A socio-environmental development programme in action in Brazilian Amazonia

This paper deals with the process of scaling up and scaling down grassroots demands through a state-sponsored socio-environmental development programme in Brazilian Amazonia called Proambiente (Pro-environment). The paper attempts to understand the links between the three different levels of the programme actions: the macro (federal government), intermediate (NGOs), and local (community) levels. The central paper s issue is to understand how a state-sponsored socio-environmental development programme interacts with and impacts local communities. The theoretical paper s framework involves the approaches of participatory development and governance. The methodology is based on three levels of qualitative analysis (macro-, intermediary- and local-level). The paper (a) describes the trajectory of the Proambiente and the process of scaling up communities demands; (b) reveals contradictions within the Proambiente implementation; and (c) debates the impacts of the programme actions at local level. The paper reveals that once the state encompasses local people s demands and creates a development programme, the development model absorbs multi-actor interests that change local people s proposals. It also shows that the challenge facing a socio-environmental development programme like the Proambiente is to find a balance between production and conservation aims.

Previsão multi-passos a frente do preço de energia elétrica de curto prazo no mercado brasileiro

A predição do preço da energia elétrica é uma questão importante para todos os participantes do mercado, para que decidam as estratégias mais adequadas e estabeleçam os contratos bilaterais que maximizem seus lucros e minimizem os seus riscos. O preço da energia tipicamente exibe sazonalidade, alta volatilidade e picos. Além disso, o preço da energia é influenciado por muitos fatores, tais como: demanda de energia, clima e preço de combustíveis. Este trabalho propõe uma nova abordagem híbrida para a predição de preços de energia no mercado de curto prazo. Tal abordagem combina os filtros autorregressivos integrados de médias móveis (ARIMA) e modelos de Redes Neurais (RNA) numa estrutura em cascata e utiliza variáveis explanatórias. Um processo em dois passos é aplicado. Na primeira etapa, as variáveis explanatórias são preditas. Na segunda etapa, os preços de energia são preditos usando os valores futuros das variáveis exploratórias. O modelo proposto considera uma predição de 12 passos (semanas) a frente e é aplicada ao mercado brasileiro, que possui características únicas de comportamento e adota o despacho centralizado baseado em custo. Os resultados mostram uma boa capacidade de predição de picos de preço e uma exatidão satisfatória de acordo com as medidas de erro e testes de perda de cauda quando comparado com técnicas tradicionais. Em caráter complementar, é proposto um modelo classificador composto de árvores de decisão e RNA, com objetivo de explicitar as regras de formação de preços e, em conjunto com o modelo preditor, atuar como uma ferramenta atrativa para mitigar os riscos da comercialização de energia.