23 resultados para Convergencia de Previsões
Resumo:
Dissertação apresentada para a obtenção do Grau de Doutor em Química Especialidade de Química Orgânica Pela Universidade Nova de Lisboa Faculdade de Ciências e Tecnologia
Resumo:
Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Ciência e Sistemas de Informação Geográfica
Resumo:
Dissertação apresentada para a obtenção do grau de Doutor em Engenharia do Ambiente, Sistemas Naturais e suas Tensões, pela Universidade Nova de Lisboa Faculdade de Ciências e Tecnologia
Resumo:
Dissertação para obtenção do Grau de Mestre em Engenharia Civil – Estruturas e Geotecnia pela Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa
Resumo:
Dissertação para obtenção do Grau de Mestre em Engenharia Civil – Perfil de Estruturas
Resumo:
Dissertação para obtenção do Grau de Mestre em Engenharia Civil – Perfil Construção
Resumo:
Dissertação para obtenção do Grau de Mestre em Engenharia Electrotécnica e de Computadores
Resumo:
Dissertação para obtenção do Grau de Doutor em Energia e Bioenergia
Resumo:
Dissertação para obtenção do Grau de Mestre em Engenharia Civil
Resumo:
Trabalho de!Projecto apresentado para cumprimento dos requisitos necessários à obtenção do grau de Mestre em Novos Media e Práticas Web
Resumo:
Dissertação para obtenção do Grau de Mestre em Engenharia Electrotécnica e de Computadores
Resumo:
Dissertação para obtenção do Grau de Doutor em Engenharia do Ambiente
Resumo:
O principal objectivo deste trabalho assenta em desenvolver modelos de previsão de preços de commodities para assim comparar a capacidade preditiva da simulação de Monte Carlo com a das redes neuronais. A simulação de Monte Carlo é principalmente utilizada para avaliar as opções, já as redes neuronais são utilizadas para fazer previsões, classificações, clustering ou aproximação de funções. Os diversos modelos desenvolvidos foram aplicados na previsão do preço futuro do milho, petróleo, ouro e cobre. Sendo que os horizontes temporais testados neste trabalho foram 1 dia, 5 dias, 20 dias e 60 dias. Através da análise do erro absoluto médio percentual (MAPE) concluiu-se que no geral o modelo individual que apresentou um melhor desempenho preditivo foram as redes neuronais. Contudo, nas previsões a 1 e a 5 dias os resultados obtidos foram semelhantes para ambos os modelos. Para se tentar melhorar os resultados obtidos pelos modelos individuais foram aplicadas algumas técnicas de combinação de modelos. A combinação de modelos demonstrou no geral capacidade para melhorar os resultados dos modelos individuais, porém apenas para o horizonte a 60 dias é que os resultados melhoraram significativamente.
Resumo:
As redes neuronais artificiais (RNA) têm sido apontadas como uma boa ferramenta de gestão da digestão anaeróbia, e o presente trabalho procurou explorar as funcionalidades de um aplicativo informático de criação de RNA, analisando a sua capacidade para modelar e otimizar os processos anaeróbios. O trabalho inseriu-se num estudo mais amplo, desenvolvido pelo grupo Águas de Portugal, no qual se pretendeu obter uma visão mais alargada e robusta da aplicabilidade deste tipo de ferramentas em digestores anaeróbios de diferentes instalações. O caso de estudo foi a ETAR do Seixal, pertencente à SIMARSUL, e o software utilizado foi o NeuralTools®. O desenvolvimento do estudo iniciou-se com a preparação dos dados referentes à ETAR do Seixal, tendo-se considerado esta como sendo a etapa determinante. A partir da caracterização das variáveis e de uma análise de correlações entre elas, foi possível selecionar 20 variáveis a integrar nos ensaios de treino e de teste, cujos principais objetivos se prenderam com a identificação da RNA com maior capacidade para prever o biogás produzido e a seleção das variáveis mais adequadas para a modelação dos processos anaeróbios. O treino e teste de redes envolveu a realização de 266 ensaios, a partir dos quais se identificaram as cinco melhores redes para previsão. A melhor RNA foi criada a partir dos dados de tempo de retenção hidráulico, pH, temperatura, ácidos gordos voláteis e alcalinidade total do digestor, e permitiu obter boas previsões do biogás produzido. Os resultados alcançados com esta rede ficaram, contudo, aquém dos valores de referência de uma previsão considerada “muito boa” e o reduzido número de casos usados para treinar a rede afigura-se como a principal causa. A escassez de dados constituiu, de resto, a principal limitação ao longo do estudo, permitindo realçar a importância da monitorização na gestão da digestão anaeróbia.
Resumo:
A microbiologia preditiva é a conjugação de conhecimentos provenientes de disciplinas como a matemática, estatística e os sistemas de informação e tecnologia que pretende providenciar modelos preditivos que prevejam o comportamento microbiano em ambientes alimentares, de forma a poder prevenir a deterioração dos géneros alimentares bem como as doenças de origem alimentar. Os modelos preditivos primários, secundários e terciários são aplicados no intuito de melhorar a qualidade e segurança alimentar e particularmente os terciários, podem ser utilizados como ferramentas auxiliadoras na área de HACCP; é necessário ter em conta que estes modelos são uma representação muito simplificada da realidade, que possuem limitações devido á complexidade do comportamento microbiano e dos ambientes alimentares, podendo por isto estimar previsões que se desviem das situações reais. O presente trabalho tem como principal objectivo averiguar a aplicabilidade da microbiologia preditiva, particularmente, dos modelos terciários ou softwares preditivos, na análise de amostras de carne de vaca e porco armazenadas a 5ºC e 10ºC, comparando os resultados obtidos através da análise microbiológica clássica, realizada no laboratório de microbiologia da empresa SGS, com os resultados obtidos das previsões provenientes de dois softwares preditivos, nomeadamente, ComBase Predictor e PMP (Pathogen Modeling Program). Para tal, foram realizadas análises microbiológicas, por forma a realizar contagens de E.coli, S.aureus, L.monocytogenes e pesquisa de Salmonella e análises químicas para analisar o pH, aw e NaCl de 20 amostras de carne de vaca e 20 amostras de carne de porco Adicionalmente foram efetuadas contagens de microrganismos totais a 30ºC. Os resultados demonstraram que a ferramenta preditiva ComBase conseguiu efectuar melhores previsões para o crescimento de E. coli, S. aureus e L. monocytogenes em amostras de carne de vaca e de porco do que a ferramenta preditiva PMP. Contudo, mesmo sendo melhor, as previsões efectuadas pelo programa apresentaram desvios em relação às contagens reais que muito provavelmente se relacionam com a existência da flora de decomposição. Os resultados estimados pela ferramenta PMP foram sempre muito mais elevados do que os resultados obtidos na análise microbiológica laboratorial, o que demonstrou a sua não aplicabilidade a este tipo de amostras.