Técnicas de suavização aplicadas à caracterização de fontes sísmicas e à análise probabilística de ameaça sísmica

A avaliação de risco sísmico, fundamental para as decisões sobre as estruturas de obras de engenharia e mitigação de perdas, envolve fundamentalmente a análise de ameaça sísmica. Calcular a ameaça sísmica é o mesmo que calcular a probabilidade de que certo nível de determinada medida de intensidade em certo local durante um certo tempo seja excedido. Dependendo da complexidade da atividade geológica essas estimativas podem ser bas- tante sofisticadas. Em locais com baixa sismicidade, como é o caso do Brasil, o pouco tempo (geológico) de observação e a pouca quantidade de informação são fontes de muitas incer- tezas e dificuldade de análise pelos métodos mais clássicos e conhecidos que geralmente consideram, através de opiniões de especialistas, determinadas zonas sísmicas. Serão discutidas algumas técnicas de suavização e seus fundamentos como métodos al- ternativos ao zoneamento, em seguida se exemplifica suas aplicações no caso brasileiro.

Predição da viscosidade de emulsões para petróleos leves brasileiros

A formação de emulsão de água-em-óleo gera um significativo incremento na viscosidade, o que afeta diretamente a produção do poço, pois aumenta a perda de carga ao longo da linha de produção, dificultando o escoamento e diminuindo a produção de óleo. A presença e natureza da emulsão, e seu impacto na reologia do petróleo, podem determinar a viabilidade econômica e técnica dos processos envolvidos. A medida que a fração de água aumenta e a temperatura é reduzida, o comportamento das emulsões se torna cada vez mais não-Newtoniano. A decorrência disso, é que a temperatura e a taxa de cisalhamento passam a ter maior impacto na variação da viscosidade das emulsões. Nesse estudo são propostos novos métodos que levam em conta essas variáveis. Os dados reológicos experimentais de 15 petróleos leves foram utilizados para avaliar o desempenho dos modelos existentes na literatura e compará-los com os novos métodos propostos nesse estudo.

French wine and the Brazilian consumer

Em um mercado internacional de vinhos cada dia mais competitivo, exportadores franceses estão procurando novos mercados para expandir suas atividades. Nesse cenário o Brasil aparece como um mercado potencial enorme e, por isso, é necessário aos empreendedores o perfeito entendimento das dinâmicas de mercado, a fim de moldar estratégias de marketing eficientes. A primeira etapa é entender o comportamento do consumidor final, a fim de oferecer o produto certo de maneira certa. Essa dissertação tem por objeto a análise dos hábitos de consumo, bem como a percepção do consumidor sobre os vinhos franceses no mercado do vinho brasileiro. A análise será efetuada em função do comportamento do consumidor; portanto, uma atenção especial será dada à demografia, aos hábitos de consumo e as tendências do mercado para os produtos vitivinícolas. Mais precisamente, a investigação tentará identificar diferentes grupos de consumidores com padrões semelhantes, baseados em dados demográficos, consumo atual ou potencial de vinho, e sua percepção particular sobre o vinho francês. A idéia por trás desse processo é a construção de um quadro que pode ajudar a desenvolver estratégias de marketing para profissionais do mercado de vinhos franceses no Brasil, fornecendo a potenciais exportadores uma melhor compreensão sobre como direcionar o seu posicionamento e atingir metas de forma eficaz. A realização desta dissertação foi um desafio importante porque o comportamento do consumidor de vinho no Brasil nao foi estudado inteiramente. É muito difícil hoje para exportadores franceses que desejam compreender melhor o consumidor brasileiro de vinho encontrar qualquer estudo ou análise. A fim de fazer isso, a literatura sobre o mercado do vinho brasileiro foi utilizada (especificidades dos produtos, produção, dados de consumo, etc.). A literatura também inclui os fatores de decisão que influenciam os consumidores nas suas decisões de compra, o que é uma questão muito complexa quando se trata de vinho. Finalmente, a literatura sobre as estratégias de marketing foi revista, a fim de avaliar o tanto o impacto potencial como a relevância para o mercado brasileiro. A segunda etapa do estudo foi a apresentação de questionários a consumidores brasileiros e a análise, com o intuito de determinar as preferências dos consumidores e compreender a percepção do vinho francês. O objetivo foi identificar potenciais grupos alvos para os produtores franceses de vinho.

Programação estocástica para fundos de pensão

Nesta dissertação discutiremos modelos e métodos de soluções de programação estocástica para resolver problemas de ALM em fundos de pensão. Apresentaremos o modelo de (Drijver et al.), baseado na programação estocástica multiestágios inteira-mista. Um estudo de caso para um problema de ALM será apresentado usando simulação de cenários.

Apresentação 3: Rigor metodológico e influência nos formuladores de política: o projeto de otimização integrada de produção de energia elétrica e usos múltiplos da água

Comentarista: Gesner de Oliveira (Grupo de Economia da Infraestrutura e Soluções Ambientais)

Convergence analysis of sampling-based decomposition methods for risk-averse multistage stochastic convex programs

We consider a class of sampling-based decomposition methods to solve risk-averse multistage stochastic convex programs. We prove a formula for the computation of the cuts necessary to build the outer linearizations of the recourse functions. This formula can be used to obtain an efficient implementation of Stochastic Dual Dynamic Programming applied to convex nonlinear problems. We prove the almost sure convergence of these decomposition methods when the relatively complete recourse assumption holds. We also prove the almost sure convergence of these algorithms when applied to risk-averse multistage stochastic linear programs that do not satisfy the relatively complete recourse assumption. The analysis is first done assuming the underlying stochastic process is interstage independent and discrete, with a finite set of possible realizations at each stage. We then indicate two ways of extending the methods and convergence analysis to the case when the process is interstage dependent.

Joint dynamic probabilistic constraints with projected linear decision rules

We consider multistage stochastic linear optimization problems combining joint dynamic probabilistic constraints with hard constraints. We develop a method for projecting decision rules onto hard constraints of wait-and-see type. We establish the relation between the original (in nite dimensional) problem and approximating problems working with projections from di erent subclasses of decision policies. Considering the subclass of linear decision rules and a generalized linear model for the underlying stochastic process with noises that are Gaussian or truncated Gaussian, we show that the value and gradient of the objective and constraint functions of the approximating problems can be computed analytically.

Multistep stochastic mirror descent for risk-averse convex stochastic programs based on extended polyhedral risk measures

We consider risk-averse convex stochastic programs expressed in terms of extended polyhedral risk measures. We derive computable con dence intervals on the optimal value of such stochastic programs using the Robust Stochastic Approximation and the Stochastic Mirror Descent (SMD) algorithms. When the objective functions are uniformly convex, we also propose a multistep extension of the Stochastic Mirror Descent algorithm and obtain con dence intervals on both the optimal values and optimal solutions. Numerical simulations show that our con dence intervals are much less conservative and are quicker to compute than previously obtained con dence intervals for SMD and that the multistep Stochastic Mirror Descent algorithm can obtain a good approximate solution much quicker than its nonmultistep counterpart. Our con dence intervals are also more reliable than asymptotic con dence intervals when the sample size is not much larger than the problem size.

Non-asymptotic confidence bounds for the optimal value of a stochastic program

We discuss a general approach to building non-asymptotic confidence bounds for stochastic optimization problems. Our principal contribution is the observation that a Sample Average Approximation of a problem supplies upper and lower bounds for the optimal value of the problem which are essentially better than the quality of the corresponding optimal solutions. At the same time, such bounds are more reliable than “standard” confidence bounds obtained through the asymptotic approach. We also discuss bounding the optimal value of MinMax Stochastic Optimization and stochastically constrained problems. We conclude with a small simulation study illustrating the numerical behavior of the proposed bounds.