Campos elétrico e magnético em linhas de transmissão de energia

Este artigo apresenta uma nova abordagem para o cálculo de campos elétricos e magnéticos de linhas aéreas de transmissão, ao utilizar "O método de simulação da carga ..." [1]. Neste caso, a análise do potencial elétrico no tempo, o cálculo das cargas instantâneas, e a utilização de correntes instantâneas, permitem obter os valores instantâneos dos campos. Os resultados obtidos pelo programa de computador para calcular os perfis do campo elétrico e do campo magnético ao nível do solo da linha aérea de transmissão Batalha - Pego 400 kV são comparados com as medições efetuadas nessa linha [2]. Podemos concluir que a simulação no tempo é mais precisa e dá valores consistentes com a realidade. O programa de cálculo desenvolvido pode ser utilizado com todas as possíveis configurações das linhas de transmissão. A aplicação do programa noutras linhas aéreas de transmissão permite a obtenção de conclusões interessantes sobre a questão da segurança e da saúde das pessoas. As simulações sugerem bons resultados sendo confirmados através das medições efetuadas noutras linhas de energia [2] [3].

Performance of state space and ARIMA models for consumer retail sales forecasting

Forecasting future sales is one of the most important issues that is beyond all strategic and planning decisions in effective operations of retail businesses. For profitable retail businesses, accurate demand forecasting is crucial in organizing and planning production, purchasing, transportation and labor force. Retail sales series belong to a special type of time series that typically contain trend and seasonal patterns, presenting challenges in developing effective forecasting models. This work compares the forecasting performance of state space models and ARIMA models. The forecasting performance is demonstrated through a case study of retail sales of five different categories of women footwear: Boots, Booties, Flats, Sandals and Shoes. On both methodologies the model with the minimum value of Akaike's Information Criteria for the in-sample period was selected from all admissible models for further evaluation in the out-of-sample. Both one-step and multiple-step forecasts were produced. The results show that when an automatic algorithm the overall out-of-sample forecasting performance of state space and ARIMA models evaluated via RMSE, MAE and MAPE is quite similar on both one-step and multi-step forecasts. We also conclude that state space and ARIMA produce coverage probabilities that are close to the nominal rates for both one-step and multi-step forecasts.