Um Modelo Híbrido para Previsão de Produção de Petróleo
|
|
- Augusto Diegues Palma
- 6 Há anos
- Visualizações:
Transcrição
1 Um Modelo Híbrido ara Previsão de Produção de Petróleo Francisca de Fátima do Nascimento Silva Programa de Pós-Graduação em Ciência e Engenharia de Petróleo - PPGCEP fatima@ccet.ufrn.br Adrião Duarte Dória Neto Programa de Pós-Graduação em Ciência e Engenharia de Petróleo - PPGCEP adriao@dca.ufrn.br Resumo: Na engenharia de etróleo uma das atividades essenciais é a estimativa de rodução de óleo existente nas reservas etrolíferas de reservatórios maduros. O cálculo dessas reservas é crucial ara a determinação da viabilidade econômica de sua exlotação. Para tanto, a indústria do etróleo faz uso de técnicas convencionais de modelagem de reservatórios como simulação numérica matemática ara revisão da rodução de etróleo. Diante deste fato, o objetivo fundamental deste trabalho é roor uma metodologia de Análise de s Temorais baseada nos tradicionais modelos estatísticos de Box & Jenkins, que em conjunto com a técnica inteligente de Redes Neurais Artificiais (RNA s), ossibilite a construção de um modelo híbrido de redição de dados de rodução de etróleo, tomando or base a caacidade que a rede tem em arender com a exeriência e artir ara generalização baseada no seu conhecimento révio. Para tanto, a Rede Neural será treinada com a finalidade de estimar e corrigir os erros associados ao modelo estatístico de Temoral, de forma a aroximar a série estimada à série de dados original. Palavras-Chaves: Modelos estatísticos de Box & Jenkins, Redes Neurais Artificiais (RNA s), Curva vazão de etróleo (m³/dia). I. INTRODUÇÃO Em diversas esquisas, é de grande interesse o estudo de métodos de revisão de s Temorais, ou seja, conseguir identificar e redizer algumas características de determinado rocesso num onto futuro. Ultimamente, as Redes Neurais Artificiais (RNA s) vem sendo sugerida or esquisadores em inteligência comutacional ara análise de s Temorais [1-3]. CHAKRABORTY et al.. [4] realizam um estudo emírico sobre revisão multivariada de séries temorais com redes neurais artificiais. POLI e JONES [5] roõem um modelo estocástico de rede neural baseado em filtro de Kalman ara revisão de séries temorais Não Paulo Sérgio Lucio Deartamento de Estatística - DEST sllod@locean-isl.umc.fr Eduardo Henrique S. de Araújo Deartamento de Estatística - DEST ehsa@ccet.ufrn.br lineares. Isto é decorrente da caacidade das RNA s ara tratar com relações não lineares de entrada-saída, destacando sua habilidade de arendizado e caacidade de generalização baseada no seu conhecimento révio [6]. No entanto, alguns outros esquisadores acreditam que em algumas situações esecíficas, onde RNA s têm um desemenho inferior aos modelos estatísticos lineares, a razão ode ser simlesmente o fato dos dados serem lineares, sem muita erturbação. Na literatura, foram roostas várias abordagens lineares ara revisão de séries temorais. O modelo Auto Regressive Integrated Moving Average (ARIMA) é um dos modelos lineares mais oulares ara revisão de séries temorais lineares ao longo das últimas três décadas que têm alicações úteis em diversas áreas do conhecimento. Vários esquisadores fazem comarações entre RNA s e os modelos tradicionais de análises de séries temorais em suas alicações esecíficas. DE GROOT e WURTZ [7] comaram RNA s com os modelos estatísticos lineares de Box-Jenkins e modelos Não lineares Threshold (TAR) em revisões de dados de manchas solares. As RNA s e modelos ARIMA são adequados a seus domínios esecíficos Não lineares ou lineares. No entanto, nenhum deles é um modelo universal que é adequado ara todas as circunstâncias [8] [9]. Usando modelos híbridos ou a combinação de vários modelos têm tornar-se uma rática comum, a fim de suerar as limitações de comonentes modelos e melhorar a recisão das revisões. Além disso, uma vez que é difícil saber comletamente as características dos dados de um roblema real. Uma metodologia híbrida que tem tanto recursos de modelagem linear e não linear ode ser uma boa estratégia ara uso rático []. Zhang [11] aresentou um híbrido abordagens ARIMA e RNA ara revisão de séries temorais usando a técnica mencionada. De osse de tais informações, surge a roosta de uma metodologia de análise de s Temorais que faz uso da técnica de Redes Neurais como uma ferramenta de auxílio
2 na revisão de s Temorais baseada na Metodologia estatística de Box & Jenkins, ossibilitando a construção de um modelo híbrido de revisão de dados de rodução de etróleo. É imortante ressaltar que a metodologia roosta não visa substituir as ferramentas e métodos clássicos de estimar a rodução de reservatórios, como or exemlo, a análise de curvas de declínio de rodução, mas buscar novas metodologias de análise de s Temorais que odem aresentar vantagens em situações que os métodos clássicos (em esecial a simulação numérica) consumam mais temo e recursos comutacionais. II. MATERIAIS E MÉTODOS A. Estruturação da base de dados A base de dados em estudo é referente a dados reais de vazão de etróleo (m³/dia) de um reservatório localizado em um camo da região nordeste do Brasil. A série em estudo foi obtida no eríodo de 31 de julho do ano 1998 até 31 de dezembro de 07, com os dados (vazão (m³/dia)) sendo obtidos com intervalos mensais, totalizando 127 meses de informações. Nas redições foi considerado um número de 12 assos adiante, ou seja, ara elaboração dos modelos de redes neurais e o modelo estatístico de Temoral foi utilizado um eríodo de 115 meses de rodução de óleo ara o referido camo de estudo. Nos dados é ossível verificar que, aroximadamente no 3º ano de rodução (maio de 01) a vazão do reservatório diminui devido à exaustão da sua energia natural, consequentemente o reservatório retém grandes quantidades de hidrocarbonetos. Neste caso, é gerado um estímulo no reservatório or meio da injeção de um fluido (água), cujas funções rimárias são manter a ressão do reservatório e deslocar o óleo em direção aos oços rodutores, aumentando-se assim a vazão de óleo. Neste eríodo a rodução de óleo assa de 5.89 m³/dia ara m³/dia. B. Metodologia Para a construção de um modelo híbrido de revisão de dados de rodução de etróleo, inicialmente será realizado o ajuste de um modelo Auto Regressive Integrated Moving Average (ARIMA), onde estuda-se a estrutura de deendência entre os dados ara construção de um modelo que se adeque aos dados de vazão (rodução) de óleo (m³/dia), no eríodo de julho do ano 1998 até dezembro de 07, totalizando 127 meses de informações. Para que seja ossível a Rede Neural fazer a estimação e correção dos erros no asso ε (n) utiliza-se uma Rede NARX (Nonlinear Auto-Regressive model with exogenous inut) utilizando o algoritmo de treinamento de Levenberg- Marquardt. Aós uma série de simulações, variando a quantidade de camadas da rede, de neurônios em cada camada e a ordem da memória de linha de atraso, a seguinte arquitetura aresentou o melhor desemenho: Regressor de Saída: a memória de linha de atraso com ordem 2; Camadas Ocultas: três com neurônios Tangente Sigmóide; Camada de Saída: 1 neurônio do tio linear uro. O conjunto de treinamento da rede foi constituído dos 9 rimeiros anos (115 meses) da série e a validação foi feita or meio das redições a 12 assos simles (12 meses). Para constituir a entrada da rede utilizou-se os valores dos dois erros iniciais associados ao modelo ARIMA, ou seja, a rede ossui uma ordem de memória de linha de atrasos igual a 2 (=2). Em seguida, a rede é treinada e fornece a saída obtida que são os erros do modelo ARIMA estimados ela rede. Por fim, é realizada a criação de um vetor contendo zeros nas duas rimeiras osições e as osições seguintes são reenchidas elos erros estimados ela Rede Neural ( ( ), i=3,..., 115), sendo a saída desejada ( ( )) roduzida ela soma entre o vetor de dados gerados elo modelo ARIMA ( ( ) + ( ) ) e o vetor de erros estimados ela rede neural, ou seja, ( ) = { ( ) + ( ) } + ( ). A correção do modelo ARIMA ocorre ao adicionar os erros estimados ela rede neural aos erros do modelo ARIMA. A análise do erro de redição, que corresonde à diferença entre o valor dá série e o valor eserado, obtido através da redição, é utilizada ara determinar se a redição ara uma dada situação é viável ou não. Foi realizado o ajuste de uma rede neural do tio NARX ara simular e corrigir os erros associados ao modelo ARIMA. Outra etaa do estudo consiste em ajustar um novo modelo de rede NARX com a mesma arquitetura, mas ara simular a série original e não os erros associados ao modelo ARIMA, cuja entrada consiste dos atrasos no temo (ordem 2) e fazer comarações com o modelo de Temoral corrigido ela rede NARX inicial. C. Modelos de s Temorais Uma Temoral ode ser vista como um conjunto de observações, geradas sequencialmente no temo [12]. O arâmetro t refere-se ao temo e se o conjunto de instantes de temo for discreto (usualmente t = 0, ±1, ±2,... ) ou contínuo (usualmente < < ), a série será discreta ou contínua, resectivamente. Uma Temoral é uma realização ou trajetória de um rocesso estocástico que é uma família de variáveis aleatórias { ; } definidas num mesmo esaço de robabilidades, onde cada t T,, é uma variável aleatória definida sobre o esaço amostral Ω, assim,, é uma função de dois argumentos, (, ), onde Ω. Para se estudar e analisar s Temorais, esquisadores utilizam os métodos de Box & Jenkins que baseiam-se na roosição de que o valor atual da Temoral é a combinação de valores recedentes e q imactos aleatórios anteriores, mais o imacto atual. Os valores antecedentes formam o comonente auto-regressivo e os q imactos révios formam o comonente de média móvel da série. A modelagem de uma Temoral objetiva, então, a determinação dos valores de e q, seguida da estimação dos resectivos coeficientes da combinação linear.
3 Em Análise de séries temorais há uma classe de modelos aroriados ara descrever s Temorais nãoestacionárias homogêneas, ou seja, séries que, aesar de não evoluírem em torno de uma média constante ao longo do temo, quando diferenciadas d vezes, tornam-se estacionárias. Dentre as classes de modelos roostos or Box et al. [12], será destacado, neste artigo, o modelo Auto Regressive Integrated Moving Average (ARIMA), que ode ser reresentando da seguinte forma: Y = φ Y + φ Y φ Y + a θ a θ a... θ a, (1) que é denominada equação de diferenças, bastante útil ara o cálculo de revisões. Nesta equação, φ até φ são arâmetros que ajustam os valores assados de Y do instante imediatamente anterior até o mais distante reresentado or +d. Os valores de a, ou seja, o comonente de erro da série reresenta uma sequência de choques aleatórios e indeendentes uns dos outros, a é uma orção não controlável do modelo é chamado comumente de ruído branco, se a série em estudo é não estacionaria. Os arâmetros θ até θ ossibilitam escrever a série em função dos choques assados. Em geral, cada a é considerado como tendo distribuição normal, média zero, variância constante e não correlação D. Redes Neurais Artificiais: Redes Multilayer Percetron (MLP s) As RNA s vêm sendo alicadas em várias áreas com bastante sucesso e uma delas é a redição temoral de dados. Além disso, elas ossuem uma série de características imortantes, tais como: generalização, aralelismo, não linearidade, adatabilidade, robustez entre outras [13]. As RNA s se amliaram com o surgimento das redes Multilayer Percetron (MLP s) com unidades que odem estar conectadas às unidades da camada subseqüente, gerando uma robustez e maior desemenho comutacional. As redes com uma ou mais camadas intermediárias ou escondidas são uma extensão dos ercetrons de uma única camada, odendo ser treinadas a fim de realizar maeamentos de natureza comlexa [13]. Uma RNA do tio MLP é constituída or um conjunto de camadas, onde cada camada tem uma função esecífica. A camada de saída (outut layer) recebe os estímulos da camada intermediária e constrói o adrão que será a resosta. As camadas intermediárias funcionam como extratoras de características, seus esos são uma codificação de características aresentadas nos adrões de entrada e ermitem que a rede crie sua rória reresentação, mais rica e comlexa, do roblema. O treinamento da rede neural MLP é realizado com um conjunto de dados conhecidos (conjunto de treinamento) de onde se extrai amostras aleatórias ( x,y ); 1,2,...,P. A rede calcula um vetor de saída o com base no resultado obtido na camada anterior. O vetor saída é comarado ao vetor resosta desejado y. O critério utilizado ara avaliação da erformance da rede é a soma do erro quadrático (SSE): 1 2 F F (yk ok ) (2) 2 k onde, é o índice ara o adrão (exemlo) e k o índice da unidade de saída. O erro das camadas de saída e intermediárias são retroroagados através da rede, fazendo ajustamentos dos esos de suas resectivas camadas. O ajuste dos esos é calculado de acordo com Eq. 3 [14]: em que, w (n 1) o w (n) (3) w ij ij j i é a alteração do eso entre o nó k na camada intermediária e o neurônio i na camada de entrada; > 0, é a taxa de arendizado; j, é o erro do valor observado no neurônio j da camada intermediária; [0,1], é uma constante chamada termo momentum. No resente trabalho a escolha do número de entradas é realizada levando-se em conta estudo reliminar sobre as funções de autocorrelação e autocorrelação arcial da série. Entretanto, a escolha do número adequado de camadas ocultas e os resectivos números de neurônios são encontrados emiricamente realizando-se testes com várias congráficoções da rede e escolhendo-se aquela que aresentou menor erro ara o conjunto de treinamento. E. Rede NARX (Nonlinear Auto-Regressive model with exogenous inut) Uma rede NARX nada mais é do que uma rede MLP cuja entrada consiste da rória saída realimentada com atrasos no temo e uma entrada exógena, também com atrasos e fazer comarações com o modelo de série temoral corrigido ela rede MLP. A arquitetura de uma rede do tio NARX, as saídas estimadas da rede são introduzidas novamente as entradas, ermitindo imlementar a redição de assos múltilos [15]. Esta Rede Neural e um equivalente do modelo estatístico NARX (Nonlinear Auto-Regressive model with exogenous inut), que realiza o seguinte maeamento entrada-saída: y(n) = g(y(n 1),..., y(n l + 1), u(n),..., u(n k + 1)) (4) Onde u(n) e (n) corresondem à entrada e saída da rede no temo t e l e k são, resectivamente, as ordens da saída e da entrada. III. RESULTADOS A. Modelo Linear ajustado ara redição de curvas de rodução de etróleo via modelos de Box & Jenkins Como alicação da metodologia roosta em estudo a riori, foi construído um gráfico da série original e do modelo ajustado (Gráfico 1) com o objetivo de analisar seu ij
4 comortamento e de verificar visualmente o ajuste do modelo à série estudada. Porém, é ossível verificar que, aroximadamente no 3º ano de rodução (maio de 01) o modelo ARIMA erde sua eficiência e não consegue acomanhar o comortamento dos dados ao longo do temo. Isto se deve ao fato de que neste eríodo o reservatório retém grandes quantidades de hidrocarbonetos aós a exaustão da sua energia natural, ou seja, a vazão diminui. Aós realizar o ajuste de um Modelo de Temoral do tio ARIMA (0,2,1), ou seja, um modelo com duas diferenças na série com o intuito de torná-la estacionária e um comonente média móvel junto aos dados de vazão de óleo (m³/dia). Nos resultados obtidos (Gráfico 1) é ossível verificar que, de forma geral, o modelo ajustado segue os dados. Porém, existem algumas artes da referida série em que o modelo não se ajusta. Para tanto, utiliza-se a técnica de Redes Neurais Artificiais (RNA s) com a finalidade de aroximar a série estimada à série original de, or meio de uma estimação e correção do erro associado ao Modelo de Temoral. Foi construído o gráfico da curva do erro quadrático médio (EQM) de treinamento cujo resultado foi 2,4315 ara até 14 éocas de treinamento (Gráfico 2). Na Gráfico 3 é aresentada uma comaração entre os erros associados ao Modelo de Temoral e os erros estimados elo modelo de RNA, o que ode-se verificar é que aós o treinamento, a Rede Neural foi caaz de estimar os erros associados ao Modelo de Temoral, o que ossibilita utilizar os erros estimados na correção do modelo ARIMA. Este resultado se deve a duas características relevantes das Redes Neurais que é a adatação or exeriência e a caacidade de arendizado. Isto garante um bom ajuste do modelo e uma maior confiabilidade em análises como revisões temorais de dados na série Modelo ARIMA(0,2,1) Erro Quadrático Médio (EQM) Erro absoluto Gráfico 2 - Curva do erro quadrático médio (EQM) de treinamento Éocas Erro-RNA Erro-Modelo ARIMA (0,2,1) Gráfico 3 - Erro estimado ela RNA versus erro associado ao Modelo ARIMA (0,2,1); O Gráfico 4 aresenta a comaração entre a série original e o modelo ARIMA (0,2,1) com os erros corrigidos ela RNA ara os conjuntos de treinamento e validação. A escolha do número adequado de camadas ocultas e os resectivos números de neurônios são encontrados emiricamente realizando-se testes com várias configurações da rede e escolhendo-se aquela que aresentou menor erro quadrático médio (EQM) ara o conjunto de treinamento. Gráfico 1 - de no eríodo de julho do ano 1998 até dezembro de 07 versus modelo ARIMA (0,2,1).
5 Modelo ARIMA (0,2,1) corrigido ela RNA Previsão a 12 assos Validação: Previsão a 12 assos associados ao modelo ARIMA, cuja entrada consiste dos atrasos no temo (ordem 2) e fazer comarações com o modelo de Temoral corrigido ela rede NARX inicial O Gráfico 6 ilustra a curva de treinamento da rede neural com a curva da série de vazão (rodução) de etróleo. O algoritmo de Levenberg-Marquardt foi utilizado ara o rocesso de arendizado e a rede foi treinada com 2 sinais de atrasos. O sinal azul reresenta a série real de vazão de óleo, enquanto que a rede neural e reresentada elo sinal verde. O conjunto de treinamento tem os dados de aroximadamente 9 rimeiros anos de rodução, ou seja, 115 meses Modelo RNA Gráfico 4 - original versus Modelo ARIMA (0,2,1) com os erros corrigidos ela RNA NARX. O Gráfico 5 é aresentado com o objetivo de analisar a redição de asso simles com 12 assos adiante, realizada ela rede neural ara a série de de etróleo. Este gráfico mostra os sinais de saída do modelo ARIMA corrigido ela RNA utilizados como reditor de asso simles. O sinal do reditor e reresentado ela linha reta, enquanto série original é reresentada ela linha azul Gráfico 6 - Treinamento ara a curva de vazão Previsão a 12 assos O Gráfico 7 é aresentado ara analisar a redição de asso simles com 12 assos adiante, realizada ela rede neural ara a vazão de etróleo. Este gráfico mostra os sinais de saída do simulador e da rede NARX utilizada como reditor de asso simles. O sinal do reditor e reresentado ela linha verde, enquanto o sinal gerado ela saída do simulador reresentado ela linha azul Previsão a 12 assos Gráfico 5 - Sinal da obtido ela redição de 12 assos B. Predição Não linear de curvas de rodução de Petróleo via Redes Neurais Nesta seção é feito o ajuste de um modelo ara redição Não linear de curvas de rodução de Petróleo. O modelo de rede neural ajustado foi o de Redes NARX com a mesma arquitetura, mas ara simular a série original e não os erros Gráfico 7- Sinal da vazão obtido ela redição de 12 assos
6 Nas Tabelas 1 e 2 são aresentados os erros médios quadráticos encontrados. Fazendo-se uma comaração entre os erros gerados elos dois modelos, foi constatado que, ara o eríodo de treinamento que corresonde a aroximadamente 9 anos e 5 meses iniciais da série, o modelo ARIMA (0,2,1) aresentou um erro quadrático médio (EQM) suerior (12.26) ao erro do modelo ARIMA (0,2,1) corrigido ela RNA NARX (.72), o que confirma o bom desemenho da rede em estimar e corrigir os erros associados ao modelo ARIMA, aroximando a série estimada à série original. Por outro lado, é ossível verificar que a Rede NARX utilizada ara simular a série original aresentou um EQM bem inferior aos dois modelos citados (2,23). Para o eríodo de redição, o modelo ARIMA (0,2,1) aresentou um erro quadrático médio (EQM) inferior (0.0017) ao erro do modelo ARIMA (0,2,1) corrigido ela RNA NARX (2,,,,1) (0.0119) e ao erro da rede NARX (2,,,,1) (0,56). Este resultado se deve ao fato de que nos extremos o modelo ARIMA se adequou muito bem a série, ou seja, quase não aresentou erro, logo a rede neural não tem tanta eficiência em corrigir o erro associado ao modelo ARIMA quando a série não aresenta muitas variações ou erturbações, o que corrobora o fato do modelo ARIMA ser bem ajustado a dados que se distribuem de forma linear ao longo do temo. A Rede NARX (2,,,,1) or sua vez, aresentou nas redições a 12 assos um EQM bem inferior ao erro do modelo ARIMA (0,2,1) corrigido ela RNA NARX (2,,,,1) dois modelos citados (0,56). Porém, o modelo ARIMA foi o que aresentou o menor erro de redição em relação aos dois modelos citados. Models Erros de Treinamento Erro Quadrático Médio (EQM) Model ARIMA (0,2,1) Modelo ARIMA (0,2,1) corrigido.72 ela RNA NARX (2,,,,1) Rede NARX (2,,,,1) 2,23 Tabela 1- Erros observados no eríodo de treinamento e de redição ara os modelos ajustados. Models Erros de Predição Erro Quadrático Médio (EQM) Modelo ARIMA (0,2,1) Modelo ARIMA (0,2,1) corrigido ela RNA NARX (2,,,,1) Rede NARX (2,,,,1) 0,56 Tabela 2 - Erros observados no eríodo de redição ara os modelos ajustados IV. CONSIDERAÇÕES FINAIS As considerações finais deste trabalho são as de que, em relação à modelagem or meio do ajuste de um modelo linear, técnica sugerida or Box & Jenkins, concluiu-se que o melhor modelo foi o ARIMA (0,2,1). Os resultados das análises mostraram que a metodologia utilizada fornece informações imortantes sobre o adrão comortamental de s Temorais. Informações tais que auxiliam na elaboração de modelos eficientes referentes à Temoral em questão. Referente à modelagem Não linear da curva de rodução de etróleo or Redes Neurais Artificiais, as várias simulações realizadas (não aresentadas neste texto) ermitiram testar várias arquiteturas de rede, escolhendo a arquitetura adequada às variações da série. Concluiu-se que a melhor arquitetura ara rede é a NARX (2,,,,1), onde foi ossível desenvolver uma RNA caaz de modelar, de forma satisfatória, o comortamento aleatório da série de vazão de óleo, tornando ossível a estimação e correção dos erros associados ao modelo de Box & Jenkins. Também foi ossível generalizar os resultados or meio de redição dos dados da série em estudo. Os resultados aresentados neste trabalho odem sugerir o uso de modelos lineares estatísticos como uma ferramenta adicional às já atualmente utilizadas, como as curvas de declínio e simulação numérica ou ainda em situações que essas ferramentas são de difícil utilização, uma vez que demandam grande temo comutacional. Ressaltando a redução da comlexidade durante as simulações, daí a roosta da elaboração de um modelo híbrido ara redizer dados de rodução de etróleo. Como trabalhos futuros, esta metodologia ode ser emregada na imlementação de roblemas de inteligência artificial, como tomadas de decisão, além de situações ráticas e de grande orte. V. REFERÊNCIAS [1] Y. Chen, B. Yang, J. Dong, A. Abraham, Time-series forecasting using flexible neural tree model, Information Sciences 174 (3 4) (05) [2] F. Giordano, M. La Rocca, C. Perna, Forecasting nonlinear time series with neural network sieve bootstra, Comutational Statistics and Data Analysis 51 (07) [3] A. Jain, A.M. Kumar, Hybrid neural network models for hydrologic time series forecasting, Alied Soft Comuting 7 (07) [4] K. Chakraborty, K. Mehrotra, C.K. Mohan, S. Ranka, Forecasting the behavior of multivariate time series using neural networks, Neural Networks 5 (1992) [5] I. Poli, R.D. Jones, A neural net model for rediction, Journal of American Statistical Association 89 (1994) [6] V. Ediger, S. Akar, ARIMA forecasting of rimary energy demand by fuel in Turkey, Energy Policy 35 (07) [7] C. De Groot, D. Wurtz, Analysis of univariate time series with connectionist nets: a case study of two classical examles, Neurocomuting 3 (1991) [8] G. Zhang, B.E. Patuwo, M.Y. Hu, Forecasting with artificial neural networks: the state of the art, International Journal of Forecasting 14 (1998) [9] KHASHEI, Mehdi; BIJARI, Mehdi. A novel hybridization of artificial neural networks and ARIMA models for time series forecasting. Alied Soft Comuting, v. 11, n. 2, , 11. [] G.P. Zhang, Time series forecasting using a hybrid ARIMA and neural network model, Neurocomuting 50 (03) [11] BOX, G. E. P.; JENKINS, G. M.; REINSEL, G.C., Time series analysis: forecasting and control. 4rd ed. New Jersey: John Wiley, [12] HAYKIN, S. Redes Neurais: rincíios e rática. 2. ed. Porto Alegre: Bookman, Tradução de Paulo Martins Engel. [13] RUMELHART, D. E.; WEIGEND, A. Predicting the Future: a Connectionist Aroach. Stanford: [s.n.], (PDP-90-01, PARCSSL-90-), [14] JÚNIOR, ALDAYR DANTAS ARAÚJO Predição Não linear de curvas de rodução de etróleo via Redes Neurais recursivas. Dissertação de Mestrado, UFRN, Programa de Pós-graduação em Ciência e Engenharia de Petróleo. Linha de Pesquisa: Automação na Indústria de Petróleo e Gás Natural, Natal-RN, Brasil..
out II - Algoritmo Back-Propagation II - Algoritmo BackPropagation II - Algoritmo Back-Propagation Modelo de Rede Neural com Multiplas Camadas
Modelo de Rede Neural com Multilas Camadas SCE 5809 REDES NEURAIS REDE NEURAL DO TIPO MULTI- CAMADAS Profa Inut First Hidden Second Roseli Hidden Romero Outut II - Algoritmo Bac-Proagation Out(x) = g(
Leia maisONS - Rua da Quitanda, o. andar - Centro - CEP: Rio de Janeiro - RJ - Telefone : (21)
GOP/03 a 6 de Outubro de 00 Caminas - São Paulo - Brasil GRUPO IX ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS PREVISÃO DE VAZÕES DE LONGO PRAZO UTILIZANDO REDES NEURAIS Mêuser Valença Teresa Bernarda Ludermir
Leia maisRememorando. Situação-problema 5. Teorema do Limite Central. Estatística II. Aula II
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARAN PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Rememorando Estatística II Aula II Profa. Renata G. Aguiar 1 Figura 7 Distribuição de uma amostra (n = 150).
Leia maisX Congresso Brasileiro de Engenharia Química Iniciação Científica
Blucher Chemical Engineering Proceedings Dezembro de 2014, Volume 1, Número 1 X Congresso Brasileiro de Engenharia Química Iniciação Científica Influência da esquisa em Engenharia Química no desenvolvimento
Leia maisPROTOCOLO PARA ESTIMAR ERROS DE DISCRETIZAÇÃO EM CFD: VERSÃO 1.1. Carlos Henrique Marchi. Curitiba, UFPR, setembro de 2005.
PROTOCOLO PARA ESTIMAR ERROS DE DISCRETIZAÇÃO EM CFD: VERSÃO. Carlos Henrique Marchi Curitiba, FPR, setembro de 2005. O objetivo deste rotocolo é adronizar o rocesso de Verificação de soluções numéricas
Leia maisAnálise comparativa entre métodos estatístico e rede neural aplicados em séries temporais
Análise comparativa entre métodos estatístico e rede neural aplicados em séries temporais Ana Paula de Sousa José Elmo de Menezes Introdução As formas funcionais dos modelos de previsão das redes neurais
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia mais3 Modelos Comparativos: Teoria e Metodologia
3 Modelos Comparativos: Teoria e Metodologia Para avaliar o desempenho do modelo STAR-Tree, foram estimados os modelos Naive, ARMAX e Redes Neurais. O ajuste dos modelos ARMAX e das redes neurais foi feito
Leia maisEstudo da influência dos índices de severidade na segurança de um Sistema Eléctrico de Energia
Estudo da influência dos índices de severidade na segurança de um Sistema Eléctrico de Energia C. I. Faustino Agreira, C. M. Machado Ferreira, J. A. Dias Pinto e F. P. Maciel Barbosa 2 Deartamento de Engenharia
Leia mais4 Cargas Dinâmicas 4.1 Introdução
4 Cargas Dinâmicas 4.1 Introdução Carregamentos dinâmicos, or definição, são carregamentos em que a magnitude, a direção e a osição odem variar ao longo do temo. Consequentemente, as resostas da estrutura,
Leia maisAA-220 AERODINÂMICA NÃO ESTACIONÁRIA
AA- AERODINÂMICA NÃO ESTACIONÁRIA Introdução e conceitos básicos da teoria Prof. Roberto GIL Email: gil@ita.br Ramal: 648 1 AERODINÂMICA NÃO ESTACIONÁRIA Objetivo: Partir das equações de Navier-Stokes
Leia mais3 Redes Neurais Artificiais
3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida
Leia maisRedes Neurais. Redes Neurais Recorrentes A Rede de Hopfield. Prof. Paulo Martins Engel. Memória associativa recorrente
Redes eurais Redes eurais Recorrentes A Rede de Hofield Memória associativa recorrente A suressão do ruído numa memória auto-associativa ode ser obtida colocando-se uma função de limiar na saída de um
Leia maisAlgoritmos genéticos: alguns experimentos com os operadores de cruzamento ( Crossover ) para o problema do caixeiro viajante assimétrico
Algoritmos genéticos: alguns exerimentos com os oeradores de cruzamento ( Crossover ) ara o roblema do caixeiro viajante assimétrico Anderson Freitas Silva (DIE/UFPI) cadfreitas@yahoo.com.br Antonio Costa
Leia maisPrevisão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN
Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1
Leia maisCapítulo 7 - Wattímetros
Caítulo 7 - Wattímetros 7. Introdução Os wattímetros eletromecânicos ertencem à uma classe de instrumentos denominados instrumentos eletrodinâmicos. Os instrumentos eletrodinâmicos ossuem dois circuitos
Leia maisMADEIRA arquitetura e engenharia
Voltar MADEIRA arquitetura e engenharia Modelo ara Análise Global de Estruturas de Madeira com Avaliação de Forças Localizadas em inos Deformáveis nº 4 artigo3 Eng. Civil rof. Dr. Francisco A. Romero Gesualdo
Leia maisAplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante Eduardo Campana Barbosa1 Carlos Henrique Osório Silva2 Resumo: Utilizou-se a metodologia Box & Jenkins para previsão da demanda
Leia mais2 Modelagem da casca cilíndrica
odelagem da casca cilíndrica As cascas cilíndricas odem ser definidas como um coro cuja distância de qualquer onto interno deste coro a uma suerfície de referência (usualmente a suerfície média da casca)
Leia maisSISTEMA DE CONTROLE ADAPTATIVO PARA UM SISTEMA PRODUTIVO CONTÍNUO. O CASO DA CURVA POLINOMIAL DE CRESCIMENTO DE SUÍNOS TIPO CARNE.
SISTEMA DE CONTROLE ADAPTATIVO PARA UM SISTEMA PRODUTIVO CONTÍNUO. O CASO DA CURVA POLINOMIAL DE CRESCIMENTO DE SUÍNOS TIPO CARNE. João Eduardo da Silva Pereira Universidade Federal de Santa Maria jes@ccne.ufsm.br
Leia maisModelos para Regressão. Modelos lineares. Exemplo. Método de regressão linear
Modelos ara Regressão Pretende-se arender a redizer o valor de uma variável (atributo) numérica. Os atributos (ou variáveis) usados como entrada ara o algoritmo de arendizagem dizem-se reditores odendo
Leia maisAnálise da Aquisição de Equipamentos Médicos Utilizando Redes Neurais Artificiais
Análise da Aquisição de Equiamentos Médicos Utilizando Redes Neurais Artificiais Ernesto F. F. Ramírez 1, Saide J. Calil 1 Deto. de Engenharia Elétrica (DEEL), Centro de Tecnologia e Urbanismo (CTU), Universidade
Leia maisModelo de confiabilidade, disponibilidade e manutenibilidade de sistemas, aplicado a plataformas de petróleo.
XXIII Encontro ac. de Eng. de rodução - Ouro reto, MG, Brasil, a de out de Modelo de confiabilidade, disonibilidade e manutenibilidade de sistemas, alicado a lataformas de etróleo. Marceloccorsi Miranda
Leia maisAlgoritmos de Inteligência de Enxames por Colônia de Formigas na Análise de Indicadores Ambientais de Bacias Hidrográficas
Algoritmos de Inteligência de Enxames or Colônia de Formigas na Análise de Indicadores Ambientais de Bacias Hidrográficas Samuel Ghellere, Gabriel Felie, Maicon B. Palhano, Ruano M. Pereira, Kristian Madeira,
Leia maisProgramação Paralela e Distribuída 2010/11. Métricas de Desempenho. Ricardo Rocha DCC-FCUP
Métricas de Desemenho Programação Paralela e Distribuída Métricas de Desemenho Métricas de Desemenho Desemenho! Dois dos rinciais objectivos do desenho de alicações aralelas são:! Desemenho: a caacidade
Leia maisHEURÍSTICAS PARALELAS DE BUSCA EM VIZINHANÇA VARIÁVEL PARA O PROBLEMA DE OTIMIZAÇÃO DO EMPREGO DE SONDAS DE PRODUÇÃO TERRESTRE
A esquisa Oeracional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN HEURÍTICA PARALELA DE BUCA EM VIZINHANÇA VARIÁVEL PARA O PROBLEMA DE OTIMIZAÇÃO DO EMPREGO DE ONDA DE PRODUÇÃO TERRETRE
Leia maisParâmetros do Hidrograma Unitário para bacias urbanas brasileiras
RBRH Revista Brasileira de Recursos Hídricos Porto Alegre RS ABRH Vol 8 n.2 abr/jun) 195-199. 2003 Parâmetros do Hidrograma Unitário ara bacias urbanas brasileiras Carlos E. M. Tucci Instituto de Pesquisas
Leia maisAprendizagem de Dados Simbólicos e/ou Numéricos. Francisco Carvalho
Arendizagem de Dados Simbólicos e/ou Numéricos Francisco Carvalho Inut n objetos formando uma artição em m classes cada objeto é descrito or variáveis modais de semântica robabilística. Objetivo Descrever,
Leia maisNoções de Testes de Hipóteses
Noções de Testes de Hióteses Outro tio de roblema da Inferência Estatística é o de testar se uma conjectura sobre determinada característica de uma ou mais oulações é, ou não, aoiada ela evidência obtida
Leia maisAjuste no Controlador de Equipamentos de Sistemas Elétricos Usando uma Ferramenta Computacional Baseada em Algoritmo Genético
1 Ajuste no Controlador de Equiamentos de Sistemas Elétricos Usando uma Ferramenta Comutacional Baseada em Algoritmo Genético E. R. M. Dantas, J. P. da Silva, A. O. Guimarães e F. C. B. de Sena Resumo--Uma
Leia maisSEPARAÇÃO SÓLIDO-FLUIDO NO CAMPO GRAVITACIONAL: GERAÇÃO DE MATERIAL DIDÁTICO EMPREGANDO SIMULAÇÕES CFD
SEPARAÇÃO SÓLIDO-FLUIDO NO CAMPO GRAVITACIONAL: GERAÇÃO DE MATERIAL DIDÁTICO EMPREGANDO SIMULAÇÕES CFD N. P. ALMEIDA 1, M. C. CANHADAS 1, J. L. V. NETO 1 e K. G. dos SANTOS 1 1 Universidade Federal do
Leia maisUNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA QUÍMICA ENG 008 Fenômenos de Transporte I A Profª Fátima Lopes
Comaração entre Newton e kgf; oundal e lbf: Newton kg m/s kgf kg 9,8 m/s oundal lbm ft/s lbf lbm,74 ft/s Comaração entre slug e lbm; UTM e kg: lbf slug ft / s lbf lbm UTM kg,74 kgf s m / kgf 9,8m / s ft
Leia maisAnálise de componentes principais com dados pluviométricos no estado do Ceará
Análise de comonentes rinciais com dados luviométricos no estado do Ceará Maytê Duarte Leal Coutinho, Michelyne Duarte Leal Coutinho, José Ivaldo B. de Brito Aluno de mestrado da Universidade Federal de
Leia mais3 Método de Modelagem e Procedimento de Cálculo
3 Método de Modelagem e Procedimento de Cálculo O resente trabalho se utiliza do método de modelagem zero dimensional ara uma zona. Este modelo foi escolhido or oferecer o melhor custo benefício na geração
Leia mais3 Propagação em ambientes abertos na faixa GHz
3 Proagação em ambientes abertos na faixa 10-66 GHz Na faixa de freqüências de oeração entre 10 e 66 GHz, a existência de visada direta é muito imortante ara viabilizar a comunicação de sistemas sem fio
Leia maisCadeias de Markov. Andrei Andreyevich Markov (*1856, Ryazan, Russia; 1922, São Petersburgo, Russia).
Cadeias de Markov Andrei Andreyevich Markov (*856, Ryazan, Russia; 9, São etersburgo, Russia). Acreditar é mais fácil do que ensar. Daí existirem muito mais crentes do que ensadores. - Bruce Calvert .
Leia maisEstática dos Fluidos. Prof. Dr. Marco Donisete de Campos
UFMT- UNIVERSIDADE FEDERAL DE MATO GROSSO CUA - CAMPUS UNIVERSITÁRIO DO ARAGUAIA ICET - INSTITUTO DE CIÊNCIAS EXATAS E DA TERRA BACHARELADO EM ENGENHARIA CIVIL Estática dos Fluidos Prof. Dr. Marco Donisete
Leia maisUm Modelo de Desempenho Markoviano para Escalonamento de Processos Paralelos no GNU/Linux
Anais do XXVI Congresso da SBC WSO l III Worksho de Sistemas Oeracionais a 0 de julho de 006 Camo Grande, MS Um Modelo de Desemenho Markoviano ara Escalonamento de Processos Paralelos no GNU/Linux Regiane
Leia maisCONTROLADOR HÍBRIDO NEURAL NO CONTROLE DE NÍVEL DE UMA PLANTA INDUSTRIAL
CONTROLADOR HÍBRIDO NEURAL NO CONTROLE DE NÍVEL DE UMA PLANTA INDUSTRIAL OSCAR G. FILHO, ADRIÃO D. D. NETO, JOILSON B.A. REGO, NIELSEN C. DAMASCENO Dca Deartamento de Engenharia de Comutação e Automação
Leia maisExperiência 5 - Oscilações harmônicas forçadas
Roteiro de ísica Exerimental II 1 1. OBJETIVO Exeriência 5 - Oscilações harmônicas forçadas O objetivo desta aula é discutir e realizar exerimentos envolvendo um conjunto massa-mola sob ação de uma força
Leia maisUM ÍNDICE DE CAPACIDADE BASEADO NA FRAÇÃO NÃO CONFORME DO PROCESSO E CALIBRADO POR C pm
UM ÍNDE DE APADADE BAEADO NA FRAÇÃO NÃO ONFORME DO PROEO E ALBRADO POR Pledson Guedes de Medeiros Doutorando em Eng. Produção - POL/UP, ledson@us.br De. Eng. Produção Av. Prof. Almeida Prado, Travessa
Leia maisPREVISÃO DA TEMPERATURA EM SECÇÕES DE MADEIRA UTILIZANDO REDES NEURONAIS ARTIFICIAIS
PREVISÃO DA TEMPERATURA EM SECÇÕES DE MADEIRA UTILIZANDO REDES NEURONAIS ARTIFICIAIS PREDICTION OF TEMPERATURE IN TIMBER CROSS-SECTIONS USING ARTIFICIAL NEURAL NETWORKS Paulo B. Cachim () () Prof., RISCO
Leia maisCadeias de Markov. 1. Introdução. Modelagem e Simulação - Cadeias de Markov
Cadeias de Markov. Introdução Nestas notas de aula serão tratados modelos de robabilidade ara rocessos que evoluem no temo de maneira robabilística. Tais rocessos são denominados rocessos Estocásticos...
Leia maisSeleção de variáveis categóricas utilizando análise de correspondência e análise procrustes
Acta Scientiarum (4):86-868, 999. ISSN 45-684. Seleção de variáveis categóricas utilizando análise de corresondência e análise rocrustes Terezinha Aarecida Guedes*, Ivan Ludgero Ivanqui, Ana Beatriz Tozzo
Leia maisPrograma de Análise Confiabilidade de Alimentadores de Distribuição
Programa de Análise Confiabilidade de Alimentadores de Distribuição Otavio H. S. Vicentini, Airton Violin, Cícero Lefort FUPAI Fundação de Pesquisa e Assessoramento a Indústria otaviohsv@hotmail.com Manuel
Leia maisSegunda aula de fenômenos de transporte para engenharia civil. Estática dos Fluidos capítulo 2 do livro do professor Franco Brunetti
Segunda aula de fenômenos de transorte ara engenharia civil Estática dos Fluidos caítulo 2 do livro do rofessor Franco Brunetti NESTA BIBLIOGRAFIA ESTUDAMOS FLUIDO ESTÁTICO E EM MOVIMENTO. BIBLIOGRAFIA
Leia maisUNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO DEPARTAMENTO DE CIÊNCIAS AMBIENTAIS FENÔMENOS DE TRANSPORTE MECÂNICA DOS FLUIDOS
Universidade Federal Rural do Semiárido UNIVERSIDADE FEDERAL RURAL DO SEMIÁRIDO DEPARTAMENTO DE CIÊNCIAS AMBIENTAIS FENÔMENOS DE TRANSPORTE MECÂNICA DOS FLUIDOS EQUAÇÃO DA CONTINUIDADE EQUAÇÃO DE BERNOULLI
Leia maisUm catalisador heterogêneo é aquele que está em uma fase diferente da do sistema reacional. Focaremos nossa aula em sistemas de gás e sólido.
ula: 32 Temática: Catálise Heterogênea Um catalisador heterogêneo é aquele que está em uma fase diferente da do sistema reacional. Focaremos nossa aula em sistemas de gás e sólido. catálise heterogênea
Leia mais3. Modelos Constitutivos
3. Modelos Constitutivos A comlexidade envolvida no estudo da deformação de solos e rochas é um dos grandes desafios da engenharia. No entanto, aesar da diversidade desse comortamento, observações exerimentais
Leia maisAPOSTILA DE MÉTODOS QUANTITATIVOS
UNIVERSIDADE FEDERAL DO PARÁ ASSESSORIA DE EDUCAÇÃO A DISTÂNCIA INSTITUTO DE CIÊNCIAS SOCIAIS APLICADAS ESPECIALIZAÇÃO EM GESTÃO EMPRESARIAL NA MODALIDADE SEMIPRESENCIAL APOSTILA DE MÉTODOS QUANTITATIVOS
Leia maisProgramação de um semáforo usando o método do grau de saturação
Programação de um semáforo usando o método do grau de saturação Luis Vilanova * Introdução O cálculo do temo de ciclo e dos temos de verde através do método do grau de saturação constitui excelente ferramenta
Leia mais11. Equilíbrio termodinâmico em sistemas abertos
Equilíbrio termodinâmico em sistemas abertos Em um sistema aberto definimos o equilíbrio termodinâmico quando este sistema encontra-se simultaneamente em equilíbrio térmico, equilíbrio mecânico e equilíbrio
Leia maisMOTOR LINEAR DE INDUÇÃO BIFÁSICO: ANÁLISE DO CAMPO MAGNÉTICO PELO PROGRAMA FEMM
MOTOR LINEAR DE INDUÇÃO BIFÁSICO: ANÁLISE DO CAMPO MAGNÉTICO PELO PROGRAMA FEMM Falcondes J. M. Seixas 1, Francisco C. V. Malange 2, Ricardo Henrique O. G. Rangel 3, Rodolfo Castanho Fernandes 4, Priscila
Leia maisFig. 1 - Resposta em Malha Aberta
MODOS DE CONROLE Modo ou ação de controle é a forma através da qual o controlador age sobre o rocesso com o objetivo de manter a variável controlada no setoint. A ação de controle ara um rocesso deende
Leia maisCombinação Geométrica de Métodos Preditivos; Aplicação à Previsão de Consumo Residencial Mensal de Energia Elétrica
Luiz Albino Teixeira Júnior Combinação Geométrica de Métodos Preditivos; Aplicação à Previsão de Consumo Residencial Mensal de Energia Elétrica Dissertação de Mestrado Dissertação apresentada como requisito
Leia maisESTUDO NUMÉRICO DA INFLUÊNCIA DA VARIAÇÃO DE TEMPERATURA NO ESCOAMENTO BIFÁSICO ÓLEO PESADO E GÁS NATURAL EM UM TRECHO VERTICAL DE UM DUTO
ESTUDO NUMÉRICO DA INFLUÊNCIA DA VARIAÇÃO DE TEMPERATURA NO ESCOAMENTO BIFÁSICO ÓLEO PESADO E GÁS NATURAL EM UM TRECHO VERTICAL DE UM DUTO Lucas David Santos Silva Universidade Federal de Alagoas lucas.ds25@gmail.com
Leia maisPasseio aleatório: jogo da roleta e apostas esportivas
Passeio aleatório: jogo da roleta e aostas esortivas Random walk: roulette game and sorts betting ISSN 2316-9664 Volume 8, dez. 2016 Leandro Morgado Universidade Federal de Santa Catarina leandro.morgado@ufsc.br
Leia maisDistribuição de uma proporção amostral
Distribuição de uma roorção amostral Estatística II Antonio Roque Aula 4 Exemlo Ilustrativo: Suonha que se saiba que em uma certa oulação humana uma roorção de essoas igual a = 0, 08 (8%) seja cega ara
Leia maisVerificação e Validação da Solução Numérica do Código Mach2D para Problemas de Propulsão de Foguetes
Verificação e Validação da Solução Numérica do Código MacD ara Problemas de Proulsão de Foguetes Jonas Joacir Radtke Coordenação do Curso de Tecnologia em Alimentos, COALM, UTFPR 65601-970, Francisco Beltrão,
Leia maisIdentidades Termodinâmicas
Caítulo 5 Identidades ermodinâmicas 5.1 Consistência das equações de estado Diferencial exato imos que as equações de estado são equações deduzidas das relações fundamentais or meio de diferenciação dos
Leia maisRetornos à estocagem de carvão vegetal
IPEF, n.25,.33-35, 1983 Retornos à estocagem de carvão vegetal SÉRGIO ALBERTO BRANDT Universidade Federal de Viçosa, Deto. Econ. Rural, 36570 - Viçosa - MG ALOISIO RODRIGUES PEREIRA Sociedade de Investigações
Leia maisTÉCNICAS DE AGRUPAMENTO CLUSTERING
ISSN Nº: 1983-168 TÉCNICS DE GRUPMENTO CLUSTERING utores: Istvan aroly asznar, PhD Professor Titular da FGV e Presidente da IBCI Bento Mario Lages Gonçalves, MSc Consultor Senior da IBCI CLUSTERING 1-
Leia maisTeste de hipóteses para médias e proporções amostrais
Teste de hióteses ara médias e roorções amostrais Prof. Marcos Pó Métodos Quantitativos ara Ciências Sociais Hiótese estatística Hiótese é uma exlicação rovisória roosta ara um fenômeno, assível de ser
Leia mais1 LIMITES FUNDAMENTAIS NA TEORIA DA INFORMAÇÃO
LIMITES FUNDAMENTAIS NA TEORIA DA INFORMAÇÃO O trabalho de Shannon sobre a teoria da informação, ublicado em 948, estabelece a base teórica ara que sistemas de comunicações seam eficientes e confiáveis.
Leia maisNÃO-LINEARIDADES NA DINÂMICA DOS CONTATOS ENTRE ROTOR E ESTATOR EM MÁQUINAS ROTATIVAS
PROJETO DE GRADUAÇÃO NÃO-LINEARIDADES NA DINÂMICA DOS CONTATOS ENTRE ROTOR E ESTATOR EM MÁQUINAS ROTATIVAS Por, André A. T. Brandão Brasília, 30 de Novembro de 2011 UNIVERSIDADE DE BRASILIA FACULDADE DE
Leia maisEstudo e Implementação de uma Aplicação Industrial, envolvendo Sistemas Computacionais Industriais.
Estudo e Imlementação de uma Alicação Industrial, envolvendo Sistemas Comutacionais Industriais. André Cristiano Aarecido & João Paulo Carvalho Henriques Abstract: This article aims to show a comutational
Leia maisUM MODELO NEURAL PARA A PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA NA CIDADE DE FRANCA
UM MODELO NEURAL PARA A PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA NA CIDADE DE FRANCA SOUZA, REGIANE MÁXIMO YOSHINO, RUI TADASHI HANISC,H, WERNER SIEGFRIED ETO, REGINA FUMIE Palavras-chaves: Artificial Neural
Leia maisTeste de hipóteses para médias e proporções amostrais
Teste de hióteses ara médias e roorções amostrais Prof. Marcos Pó Métodos Quantitativos ara Ciências Sociais Questão rática Abrir a lanilha Alunos MQCS_16-18 e calcular a média, o desvio adrão e o tamanho
Leia maisESTUDO NUMERICO DO PROCESSO DE SEPARAÇÃO ÁGUA/ÓLEO VIA MEMBRANA CERÂMICA USANDO MÓDULOS DUPLO TUBO
ESUDO NUMERIO DO PROESSO DE SEPARAÇÃO ÁGUA/ÓLEO VIA MEMBRANA ERÂMIA USANDO MÓDULOS DUPLO UBO Acto de Lima unha 1 ; Severino Rodrigues de Farias Neto 2, Antonio Gilson Barbosa de Lima 3, Enivaldo Santos
Leia maisRoteiro-Relatório da Experiência N o 7
. COMPOETES DA EQUIPE: UIVERSIDADE DO ESTADO DE SATA CATARIA - UDESC Roteiro-Relatório da Exeriência o 7 O TRASFORMADOR ALUOS OTA 3 4 Prof.: Celso José Faria de Araújo 5 Data: / / : hs. OBJETIVOS:.. Verificar
Leia mais3. ANÁLISE DE DADOS EXPERIMENTAIS
3. AÁLISE DE DADOS EXPEIMETAIS 3. Introdução. Todo dado eerimental deve ser analisado através de algum tio de rocedimento. Um bom eerimentalista deve fazer todo o esforço ossível ara eliminar todos os
Leia mais4 Modelagem proposta da programação do sub-sistema
4 Modelagem roosta da rogramação do sub-sistema Este caítulo descreve como será abordado o roblema real da rogramação do duto OSPAR, quais simlificações serão utilizadas, hióteses, restrições e objetivos
Leia maisEvaluation of robustness against interpolation methods of texture descriptors in image classification
Evaluation of robustness against interolation methods of texture descritors in image classification Raissa Tavares Vieira, Adilson Gonzaga Deartment of Electrical Engineering and Comuting - EESC/USP University
Leia maisInteligência Artificial. Prof. Tiago A. E. Ferreira Aula 20 - Backpropagation
Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 20 - Backroagation Introdução Redes de uma camada resolvem aenas roblemas linearmente searáveis Solução: utilizar mais de uma camada Camada 1: uma
Leia maisOTIMIZAÇÃO DA PRODUÇÃO VIA SEQÜÊNCIAS DE NÍVEIS NUTRICIONAIS PARA FASE DE CRECHE EM SUÍNOCULTURA
OTIMIZAÇÃO DA PRODUÇÃO VIA SEQÜÊNCIAS DE NÍVEIS NUTRICIONAIS PARA FASE DE CRECHE EM SUÍNOCULTURA Janete Pereira Amador Universidade Federal de Santa Maria a99699@aluno.ufsm.br João Eduardo da Silva Pereira
Leia mais2. Revisão de Modelagem Conceitual
Sumário 1. Introdução a Alicações Não-Convencionais 2. Revisão de Modelagem Conceitual 3. BD Orientado a Objetos (BDOO) 4. BD Objeto-Relacional (BDOR) 5. BD Temoral (BDT) 6. BD Geográfico (BDG) 7. BD XML
Leia maisUm Estudo sobre Redes de Petri Estocásticas Generalizadas
Pontifícia Universidade Católica do Rio Grande do Sul Faculdade de Informática Pós-Graduação em Ciência da Comutação Um Estudo sobre Redes de Petri Estocásticas Generalizadas Afonso Henrique Corrêa de
Leia maisRedes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: MLP DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes diretas de múltiplas
Leia maisA partir da árvore correta (a da direita), deduz-se o espaço de estados
.. SOLUÇÕES PARA EXERCÍCIOS DA SEÇÃO. 77. Soluções ara exercícios da Seção. Solução do Exc. 1. O certo é começar a solução com a construção do modelo roailístico do exerimento aleatório enunciado. E a
Leia maisCARACTERIZAÇÃO EXPERIMENTAL DO FUNCIONAMENTO DE UM DESTILADOR DE ÁGUA DO TIPO ATMOSFÉRICO REGENERATIVO
CARACTERIZAÇÃO EXPERIMENTAL DO FUNCIONAMENTO DE UM DESTILADOR DE ÁGUA DO TIPO ATMOSFÉRICO REGENERATIVO André Gustavo de Figueiredo Melo Centro Federal de Educação Tecnológica de Pernambuco Naum Fraidenraich
Leia maisAULA 8: TERMODINÂMICA DE SISTEMAS GASOSOS
LCE-00 Física do Ambiente Agrícola AULA 8: TERMODINÂMICA DE SISTEMAS GASOSOS Neste caítulo será dada uma introdução ao estudo termodinâmico de sistemas gasosos, visando alicação de seus conceitos aos gases
Leia maisModelagem Numérica de Falhas em Estruturas Mecânicas Associadas a Campos Eletromagnéticos
Modelagem Numérica de Falhas em Estruturas Mecânicas Associadas a Camos Eletromagnéticos Luana Ribeiro Orlandini 1, Lurimar Smera Batista 2 1 Graduanda em Engenharia Industrial Mecânica IFBA. e-mail: luana.orlandini@yahoo.com.br
Leia mais14 MODELO DE DECISÃO DA TEORIA DAS RESTRIÇÕES
14 MODELO DE DECISÃO DA TEORIA DAS RESTRIÇÕES A artir da remissa da teoria das restrições de ue a emresa oera semre com algum tio de restrição, neste caítulo é abordado o rocesso geral de tomada de decisão
Leia maisCARTAS DE CONTROLE PARA COMPONENTES PRINCIPAIS MULTIDIRECIONAIS
CARTAS DE CONTROLE PARA COMPONENTES PRINCIPAIS MULTIDIRECIONAIS Danilo Marcondes Filho, M.Eng. Universidade do Vale do Rio dos Sinos danilo@exatas.unisinos.br Flávio S. Fogliatto, Ph.D. Deartamento de
Leia maisUniversidade Federal do Amazonas Departamento de Física. Interferômetro de Michelson-Morley
Universidade Federal do Amazonas Deartamento de Física Interferômetro de Michelson-Morley 1 - Introdução: 1.1 Histórico: A interferometria é um ramo da ótica que usa o fenômeno da interferência ara determinar
Leia maisSolução. = r. = s. H 2 C CH 2 (g) CH 4 (g) + CO(g)
eatores PF nálise comarativa e de custos Determinada emresa retende roduzir em escala industrial gás metano a artir da dissociação do óxido de etileno. Estudos reliminares revelaram que este é um rocesso
Leia maisRedes Neurais MLP: Exemplos e Características
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais MLP: Exemplos e Características DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1
Leia maisESTUDO DE PROBLEMAS DE VIBRAÇÕES EM BARRAGENS USANDO ANÁLISE ISOGEOMÉTRICA
Congresso de Métodos Numéricos em Engenharia 2015 Lisboa, 29 de Junho a 2 de Julho, 2015 APMTAC, Portugal, 2015 ESTUDO DE PROBLEMAS DE VIBRAÇÕES EM BARRAGENS USANDO ANÁLISE ISOGEOMÉTRICA Rodnny J. M. Fakhye
Leia maisMODELAGEM DO CUSTO DO TRANSPORTE RODOVIÁRIO DE MADEIRA UTILIZANDO REGRESSÃO LINEAR MÚLTIPLA
7 a 9 de Outubro de 015, Botucatu São Paulo, Brasil MODELAGEM DO CUSTO DO TANSPOTE ODOVIÁIO DE MADEIA UTILIZANDO EGESSÃO LINEA MÚLTIPLA Vitória Castro Santos Barreto 1, Gislaine Cristina Batistela, ogério
Leia maisAE-249- AEROELASTICIDADE
AE-49- AEROELASTICIDADE Aerodinâmica Não Estacionária Introdução e conceitos básicos da teoria Instituto Tecnológico de Aeronáutica ITA/IEA 1 AERODINÂMICA NÃO ESTACIONÁRIA Das equações de Navier-Stokes
Leia maisConjunto de Valores. A Função de Probabilidade (fp)
Prof. Lorí Viali, Dr. viali@ucrs.br viali@mat.ufrgs.br htt://www.ucrs.br/famat/viali/ htt://www.mat.ufrgs.br/~viali/ Bernoulli Binomial Binomial Negativa ou Pascal Geométrica Hiergeométrica Uniforme Poisson
Leia maisUso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN
Uso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN Ben Dêivide de Oliveira Batista 1 2 Tales Jesus Fernandes 2 Thelma Sáfadi 2 Wesley de Oliveira Santos 3 1 Introdução
Leia maisPREVISÃO DA PRODUÇÃO DE ÁLCOOL
APLICAÇÃO Aplicação DE REDES de redes NEURAIS neurais artificiais... ARTIFICIAIS NA 279 PREVISÃO DA PRODUÇÃO DE ÁLCOOL Application of artificial neural networks in the forecast of alcohol production Anderson
Leia maisAPLICAÇÃO DO FILTRO DE KALMAN A UM SISTEMA DE POSICIONAMENTO DE VEÍCULO AQUÁTICO
APLICAÇÃO DO FILTRO DE KALMAN A UM SISTEMA DE POSICIONAMENTO DE VEÍCULO AQUÁTICO André TEIXEIRA DE AQUINO; André LUIZ CARNEIRO DE ARAÚJO (1) Instituto Federal de Educação, Ciência e Tecnologia do Ceará,
Leia maisCÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS.
CÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS. A. B. B. GIOPATTO 1, E. A. SILVA 2, T. D. MARTINS 1 1 Universidade Federal de São Paulo, Departamento
Leia maisXIX Seminário Nacional de Distribuição de Energia Elétrica
XIX Seminário Nacional de Distribuição de Energia Elétrica SENDI 21 22 a 26 de novembro São Paulo - SP - Brasil Avaliação do Comortamento dos Consumidores em Função da Variação das Tarifas de Energia Elétrica
Leia maisDETERMINAÇÃO E ANÁLISE DE DESEMPENHO DO MODELO APT - ARBITRAGE PRICING THEORY - NO MERCADO DE CAPITAIS BRASILEIRO
DETERMINAÇÃO E ANÁLISE DE DESEMPENHO DO MODELO APT - ARBITRAGE PRICING THEORY - NO MERCADO DE CAPITAIS BRASILEIRO Autores: Luiz Maranhão de Mello e Carlos Patrício Samanez Resumo Utilizando as cotações
Leia maisSIMULAÇÃO NUMÉRICA DO ESCOAMENTO PARTICULADO PARA O CONTROLE DE FUGA DE FLUIDO EM CANAIS FRATURADOS
SIMULAÇÃO NUMÉRICA DO ESCOAMENTO PARTICULADO PARA O CONTROLE DE FUGA DE FLUIDO EM CANAIS FRATURADOS 1 Marcos V. Barbosa, 1 Fernando C. De Lai, 1 Admilson T. Franco, 2 Alex T. A. Waldmann, 2 André L. Martins
Leia maisXVI CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 22 a 26 de outubro de 2007
XVI CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA DISPONIBILIDADE E FRACIONAMENTO DE Cd, Pb, Cu, Zn EM FUNÇÃO DO H E TEMPO DE CONTATO COM O SOLO ATRAVÉS DO USO DE MODELOS DE REGRESSÃO LINEAR POLINOMIAL EDCARLOS MIRANDA
Leia mais