techniques, OLINDDA may employ several validation criteria to evaluate clusters in terms of their cohesiveness and representativeness. Clusters considered valid produce concepts that may be merged, and whose knowledge is continuously incorporated. The technique is experimentally evaluated with artificial and real data. The one-class classification module is compared to other novelty detection techniques, and the whole approach is analyzed from various aspects through the temporal evolution of several metrics. Results reinforce the importance of continuous detection of novel concepts, as well as the dificulties and challenges of the unsupervised learning of novel concepts in data streams

Made available in DSpace on 2014-06-11T19:30:58Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-06-04Bitstream added on 2014-06-13T18:41:18Z : No. of bitstreams: 1 krupek_ra_dr_rcla.pdf: 699780 bytes, checksum: a064995df1e9361f54c1d222e4471c1a (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / O presente trabalho teve como objetivo principal analisar a influência da heterogeneidade espaçotemporal, em diferentes escalas, sobre a distribuição de comunidades de macroalgas em uma área localizada na região centro-sul do estado do Paraná. Para ambos os estudos (espacial e temporal) seguiram-se os mesmos procedimentos amostrais. As escalas espaciais avaliadas foram: bacia de drenagem (Rio das Pedras e Rio Marrecas), mesohábitat (remanso e corredeira) e microhábitat (unidades amostrais com área de 0,05 m2), além dos níveis de sombreamento (aberto e sombreado). As amostragens foram realizadas em locais que apresentavam visível crescimento de algas. Um número igual de unidades amostrais “sem alga” também foi aleatoriamente avaliado. Dentro de cada unidade amostral foram avaliados os parâmetros bióticos (riqueza e abundância de espécies) e as variáveis ambientais locais (irradiância, velocidade da correnteza, profundidade, riqueza e diversidade do substrato). Em adição, para cada riacho, foram tomadas medidas das seguintes variáveis ambientais regionais: temperatura da água, oxigênio dissolvido, condutividade, pH e turbidez. No estudo espacial, um total de dez riachos foram avaliados por bacia de drenagem, sendo identificados 29 táxons. As diferenças entre as escalas espaciais estiveram muito mais relacionadas com características particulares de cada grupo (divisão e tipo morfológico) do que propriamente com a composição das espécies. A única distinção observada na estrutura das comunidades esteve relacionada com os diferentes níveis de sombreamento, o que evidencia a importância do regime de luz como fator determinante na distribuição espacial destes organismos. Em adição, a velocidade da correnteza também foi importante neste aspecto, já que maior desenvolvimento algal foi observada nestes ambientes. Em síntese, as características locais... / This study aimed to analyze the influence of spatial and temporal heterogeneity at different scales, the distribution of macroalgal communities in an area located in the mid-southern of Parana state. For both studies (spatial and temporal) followed the same sampling procediments. The spatial scales evaluated were: drainage basin (Pedras river and Marrecas river), mesohabitat (riffles and pools) and microhabitat (sampling units an area of 0,05 m2), beyond to shading levels (open and shaded). The sampling units were positioned in places that hat visible growth of algae. A same number of sample units “without algae” also were randomly evaluated. Within each sampling unit were evaluated biotic parameters (richness and abundance of species) and the local variables (irradiance, current velocity, depth, richness and diversity of substrate). In addition, for each stream were taken of the following regional variables: water temperature, oxygen saturation, specific conductance, pH and turbidity. In the spatial study, a total of ten streams were evaluated by drainage basin, being identified 29 taxa. The differences between the spatial scales were more related to particular characteristics of each group (division and morphological type) than properly with the species composition. The only difference observed in community structure was related to the different levels of shading, which shows the importance of light as a determining factor in the spatial distribution of these organisms. In addition, the current velocity was also important in this aspect, as greater algal development was observed in these environments. In summary, the local characteristics had the greatest influence that the regional variables in the spatial distribution of macroalgal communities evaluated. For the temporal study, one stream was monthly evaluated in each drainage basin. A total of 16 taxa were identified. Although... (Complete abstract click electronic access below)

As bacias hidrográficas são sistemas que fornecem um tipo de unidade adequada ao estudo dos ecossistemas e permitem um melhor entendimento científico dos processos naturais. Os estudos em pequenas bacias têm mostrado a dependência da composição das águas dos riachos das características dos ecossistemas terrestres adjacentes. A microbacia formada pelos córregos Águas da Prata, Macuco e São José está localizada a sudeste da cidade de São Carlos, Estado de São Paulo, com uma área de 13,9 Km2. O córrego Macuco apresenta vários represamentos, sendo os mais importantes os reservatórios Iguá, Igaraba e Iembó. Estes córregos apresentam pequena vazão e drenam solos ácidos. O solo da região é predominantemente argiloso e arenoso e a vegetação original é o cerrado. As áreas de campo antrópico estão ocupadas por culturas em geral e áreas de pastagem e criação animais. Quanto ao clima existem dois períodos: o seco e o chuvoso. O objetivo deste trabalho foi caracterizar e avaliar a qualidade da água do ponto de vista ecológico, determinar as interrelações entre os aspectos básicos da climatologia, geologia, morfometria, hidrologia e usos e ocupação do solo na microbacia hidrográfica com as variáveis físicas,químicas e biológicas das águas dos córregos e reservatórios, além de caracterizar as comunidades planctônicas dos reservatórios. Foram realizadas coletas mensais de 09/1995 a 09/1996 em 8 pontos da microbacia, sendo que três deles foram localizados nos reservatórios que foram analisados em três profundidades (superfície, meio e fundo da coluna de água). A análise das características físicas, químicas e biológicas da água dos córregos estudados indicou que não existem diferenças significativas entre os córregos Águas da Prata e Macuco. No entanto o córrego São José foi mais diferenciado, sendo este o que se mostrou mais impactado. As concentrações de oxigênio dissolvido foram baixas no córrego Macuco e no São José. Nos locais mais afetados pelos dejetos de animais foram observados altos valores de condutividade, embora os maiores valores tenham sido registrados no córrego São José, abaixo do trecho sob influência do chorume do aterro sanitário da cidade de São Carlos. Das formas de nitrogênio o amônio foi a mais abundante para toda a microbacia. As concentrações de fosfato inorgânico e fósforo total dissolvido foram baixas, indicando a provável absorção do fósforo pelo sedimento. A construção de barragens no córrego Macuco levou ao rompimento da continuidade do sistema do rio. Os três reservatórios apresentaram uma estratificação térmica acentuada durante o período de chuvas o que causou anoxia no hipolímnio. Não foram observadas diferenças significativas nas concentrações de nutrientes entre os períodos de chuva e seca, com exceção do fósforo total e o silicato reativo. O balanço de massa dos nutrientes nos reservatórios demonstrou que o reservatório Igaraba se comporta como um sistema de retenção de nutrientes enquanto os outros dois se comportam como sistemas de exportação. Nos reservatórios a comunidade fitoplanctônica foi dominada, em termos quantitativos, pelas Bacillariophyceae e pelas Chlorophyta, sendo os grupos restantes escassos. A comunidade zooplanctônica foi dominada numericamente pelos Rotifera durante todo o período de estudos. O desenvolvimento do zooplâncton como um todo correlacionou-se positivamente com o desenvolvimento do fitoplâncton. Segundo os índices de estado trófico utilizados os reservatórios se classificam como mesotróficos. Foi observado que as atividades antrópicas, especialmente o uso inadequado do solo para a agricultura, provocam erosão e carreamento de sedimentos para os corpos de água. As instalações agro-industriais contribuem para o aumento da concentração de materiais na água de escoamento, acumulando os resíduos nos riachos e alterando a qualidade da água próxima às nascentes. / Hydrographic basins provide an adequate subject for studies of ecosystems and a better understanding of natural processes. Studies of small basins revealed that the chernical composition of stream waters are strongly dependent upon the characteristics of the surrounding land ecosystems. The rnicrobasin formed by the Águas da Prata, Macuco and São José streams is located in the Southeast portion of the city of São Carlos, State of São Paulo, and covers an area of 13,9 Km2. The Macuco stream has several reservoirs, of which the Iguá, Igaraba and Iembó reservoirs are the most important ones. These streams have a low outflow volume and they run across acid soils. The soil is predominantly formed by silt and sand, and the original plant formation was the \"cerrado\", a savanna type of vegetation. The land through which these streams flow is cultivated with several different crops as well pastures for cattle. In regard to the climate, there are two different periods: one dry, lasting from April to October and another wet, from November to March. This study aims to characterize the rnicrobasin and evaluate the water quality from an ecological perspective. It is intended to correlate basic parameters of climatology, geology, morfometry and the land uses to the physical, chemical and biological characteristics of the water in the streams and reservoirs. Another objective was to characterize the planktonic communities in the three main reservoirs. The sampling were carried out monthly from September/1995 to September/1996 at 8 different stations in the rnicrobasin, including the reservoirs. At the reservoirs, sampling were made at the central point, at three different depths (surface, middle and bottom in the water column). The analysis of physical, chemical and biological characteristics of the water of the different streams indicated that there are no significant differences between the quality ofthe water ofthe Águas da Prata and Macuco streams. The São José stream, however, was quite different, since it is the one subjected to the heaviest aggression. Relatively high values of conductivity were observed at the locations most affected by animal wastes, although the highest values were registered for the São José stream, downstream from the point under the impact of the municipal landfill and leachate from the city of São Carlos. Among the nitrogen compounds, arnrnonium was the most abundant for the entire basin. Inorganic phosphate and total dissolved phosphorus concentrations were low, suggesting the adsorption of phosphorus by the sediment. The construction of dams on the Macuco stream created a discontinuity in the river system. A strong thermal stratification with anoxic hypolimnion was observed during the rainy period in all three studied reservoirs. There were no significant differences in nutrient concentration between samples taken in the dry and the wet seasons, except for the total phosphorus and reactive silicate. The mass balance for nutrients in the reservoirs indicated that the Igaraba reservo ir acts as a retention system, whereas the other two reservoirs act as exportation systems. The phytoplankton cornrnunity in the reservoirs was quantitatively dominated by Bacillariophyceae and Chlorophyta taxa, while the other groups were relatively rare. The zooplankton community was dominated by Rotifera throughout the study period. The development of the zooplankton as a whole was positively correlated to the development of phytoplankton. According to the trophic indices applied, the reservoirs can be classified as mesotrophic. It was observed that anthropogenic activities, particularly the inadequate use of soil for agriculture, cause erosion and the transportation of sediments to the water bodies. Agroindustrial businesses contribute to a higher concentration of materiaIs in runoff waters, causing waste accumulation in the streams and altering the quality of the water in a short distance from the springs.

Algoritmos de aprendizado de máquina são amplamente empregados na indução de modelos para descoberta de conhecimento em conjuntos de dados. Como grande parte desses algoritmos assume que os dados são gerados por uma função de distribuição estacionária, um modelo é induzido uma única vez e usado indefinidamente para a predição do rótulo de novos dados. Entretanto, atualmente, diversas aplicações, como gerenciamento de transportes e monitoramento por redes de sensores, geram fluxos contínuos de dados que podem mudar ao longo do tempo. Consequentemente, a eficácia do algoritmo escolhido para esses problemas pode se deteriorar ou outros algoritmos podem se tornar mais apropriados para as características dos novos dados. Nesta tese é proposto um método baseado em meta-aprendizado para gerenciar o processo de aprendizado em ambientes dinâmicos de fluxos contínuos de dados com o objetivo de melhorar o desempenho preditivo do sistema de aprendizado. Esse método, denominado MetaStream, seleciona regularmente o algoritmo mais promissor para os dados que estão chegando, de acordo com as características desses dados e de experiências passadas. O método proposto emprega técnicas de aprendizado de máquina para gerar o meta-conhecimento, que relaciona as características extraídas dos dados em diferentes instantes do tempo ao desempenho preditivo dos algoritmos. Entre as medidas usadas para extrair informação relevante dos dados, estão aquelas comumente empregadas em meta-aprendizado convencional com diferentes conjuntos de dados, que são adaptadas para as especificidades do cenário de fluxos, e de áreas correlatas, que consideram, por exemplo, a ordem de chegada dos dados. O MetaStream é avaliado para três conjuntos de dados reais e seis algoritmos de aprendizado diferentes. Os resultados mostram a aplicabilidade do MetaStream e sua capacidade de melhorar o desempenho preditivo geral do sistema de aprendizado em relação a um método de referência para a maioria dos problemas investigados. Deve ser observado que uma combinação de modelos mostrou-se superior ao MetaStream para dois conjuntos de dados. Assim, foram analisados os principais fatores que podem ter influenciado nos resultados observados e são indicadas possíveis melhorias do método proposto / Machine learning algorithms are widely employed to induce models for knowledge discovery in databases. Since most of these algorithms suppose that the underlying distribution of the data is stationary, a model is induced only once e it is applied to predict the label of new data indefinitely. However, currently, many real applications, such as transportation management systems and monitoring of sensor networks, generate data streams that can change over time. Consequently, the effectiveness of the algorithm chosen for these problems may deteriorate or other algorithms may become more suitable for the new data characteristics. This thesis proposes a metalearning based method for the management of the learning process in dynamic environments of data streams aiming to improve the general predictive performance of the learning system. This method, named MetaStream, regularly selects the most promising algorithm for arriving data according to its characteristics and past experiences. The proposed method employs machine learning techniques to generate metaknowledge, which relates the characteristics extracted from data in different time points to the predictive performance of the algorithms. Among the measures applied to extract relevant information are those commonly used in conventional metalearning for different data sets, which are adapted for the data stream particularities, and from other related areas that consider the order of the data stream. We evaluate MetaStream for three real data stream problems and six different learning algorithms. The results show the applicability of the MetaStream and its capability to improve the general predictive performance of the learning system compared to a baseline method for the majority of the cases investigated. It must be observed that an ensemble of models is usually superior to MetaStream. Thus, we analyzed the main factors that may have influenced the results and indicate possible improvements for the proposed method