Navegando por Assunto "Artificial neural networks"

Agora exibindo 1 - 20 de 25

Acesso aberto (Open Access)
Algoritmos para seleção de metodologias de avaliação de softwares educacionais
(Universidade Federal do Pará, 2023-09-26) CASTILHO, Janize Monteiro de; FARIAS, Fabricio de Souza; http://lattes.cnpq.br/1521079293982268; https://orcid.org/0000-0003-4344-6953
Com o propósito de auxiliar nos processos de ensino-aprendizagem, muitos professores têm decidido utilizar Software Educacional (SE) em suas aulas. No entanto, para escolher um SE como recurso didático é fundamental avaliar a metodologia empregada pelo professor, uma vez que esta precisa ser pedagogicamente e funcionalmente apropriada para suprir as necessidades e objetivos presentes em sala de aula. Além disso, é necessário fazer uso de mecanismos que avaliem o SE para verificar sua adequação aos objetivos do professor. Atualmente, verifica-se que existem diversas técnicas e metodologias disponíveis na literatura para avaliação de SE, no entanto ainda não há uma solução para tomada de decisão e escolha de um SE que atenda plenamente os perfis de usuários e suas diferentes necessidades a serem atendidas por determinada aplicação metodológica, o que gera a demanda oriunda do desenvolvimento de soluções feitas sob demanda e com baixa capacidade de generalização em termos de aplicação prática. Desta forma, são disponibilizadas soluções sem padronização e que diversas vezes não levam em consideração critérios relativos à qualidade, escalas de mensuração e procedimentos de verificação do SE. Essa heterogeneidade dificulta muito a avaliação de um SE, uma vez que a subjetividade na escolha da metodologia de avaliação de SE pode produzir resultados inconclusivos. Diante deste contexto, esse trabalho criou um modelo de qualidade que considera 24 metodologias de avaliação de SE disponíveis na literatura e objetiva automatizar a escolha da metodologia de avaliação de SE a partir da aplicação de algoritmos de inteligência artificial (IA), reduzindo a possibilidade de subjetividade no processo de escolha. Durante a investigação foram utilizados processamento de linguagem natural (PLN), Random Forest, k-Nearest Neighbors e Redes Neurais Artificiais. Em todos os cenários de pesquisa, o processamento de linguagem natural foi combinado com os demais algoritmos, oferecendo uma solução baseada na aplicação de algoritmos de IA híbridos e fracamente acoplados, com vistas na melhoria dos resultados. Deste modo, sendo realizadas simulações considerando PLN+Random Forest, PLN+k-Nearest Neighbors e PLN+Redes Neurais Artificiais. Após as simulações, os resultados indicam que é possível determinar a melhor metodologia de avaliação de SE utilizando algoritmos de IA, sendo obtido os melhores resultados com a combinação de PLN+Random Forest.
Acesso aberto (Open Access)
Avaliação de modelos de inteligência artificial híbridos na estimativa de precipitações
(Universidade Federal do Pará, 2022-03-18) GOMES, Evanice Pinheiro; BLANCO, Claudio José Cavalcante; http://lattes.cnpq.br/8319326553139808
As análises hidrológicas realizadas a partir das precipitações na Amazônia são essenciais devido a sua importância na regulação do clima, na circulação atmosférica regional e global. No entanto, nesta região, existem limitações relacionadas a séries de dados com períodos curtos e muitas falhas, sobretudo na escala diária. Apesar dos avanços significativos em ciência e tecnologia, previsões práticas e precisas tem sido uma grande preocupação, devido a sua complexidade. Portanto, vários modelos conceituais, empíricos ou híbridos vêm sendo testados para estimativas de chuva com maior precisão. Dentre os modelos empíricos, os que incorporam métodos de inteligência artificial (IA) são abordagens potencialmente úteis para simular o processo de precipitação. As Redes Neurais Artificiais (RNA), como modelos de IA, são capazes de estabelecer uma relação entre entradas históricas (chuva, vazão, etc.) e as saídas desejadas, através de função não linear composta de vários fatores que são ajustados aos dados observados, permitindo sua estimativa. Assim, para melhorar as análises de precipitações, foi desenvolvido modelos híbridos, envolvendo Rede Neural Artificial (RNA) do tipo com Retardo de Tempo (TDNN), rede ELMAN, rede de Base Radial (RBF) e Sistema de Inferência Neuro-Fuzzy Adaptativo (ANFIS), acoplado com Wavelet Discreta de Máxima Sobreposição (MODWT). Adotaram-se 6 estações pluviométricas, que estão localizados em diferentes biomas da região, e dados de satélite (CMORPH). Os dados de chuva foram avaliados por períodos sazonais (chuvoso e menos chuvoso). Os resultados obtidos demostraram que o modelo MODWT-ANFIS teve a melhor capacidade em simular as precipitações diárias das estações pluviométricas avaliadas, mesmo para períodos menos chuvoso, que são sabidamente mais difíceis de serem simulados em relação aos períodos chuvosos. Nesse caso, as entradas de dados defasadas para 4 dias e 5 dias apresentaram melhor desempenho, com valores de Nash próximos a 1,0 e erros médios quadráticos inferiores a 0,001.
Acesso aberto (Open Access)
. Clusterização, classificação e predição de “pré-efeito anódico” de cuba eletrolítica de alumínio primário
(Universidade Federal do Pará, 2020-08-21) CONTE, Bruno Nicolau Magalhães de Souza; OLIVEIRA, Roberto Célio Limão de; http://lattes.cnpq.br/4497607460894318
O setor industrial é um dos principais responsáveis pela grave situação ambiental do planeta e também por crescentes exigências legais, com relação aos resíduos gerados. Em contrapartida, muitas empresas têm reagido pró ativamente, a partir da implantação de estratégias de gestão como: produção limpa, certificação ambiental, redução de resíduos tóxicos, reciclagem, consumo sustentável e reuso, principalmente. É oportuno ressaltar, que o processo de redução de alumínio é responsável por uma grande quantidade de emissão de gases causadores do efeito estufa e, assim, promove impactos ambientais e alterações climáticas graves. Durante o processo de redução de alumínio, a ocorrência do efeito anódico provoca um aumento extremo na tensão da cuba e, consequentemente, uma elevação na temperatura do banho, com temperaturas altíssimas, resultado em um distúrbio térmico, com a possibilidade de ocorrer o derretimento da camada isolante da cuba e as consequências finais são a perda de produção em toda a linha de cubas, sua vida útil diminuída e a produção de gases PFCs. Buscando uma estratégia apoiada na sustentabilidade, tento em vista a problemática do agravamento do Efeito Estufa, o aumento extremo na tensão do forno e, consequentemente, a perda de produção em toda a linha de cubas, este trabalho propõe o uso de uma Rede Neural Artificial junto com algoritmos de Clusterização para criar automaticamente os rótulos de pré-Efeito anódico, e assim, predizer o comportamento dinâmico não-linear da ocorrência do pré-efeito anódico do forno da indústria de redução de alumínio primário, com base em dados reais das cubas eletrolíticas. Com a utilização desses modelos de Machine Learning pode-se prever a ocorrência do pré-efeito anódico permitindo que os operadores de processos tomem medida mitigadoras de supressão do efeito anódico, evitando a perda da produção do alumino na cuba e diminuindo a emissão de gases do efeito estufa.
Acesso aberto (Open Access)
Comparação entre regressão linear, redes neurais artificiais e árvores de regressão para quantificação do impacto harmônico de múltiplas cargas em redes elétricas de distribuição.
(Universidade Federal do Pará, 2018-11-19) PAIXÃO JÚNIOR, Ulisses Carvalho; TOSTES, Maria Emília de Lima; http://lattes.cnpq.br/4197618044519148
Nos últimos anos, o desenvolvimento socioeconômico da população, o crescimento dos setores comercial e industrial, assim como a instalação cada vez mais crescente de novas cargas, têm gerado grande evolução na demanda do consumo de energia elétrica. Por sua vez, buscando obter sistemas mais eficientes, os fabricantes têm produzido equipamentos energeticamente mais eficientes para utilização residencial, comercial e industrial. No entanto, essas cargas, devido à sua não linearidade, têm contribuído significativamente para o aumento dos níveis de distorção harmônica de tensão e corrente, elevando a preocupação dos gestores do setor elétrico quanto a qualidade de energia elétrica (QEE), principalmente, pela dificuldade na identificação da origem da distorção harmônica. Logo, visando antecipar os efeitos harmônicos e atender a regulamentação vigente, por meio de técnicas computacionais, no presente trabalho dá-se ênfase no ponto de acoplamento comum (PAC), independente das características de consumo e cargas, com o intuito de avaliar os impactos harmônicos em sua rede, além de comparar o nível de confiabilidade das técnicas por meio do erro absoluto médio (EAM). A metodologia proposta utiliza o software de Sistema de Qualidade de Energia Elétrica (SISQEE) que possibilita a utilização de três técnicas computacionais distintas, sendo Regressão Linear, Redes Neurais Artificiais e Árvores de Regressão, para avaliar a contribuição harmônica de cada alimentador no ponto de interesse das redes elétricas escolhidas. Para comprovar a validade da metodologia, são elaborados dois estudos de caso baseadas em medições reais em uma universidade e em um polo industrial. As medições foram realizadas com o período mínimo amostral de sete dias através de analisadores de QEE, conforme procedimentos de distribuição da ANEEL (PRODIST). Como resultado da QEE, verificou-se o quanto cada alimentador impacta a distorção de tensão e corrente no PAC, além de classificar os alimentadores com relação a seu respectivo impacto na rede elétrica estudada. Também como resultado, os estudos propiciaram a avaliação de desempenho entre as diferentes técnicas, com diferentes intervalos de tempo (semanal, diário e por patamar de carga), permitindo classificar o comportamento e a confiabilidade de cada técnica em cada período. Como conclusão do trabalho, os métodos propostos e as análises apresentadas dão subsídios aos gestores para efetuar uma ação mitigadora mais eficiente dos impactos harmônicos causados na rede elétrica e, também, identificar as diferenças entre as técnicas e seu grau de confiabilidade, de acordo com os intervalos temporais estudados.
Acesso aberto (Open Access)
Estimação da porcentagem de flúor em alumina fluoretada proveniente de uma planta de tratamento de gases por meio de um sensor virtual neural
(Universidade Federal do Pará, 2011-06-22) SOUZA, Alan Marcel Fernandes de; OLIVEIRA, Roberto Célio Limão de; http://lattes.cnpq.br/4497607460894318; AFFONSO, Carolina de Mattos; http://lattes.cnpq.br/2228901515752720
As indústrias têm buscado constantemente reduzir gastos operacionais, visando o aumento do lucro e da competitividade. Para alcançar essa meta, são necessários, dentre outros fatores, o projeto e a implantação de novas ferramentas que permitam o acesso às informações relevantes do processo de forma precisa, eficiente e barata. Os sensores virtuais têm sido aplicados cada vez mais nas indústrias. Por ser flexível, ele pode ser adaptado a qualquer tipo de medição, promovendo uma redução de custos operacionais sem comprometer, e em alguns casos até melhorar, a qualidade da informação gerada. Como estão totalmente baseados em software, não estão sujeitos a danos físicos como os sensores reais, além de permitirem uma melhor adaptação a ambientes hostis e de difícil acesso. A razão do sucesso destes tipos de sensores é a utilização de técnicas de inteligência computacional, as quais têm sido usadas na modelagem de vários processos não lineares altamente complexos. Este trabalho tem como objetivo estimar a qualidade da alumina fluoretada proveniente de uma Planta de Tratamento de Gases (PTG), a qual é resultado da adsorção de gases poluentes em alumina virgem, via sensor virtual. O modelo que emula o comportamento de um sensor de qualidade de alumina foi criado através da técnica de inteligência computacional conhecida como Rede Neural Artificial. As motivações deste trabalho consistem em: realizar simulações virtuais, sem comprometer o funcionamento da PTG; tomar decisões mais precisas e não baseada somente na experiência do operador; diagnosticar potenciais problemas, antes que esses interfiram na qualidade da alumina fluoretada; manter o funcionamento do forno de redução de alumínio dentro da normalidade, pois a produção de alumina de baixa qualidade afeta a reação de quebra da molécula que contém este metal. Os benefícios que este projeto trará consistem em: aumentar a eficiência da PTG, produzindo alumina fluoretada de alta qualidade e emitindo menos gases poluentes na atmosfera, além de aumentar o tempo de vida útil do forno de redução.
Acesso aberto (Open Access)
Estimação das parcelas de contribuição de cargas não lineares na distorção harmônica de tensão de um barramento de interesse do sistema elétrico de potência utilizando rede neural artificial
(Universidade Federal do Pará, 2019-09-06) MANITO, Allan Rodrigo Arrifano; TOSTES, Maria Emília de Lima; http://lattes.cnpq.br/4197618044519148; BEZERRA, Ubiratan Holanda; http://lattes.cnpq.br/6542769654042813
Apresenta-se neste trabalho uma metodologia para estimar a contribuição de cargas não lineares na distorção harmônica de tensão de um barramento de interesse do sistema elétrico de potência. A estimação é realizada através da construção de um modelo com base em redes neurais artificiais (RNA) juntamente com uma análise de sensibilidade nos neurônios de entrada da rede neural. A entrada do modelo neural é constituída pelas correntes harmônicas provenientes das cargas não lineares que compõem o sistema estudado, e a saída da RNA corresponde aos valores de tensão harmônica no barramento sob estudo, para a mesma frequência harmônica. O estudo é realizado para cada ordem harmônica individualmente e os dados necessários para a construção do modelo bem como para validação dos resultados são obtidos a partir de campanhas de medição sincronizadas e por meio de simulação computacional, através de estudos de fluxo de carga harmônico. A partir de comparações dos resultados de referência via simulação computacional com os resultados obtidos via modelo neural, é observado que a metodologia desenvolvida é capaz de classificar corretamente o grau de impacto de cargas não lineares na distorção de tensão em uma barra de interesse do sistema elétrico. Adicionalmente, é demonstrada a eficácia da metodologia em dois sistemas reais a fim de verificar o bom desempenho desta metodologia diante de dados reais obtidos durante campanhas de medição.
Acesso aberto (Open Access)
Um framework para a previsão de cenários com o uso de sistemas híbridos neurogenéticos para compra e venda de energia elétrica no mercado futuro
(Universidade Federal do Pará, 2012-05-04) CONDE, Guilherme Augusto Barros; FRANCÊS, Carlos Renato Lisboa; http://lattes.cnpq.br/7458287841862567
No contexto da previsão de séries temporais, é grande o interesse em estudos de métodos de previsão de séries temporais que consigam identificar as estruturas e padrões existentes nos dados históricos, possibilitando gerar os próximos padrões da série. A proposta defendida nesta tese é a de desenvolvimento de um framework que utilize ao máximo as potencialidades das técnicas de previsão (redes neurais artificiais) com as técnicas de otimização (algoritmos genéticos) em um sistema híbrido intercomunicativo que aproveite bem as vantagens de cada uma dessas técnicas para a geração de cenários futuros que possam mostrar, além das previsões normais com base nos valores históricos, percursos alternativos das curvas das séries temporais analisadas.
Acesso aberto (Open Access)
Handoff de espectro em redes baseadas em rádio cognitivo utilizando redes neurais artificiais
(Universidade Federal do Pará, 2011-02-03) BALIEIRO, Andson Marreiros; COSTA JÚNIOR, Carlos Tavares da; http://lattes.cnpq.br/6328549183075122
Hoje, o espectro de rádio é um dos mais importantes recursos naturais no mundo. Segundo relatórios da FCC (do inglês, Federal Communications Commission), as bandas licenciadas, apesar de abundantes, são pobremente utilizadas. A tecnologia de rádio cognitivo visa melhorar a eficiência espectral através do acesso oportunista ao espectro. Permite que novas aplicações baseadas em comunicação sem fio sejam suportadas, sem interferir na comunicação licenciada e buscando garantir a qualidade de serviço das aplicações que a utilizam. Neste âmbito, o handoff de espectro é um dos requisitos essenciais e críticos na adoção desta tecnologia. Este trabalho realiza uma discussão da tecnologia de rádio cognitivo, propõe e avalia uma estratégia proativa para handoff de espectro em redes baseadas em rádio cognitivo utilizando Redes Neurais Artificiais. O desempenho da proposta em termos de nível de interferência ao usuário primário, número de handoffs de espectro realizado pelo usuário secundário e utilização espectral, é comparado com o obtido por um esquema reativo. Diferentemente de outras propostas que se baseiam em modelos estocásticos pré-definidos, utilizaram-se medidas reais de sensoriamento disponibilizados pelo IEEE Dyspan 2008 para avaliar a proposta. Resultados numéricos mostram a superioridade do esquema proposto.
Acesso aberto (Open Access)
Identificação de fácies em perfis com rede neural direta
(Universidade Federal do Pará, 2015) GOMES, Kivia do Carmo Palheta; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926
A aplicação das técnicas de testemunhagem é, normalmente, realizada em um número restrito dos poços verticais perfurados em um campo, fazendo com que as descrições das fácies, pela análise de testemunhos, tornem-se rarefeitas e consequentemente não permitindo uma caracterização realista dos reservatórios. O aumento da produção de hidrocarbonetos em um campo petrolífero é de extrema importância para a indústria do petróleo e profundamente dependente do conhecimento dos reservatórios em função das suas propriedades petrofísicas, que variam em função das fácies geológicas. Uma melhor descrição das fácies pode refletir em estimativas de volumes de hidrocarboneto mais realistas. Neste trabalho é apresentado um algoritmo inteligente capaz de produzir o transporte da informação das fácies produzida pela análise do testemunho para os poços perfilados e não testemunhados de um campo petrolífero, através do projeto de uma rede neural direta treinada para realizar um mapeamento da informação geológica em termos das propriedades físicas registradas nos perfis. O algoritmo inteligente processa o resultado produzido pela rede neural através de um filtro de coerência de profundidade para indicar os limites das camadas ao longo da trajetória do poço. Para os casos aqui avaliados a algoritmo inteligente apresentou resultados compatíveis com a análise de testemunho e de forma completamente independente da dimensão do conjunto de treinamento.
Acesso aberto (Open Access)
Implementação de modelos computacionais na predição temporal e espaço-temporal de parâmetros de qualidade de água
(Universidade Federal do Pará, 2021-12-14) ALMEIDA, Anderson Francisco de Sousa; MERLIN, Bruno; http://lattes.cnpq.br/7336467549495208; HTTPS://ORCID.ORG/0000-0001-7327-9960; GONZÁLEZ, Marcos Tulio Amaris; http://lattes.cnpq.br/9970287865377659
A qualidade da água esta diretamente relacionada com o nível de poluição causada pelas acoes antrópicas e industrias, destacando-se como consequência a redução da disponibilidade de uma água de qualidade. Por isso, são realizados os monitoramentos limnológicos dos parâmetros básicos da qualidade da água como forma de obtenção de dados que norteiam as tomadas de decisão dos órgãos de recursos hídricos. Neste contexto, o presente estudo tem a implementação de algoritmos de aprendizado de maquina para predizer de modo temporal e espaço-temporal os dados dos parâmetros da qualidade da água. As técnicas de aprendizado de maquina usadas foram regressão linear, ramdom forest, redes neurais MLP e L STM. Foram usados dois pontos de coletas de uma Unidade Gerenciamento de Recursos Hídricos em São Paulo, Brasil. Os modelos são avaliados atraves de métricas MAPE ( Erro percentual médio absoluto) e RMSE( Erro raiz quadrada média). Portanto, na predição temporal a técnica LSTM apresentou o melhor desempenho em relação as demais técnicas, pois tem menor resultado de RMSE médio, com 2,47. Porem, na predição espaço-temporal, o MLP tem os melhores desempenhos tanto em relação as demais técnicas quanto aos dados utilizados, pois tem menores resultados médios de MAPE e RMPE, respectivamente, 5,94% e 1,34. Desse modo, estes desempenhos neurais podem ser justificados pela não linearidade dos dados parâmetros. Além disso, os resultados dos experimentos visam contribuir com os processos de monitoramento da qualidade da água e auxiliar o planejamento da gestão hídrica de modo que atenda as legislações vigentes e possibilite a indicação de politicas publicas atraves de modelos de aprendizado de maquina na predição dos parâmetros de qualidade de água.
Acesso aberto (Open Access)
Localização de falhas em linhas de transmissão utilizando decomposição harmônica e redes neurais artificiais
(Universidade Federal do Pará, 2006-07-05) GOMES, Cristiane Ruiz; VIEIRA JÚNIOR, Petrônio; http://lattes.cnpq.br/1958791286192330
Este trabalho propõe a utilização de uma nova metodologia para a localização de falhas em linhas de transmissão (LT). Esta metodologia consiste na utilização da decomposição harmônica da corrente de fuga de uma linha e na aplicação de uma Rede Neural Artificial (RNA) capaz de distinguir padrões da condição normal de funcionamento e padrões de situações de falhas de uma LT. Foi utilizado um modelo Pi capaz de absorver dados reais de tensão e corrente de três fases e de alterar valores de R, L e C segundo modificações ambientais. Neste modelo foram geradas falhas em todas as torres com diferentes valores de capacitância. A saída fornecida pelo modelo é a decomposição da corrente de fuga do trecho considerado. Os dados de entrada e saída do modelo foram utilizados no treinamento da RNA desenvolvida. A aquisição de dados reais de tensão e corrente foi feita através de analisadores de parâmetros de qualidade de energia elétrica instalados nas extremidades de um trecho de LT, Guamá-Utinga, pertencente à Centrais Elétricas do Norte do Brasil ELETRONORTE. O cálculo dos parâmetros construtivos foi feito através do método matricial e melhorado através da utilização do Método de Elementos Finitos (MEF). A RNA foi desenvolvida com o auxílio do software Matlab. Para treinamento da RNA foi utilizado o algoritmo de Retropropagação Resiliente que apresentou um bom desempenho. A RNA foi treinada com dois conjuntos de dados de treinamento para analisar possíveis diferenças entre as saídas fornecidas pelos dois grupos. Nos dois casos apresentou resultados satisfatórios, possibilitando a localização de falhas no trecho considerado.
Acesso aberto (Open Access)
Metodologia baseada em modelo teórico para avaliação do estado operativo de linha de transmissão
(Universidade Federal do Pará, 2015-05-15) NEGRÃO, Martin Max Luis de Castro; BARREIROS, José Augusto Lima; http://lattes.cnpq.br/1246564618922453; VIEIRA JÚNIOR, Petrônio; http://lattes.cnpq.br/1958791286192330
Convencionalmente a monitoração das condições de funcionamento de uma linha de transmissão de energia e' realizada através de inspeções periódicas ao longo desta linha. Esta monitoração permite a manutenção corretiva pela constatação de falhas durante a inspeção. Uma manutenção mais eficiente deve empregar técnicas preditivas que se caracterizam pela monitoração em tempo real. As técnicas preditivas verificam o estado de funcionamento empregando modelos de funcionamento normal para a detecção de falhas e modelos de falha para a determinação e o diagnóstico a ser empregado no PDI (Fault Detection and Isolation). Por isso foi desenvolvido um modelo matemático adequado para ser aplicado em manutenção preditiva de trechos de linhas de transmissão a baixo custo, sem necessidade de sensores distribuídos ao longo da linha. Este modelo permite o emprego da metodologia de detecção de falhas (PDI) através do acompanhamento da corrente de fuga de linhas de transmissão. 0 emprego do modelo permite também a obtenção de um novo indicador da condição normal e anormal de funcionamento de uma linha de transmissão que e' a capacitância das freqüências harmônicas. A metodologia foi validada através de medidas obtidas em um trecho de linha de transmissão, e a utilização de uma rede neural artificial desenvolvida para a classificação do estado de funcionamento da Linha de Transmissão.
Acesso aberto (Open Access)
Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais
(Universidade Federal do Pará, 2018-02-27) CRUZ, Hugo Alexandre Oliveira da; CAVALCANTE, Gervásio Protásio dos Santos; http://lattes.cnpq.br/2265948982068382
Esta dissertação apresenta uma metodologia que visa auxiliar o planejamento de sistemas de redes sem fio indoor, que requerem o conhecimento prévio dos ambientes nos quais serão implantados. Assim, é necessário precisão na análise do sinal por meio de uma abordagem empírica estatística, que leva em consideração alguns fatores que influenciam na propagação do sinal indoor: arquitetura dos prédios; disposição de móveis no interior dos compartimentos; números de paredes e pisos de diversos materiais, além do espalhamento das ondas de rádio. A metodologia adotada é baseada em medições com uma abordagem cross-layer, que demonstra o impacto da camada física em relação à camada de aplicação, com o objetivo de prever o comportamento da métrica de Qualidade de Experiência (QoE), chamada de Peak signal-to-noise ratio (PSNR), em transmissões de vídeo em 4k em redes sem fio 802.11ac, no ambiente indoor. Para tanto, foram realizadas medições, que demonstram como o sinal/vídeo se degrada no ambiente estudado, sendo possível modelar esta degradação por meio de uma técnica de inteligência computacional, chamada Redes Neurais Artificiais (RNA), na qual são inseridos parâmetros de entrada como, por exemplo, a distância do transmissor ao receptor e o número de paredes atravessadas a fim de predizer perda de propagação e perda de PSNR. Para avaliar a capacidade de predição dos métodos propostos, foram obtidos os valores dos erros Root Mean Sqare (RMS) entre os dados medidos e os preditos, pelo os métodos de predição perda de propagação e perda de PSNR, sendo os valores respectivos 2,17 dB e 2,81 dB.
Acesso aberto (Open Access)
Metodologia integrada utilizando sensoriamento remoto em redes neurais artificiais na quantificação do potencial de biomassa florestal na Amazônia
(Universidade Federal do Pará, 2008-04-08) ALMEIDA, Arthur da Costa; ROCHA, Brigida Ramati Pereira da; http://lattes.cnpq.br/9943372249006341
Reconhecimento e classificação de padrões em imagens digitais é uma habilidade importante nos dias atuais, pois permite reconhecer e identificar objetos de interesse nessas imagens. Este trabalho propõe e implementa uma metodologia integrada de reconhecimento de padrões relacionados com biomassa na floresta amazônica, com o objetivo de extrair daí informações sobre potencial energético dessa biomassa para fins de utilização como combustível primário para produção de energia elétrica para eventual uso em comunidades isoladas da Amazônia. Para isso combina informações de inventário florestal obtidas em campo com classificação e reconhecimento de padrões de biomassa em imagens de satélite de média resolução (LANDSAT, CBERS). A técnica utilizada para isso vem da área de inteligência computacional: as redes neurais artificiais com arquitetura de Funções de Base Radial (RBF) e do tipo Mapa Auto-Organizável (SOM) de Kohonen. Os resultados são combinados em um Sistema de Informações Geográficas gerando um banco de dados para uso em planejamento energético com recursos renováveis, aplicáveis às áreas isoladas da Amazônia.
Acesso aberto (Open Access)
Metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda utilizando algorítmos genéticos e redes neurais artificiais
(Universidade Federal do Pará, 2016-12-16) BARROS, Fabíola Graziela Noronha; NUNES, Marcus Vinícius Alves; http://lattes.cnpq.br/9533143193581447; BEZERRA, Ubiratan Holanda; http://lattes.cnpq.br/6542769654042813
O presente trabalho propõe uma metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda em sistemas de energia, utilizando algoritmos genéticos (AG) e redes neurais artificiais (RNA). O algoritmo genético é utilizado para selecionar e preservar os pontos que melhor caracterizam os contornos da forma de onda e a rede neural artificial é utilizada na compressão dos demais pontos bem como no processo de reconstrução do sinal. Assim, os dados resultantes são formados por uma parte do sinal original e pela parte complementar comprimida sob a forma de pesos sinápticos. A metodologia proposta seleciona e preserva um percentual de amostras do sinal original, que são aspectos não explorados na literatura. A metodologia foi testada usando dados reais obtidos a partir de um oscilógrafo instalado em um sistema de energiaelétrica de 230 kV. Os resultados apresentam taxas de compressão que variam de 88,36% a 95,86%* para taxas de preservação de pontos do sinal original que variam de 2,5% a 10% respectivamente.
Acesso aberto (Open Access)
Modelagem neural da resistência elétrica dos fornos de redução do alumínio
(Universidade Federal do Pará, 2015-10-16) CONTE, Thiago Nicolau Magalhães de Souza; OLIVEIRA, Roberto Célio Limão de; http://lattes.cnpq.br/4497607460894318
Este trabalho avalia dois tipos de Redes Neurais Artificiais na tarefa de modelar dinamicamente o comportamento da resistência elétrica de um forno de redução de alumínio primário. A proposta é utilizar Redes Neurais Multicamada Diretas (RNMD) e Redes Neurais Recorrentes (RNR) para modelar a resistência elétrica do forno. Para cada uma destas Redes Neurais é explorado a sua capacidade de modelar sistemas dinâmicos, seja variando o número de camadas de neurônios, bem como o número de neurônios em cada camada, variando também os sinais de entrada da rede neural, etc. Os dados a serem utilizados na modelagem são oriundos de uma fábrica brasileira de alumínio primário. Esta modelagem pode ser usada para controlar a distância (subir ou descer) entre os eletrodos anodos e catodos do forno de redução que são constituídos principalmente por materiais carbonáceos. Desta forma o sistema de controle possui a tarefa de manter o valor de resistência dentro de faixas aceitáveis de operação procurando sempre garantir estabilidade térmica e consequentemente a produção do alumínio primário, com alto teor de pureza, com base em dados disponíveis online no sistema de controle da fábrica. Através desses eletrodos são injetadas correntes elétricas continuas que, além da eletrólise em si, provocam o aquecimento do banho eletrolítico, elevando a sua temperatura para uma faixa acima de 960 °C. A motivação para o trabalho está na alta complexibilidade do processo de redução do alumínio primário, cuja natureza é não-linear e o mesmo sofre influência de diversas variáveis diretamente ligadas a dinâmica do processo, muitas vezes imperceptíveis aos engenheiros de processo da fábrica, mas que podem ser percebidas por meio das técnicas de inteligência computacional refletindo aproximadamente as diferentes condições operacionais do sistema real.
Acesso aberto (Open Access)
Modelo de previsão hidrológica utilizando redes neurais artificiais: um estudo de caso na bacia do Rio Xingu- Altamira-Pa
(Universidade Federal do Pará, 2019-10-10) SILVA, Arilson Galdino da; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
O conhecimento acerca da amplitude do transbordamento dos leitos fluviais é extremamente necessário para determinação das áreas de risco. A cidade de Altamira-PA, localizada às margens do rio Xingu, vem sofrendo com casos extremos de cheias que tendem a provocar inundações, resultando em severos prejuízos para a sua população. Considerando o problema, este trabalho apresenta a proposta de um sistema de previsão de nível mensal do Rio Xingu baseado em Redes Neurais Artificiais Perceptron de Múltiplas Camadas. Para o desenvolvimento do sistema foram utilizados dados de precipitação na bacia e sub-bacias do Rio Xingu, e informações de Temperatura da Superfície do Mar (TSM) do período de 1979 a 2016. Os resultados satisfatórios obtidos demonstram a grande aplicabilidade das Redes Neurais Artificiais para o problema de previsão de cheias, visto que comparada a outras metodologias possuem maior precisão na busca de soluções para problemas não lineares. Para o tratamento e seleção das variáveis de entrada foi utilizada a abordagem de correlação, com o objetivo de melhorar a acurácia dos resultados, selecionando, assim, as melhores informações com suas respectivas defasagens, na qual são inseridas em três cenários de predição: modelo com dados de precipitação, modelo com informações de temperatura da superfície do mar e aplicação utilizando a junção de TSM com precipitação. Para mensurar a capacidade de predição dos métodos propostos, foram obtidos os valores Mean Square Error (MSE) e coeficiente de determinação (R²), para a melhor estratégia, empregando somente variáveis oceânicas, TSM, sendo respectivamente os valores 2,99x104 e 0,9991 considerando, principalmente, o tratamento dos valores de entrada da Rede Neural.
Acesso aberto (Open Access)
Modelo híbrido baseado em séries temporais e redes neurais para previsão da geração de energia eólica
(Universidade Federal do Pará, 2018-08-30) ALENCAR, David Barbosa de; OLIVEIRA, Roberto Célio Limão de; http://lattes.cnpq.br/4497607460894318; AFFONSO, Carolina de Mattos; http://lattes.cnpq.br/2228901515752720
A geração de energia elétrica através de turbinas eólicas é uma das alternativas praticamente inesgotáveis de geração de energia elétrica. Ela é considerada uma fonte de energia limpa, porém ainda necessita de muita pesquisa para desenvolvimento de ciência e tecnologias que assegurem uma uniformidade na geração, propiciando uma maior participação desta fonte na matriz energética tanto no Brasil quanto no mundo, pois o vento apresenta bruscas variações na velocidade, densidade e em outras variáveis importantes. Nos sistemas elétricos de base eólica, cada horizonte de previsão é aplicado em um determinado segmento específico, previsão de minutos, horas, semanas, meses e anos futuros do comportamento do vento, desta forma pode-se avaliar a disponibilidade de energia para o próximo período, uma informação relevante no despacho das unidades geradoras e no controle do sistema elétrico. Esta tese teve como proposta, desenvolver modelos de previsão a ultra curto, curto, médio e longo prazo da velocidade do vento, baseado em técnicas de inteligência computacional, usando modelos de Redes Neurais Artificiais, SARIMA e modelos híbridos e prever a capacidade da geração de potência para cada horizonte. Para aplicação da metodologia utilizou-se as variáveis meteorológicas do banco de dados do sistema de organização nacional de dados ambientais SONDA, estação de Petrolina, do período de 01 de janeiro de 2004 à 31 de março de 2017. O desempenho dos modelos foi comparado com 5, 10 e 20 passos para frente, considerando minutos, horas, dias, semanas, meses e anos como horizonte de previsão. O modelo hibrido obteve melhor resposta na previsões dentre as quais destacou-se o horizonte de horas.
Acesso aberto (Open Access)
Modelos para previsão de carga a curto prazo através de redes neurais artificiais com treinamento baseado na teoria da informação
(Universidade Federal do Pará, 2011-11-04) ALVES, Wesin Ribeiro; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
O conhecimento prévio do valor da carga é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Este trabalho apresenta os resultados de um estudo investigativo da aplicação de Redes Neurais Artificiais do tipo Perceptron Multicamadas com treinamento baseado na Teoria da Informação para o problema de Previsão de Carga a curto prazo. A aprendizagem baseada na Teoria da Informação se concentra na utilização da quantidade de informação (Entropia) para treinamento de uma rede neural artificial. Dois modelos previsores são apresentados sendo que os mesmos foram desenvolvidos a partir de dados reais fornecidos por uma concessionária de energia. Para comparação e verificação da eficiência dos modelos propostos um terceiro modelo foi também desenvolvido utilizando uma rede neural com treinamento baseado no critério clássico do erro médio quadrático. Os resultados alcançados mostraram a eficiência dos sistemas propostos, que obtiveram melhores resultados de previsão quando comparados ao sistema de previsão baseado na rede treinada pelo critério do MSE e aos sistemas previsores já apresentados na literatura.
Acesso aberto (Open Access)
Nova metodologia para análise e síntese de sistemas de aterramento complexos utilizando o método lN-FDTD, computação paralela automática e redes neurais artificiais
(Universidade Federal do Pará, 2008-02-29) OLIVEIRA, Rodrigo Melo e Silva de; SOUZA SOBRINHO, Carlos Leônidas da Silva; http://lattes.cnpq.br/1450994881555781
Neste trabalho, o método FDTD em coordenadas gerais (LN-FDTD) foi implementado para a análise de estruturas de aterramento com geometrias coincidentes ou não com o sistema de coordenadas cartesiano. O método soluciona as equações de Maxwell no domínio do tempo, permitindo a obtenção de dados a respeito da resposta transitória e de regime estacionário de estruturas diversas de aterramento. Uma nova formulação para a técnica de truncagem UPML em coordenadas gerais, para meios condutivos, foi desenvolvida e implementada para viabilizar a análise dos problemas (LN-UPML). Uma nova metodologia baseada em duas redes neurais artificiais é apresentada para a deteccão de defeitos em malhas de terra. O software FDTD em coordenadas gerais foi testado e validado para vários casos. Uma interface gráfica para usuários, chamada LANE SAGS, foi desenvolvida para simplificar o uso e automatizar o processamento dos dados.