Estudo geofísico sobre a erosão fluvial do Rio Guamá na orla da Universidade Federal do Pará, Belém (PA)

Este trabalho apresenta estudo geofísico de parte de orla fluvial sujeita à erosão, com o objetivo primordial de avaliar o seu uso na detecção de áreas degradadas pela erosão em estágio crítico, antes de seu desmoronamento. Esta área está situada ao longo de 600 m à margem do rio Guamá, entre a ponte do rio Tucunduba e o Porto de Canoagem, dentro do campus da Universidade Federal do Pará (UFPA), na cidade de Belém no Estado do Pará (Brasil). Conta, em alguns trechos, com diferentes tipos de contenção de erosão, entre os quais muro de concreto e sacos de cimento. A área é consequentemente, um laboratório para se testar a eficiência da Geofísica em detectar as zonas em que a ação da erosão, embora ainda não observável em superfície, atue, de modo a auxiliar obras de contenção da orla antes do seu colapso. Foram utilizados quatro métodos geofísicos: Potencial Espontâneo (SP), Eletrorresistividade, Slingram (LIN) e Radar de Penetração do Solo (GPR). As medidas foram levantadas durante a maré baixa e a maré alta na tentativa de mapear os caminhos preferenciais subsuperficiais para a entrada de água trazida pela maré alta e, por esse meio, para o trabalho erosivo. O efeito global da maré é aumentar as oscilações nas medidas de SP, Eletrorresistividade e LIN e aumentar a intensidade das reflexões obtidas com o GPR em relação às medidas obtidas com maré baixa. Na maré alta, as medidas mostram, em relação às medidas obtidas na maré baixa: I) Em zona com erosão, a redução da voltagem obtida com o método SP, a diminuição da resistividade obtida com imageamento realizado com o método da Eletrorresistividade, o aumento da condutividade LIN bem como tanto o aumento da intensidade das reflexões como a perturbação da continuidade dos refletores obtidos com o Método GPR II) Em zona com contenção, o aumento da voltagem SP, o aumento da resistividade obtida com Eletrorresistividade, a diminuição da condutividade LIN e, finalmente, a atenuação de reflexões obtidas com o GPR e redução do efeito global da maré. A despeito das dificuldades, os resultados demonstram que a Geofísica pode ser uma ferramenta auxiliar na previsão de locais onde a queda erosiva do terreno provocado por ela está prestes a ocorrer bem como na análise da eficácia da obra de contenção realizada.

Modelos para previsão de carga a curto prazo através de redes neurais artificiais com treinamento baseado na teoria da informação

O conhecimento prévio do valor da carga é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Este trabalho apresenta os resultados de um estudo investigativo da aplicação de Redes Neurais Artificiais do tipo Perceptron Multicamadas com treinamento baseado na Teoria da Informação para o problema de Previsão de Carga a curto prazo. A aprendizagem baseada na Teoria da Informação se concentra na utilização da quantidade de informação (Entropia) para treinamento de uma rede neural artificial. Dois modelos previsores são apresentados sendo que os mesmos foram desenvolvidos a partir de dados reais fornecidos por uma concessionária de energia. Para comparação e verificação da eficiência dos modelos propostos um terceiro modelo foi também desenvolvido utilizando uma rede neural com treinamento baseado no critério clássico do erro médio quadrático. Os resultados alcançados mostraram a eficiência dos sistemas propostos, que obtiveram melhores resultados de previsão quando comparados ao sistema de previsão baseado na rede treinada pelo critério do MSE e aos sistemas previsores já apresentados na literatura.

A resolução de problemas aditivos e sua complexidade: a previsão dos professores e a realidade dos alunos

Esta pesquisa dedicou-se a investigar a resolução de problemas aditivos nas séries iniciais e, em especial, se a concepção dos professores sobre a complexidade de um problema aditivo é determinante no rendimento dos alunos. Para alcançar esse objetivo foi desenvolvida uma pesquisa exploratória sobre as estratégias de resolução de problemas com alunos dos municípios de Belém, Capanema e Bragança, em 08 turmas de 4ª série, sendo sete delas de escolas públicas e uma de iniciativa privada, totalizando 205 alunos participantes da pesquisa. Com base nos estudos de Huete e Bravo (2006) aplicou-se, através de um questionário, 17 problemas aditivos aos alunos e, de acordo com seus rendimentos, os problemas foram divididos em problemas de baixa, média ou alta complexidade. Investigou-se também a avaliação dos professores quanto aos problemas aplicados aos alunos. Os resultados indicam que quanto maior é a complexidade de um problema para os alunos, mais dificuldade os professores têm de prever essa complexidade, especialmente porque algumas variáveis se fazem presentes na constituição de um problema complexo. Concluiu-se que é necessário dar maior atenção à formação docente, uma vez que o sucesso nas previsões de um problema aditivo está relacionado aos professores com maior formação acadêmica e aos professores com formação específica em matemática, além do que se faz urgente que se realize atividades voltadas à linguagem matemática nas salas de aulas, pois se percebeu pelos resultados dos alunos, uma real dificuldade nesse segmento.

Um framework para a previsão de cenários com o uso de sistemas híbridos neurogenéticos para compra e venda de energia elétrica no mercado futuro

No contexto da previsão de séries temporais, é grande o interesse em estudos de métodos de previsão de séries temporais que consigam identificar as estruturas e padrões existentes nos dados históricos, possibilitando gerar os próximos padrões da série. A proposta defendida nesta tese é a de desenvolvimento de um framework que utilize ao máximo as potencialidades das técnicas de previsão (redes neurais artificiais) com as técnicas de otimização (algoritmos genéticos) em um sistema híbrido intercomunicativo que aproveite bem as vantagens de cada uma dessas técnicas para a geração de cenários futuros que possam mostrar, além das previsões normais com base nos valores históricos, percursos alternativos das curvas das séries temporais analisadas.

Metodologias de inteligência computacional aplicadas ao problema de previsão de carga a curto prazo

Diversas atividades de planejamento e operação em sistemas de energia elétrica dependem do conhecimento antecipado e preciso da demanda de carga elétrica. Por este motivo, concessionárias de geração e distribuição de energia elétrica cada vez mais fazem uso de tecnologias de previsão de carga. Essas previsões podem ter um horizonte de curtíssimo, curto, médio ou longo prazo. Inúmeros métodos estatísticos vêm sendo utilizados para o problema de previsão. Todos estes métodos trabalham bem em condições normais, entretanto deixam a desejar em situações onde ocorrem mudanças inesperadas nos parâmetros do ambiente. Atualmente, técnicas baseadas em Inteligência Computacional vêm sendo apresentadas na literatura com resultados satisfatórios para o problema de previsão de carga. Considerando então a importância da previsão da carga elétrica para os sistemas de energia elétrica, neste trabalho, uma nova abordagem para o problema de previsão de carga via redes neurais Auto-Associativas e algoritmos genéticos é avaliada. Três modelos de previsão baseados em Inteligência Computacional são também apresentados tendo seus desempenhos avaliados e comparados com o sistema proposto. Com os resultados alcançados, pôde-se verificar que o modelo proposto se mostrou satisfatório para o problema de previsão, reforçando assim a aplicabilidade de metodologias de inteligência computacional para o problema de previsão de cargas.

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.

Previsão estocástica de nível fluviométrico para cidade de Marabá-PA: método de Box-Jenkins

O Município de Marabá- PA, situado na região Amazônica, sudeste do Estado do Pará, sofre anualmente com eventos de enchentes, ocasionados pelo aumento periódico do rio Tocantins e pela situação de vulnerabilidade da população que reside em áreas de risco. A defesa civil estadual e municipal anualmente planeja e prepara equipes para ações de defesa no município. Nesta fase o monitoramento e previsão de eventos de enchentes são importantes. Portanto, com o objetivo de diminuir erros nas previsões hidrológicas para o Município de Marabá, desenvolveu-se um modelo estocástico para previsão de nível do rio Tocantins, baseado na metodologia de Box e Jenkins. Utilizou os dados de níveis diários observados nas estações hidrológicas de Marabá e Carolina e Conceição do Araguaia da Agência Nacional de Águas (ANA), do período de 01/12/ 2008 a 31/03/2011. Efetuou-se o ajustamento de três modelos (M_t, N_t e Y_t), através de diferentes aplicativos estatísticos: o SAS e o Gretl, usando diferentes interpretações do comportamento das séries para gerar as equações dos modelos. A principal diferença entre os aplicativos é que no SAS usa o modelo de função de transferência na modelagem. Realizou-se uma classificação da variabilidade do nível do rio, através da técnica dos Quantis para o período de 1972 a 2011, examinando-se apenas as categorizações de níveis ACIMA e MUITO ACIMA do normal. Para análise de impactos socioeconômicos foram usados os dados das ações da Defesa Civil Estado do Pará nas cheias de 2009 e 2011. Os resultados mostraram que o número de eventos de cheias com níveis MUITO ACIMA do normal, geralmente, podem estar associados a eventos de La Niña. Outro resultado importante: os modelos gerados simularam muito bem o nível do rio para o período de sete dias (01/04/2011 a 07/04/2011). O modelo multivariado N_t (com pequenos erros) representou o comportamento da série original, subestimando os valores reais nos dias 3, 4 e 5 de abril de 2011, com erro máximo de 0,28 no dia 4. O modelo univariado (Y_t) teve bons resultados nas simulações com erros absolutos em torno de 0,12 m. O modelo com menor erro absoluto (0,08m) para o mesmo período foi o modelo M_t, desenvolvido pelo aplicativo SAS, que interpreta a série original como sendo não linear e não estacionária. A análise quantitativa dos impactos fluviométricos, ocorridos nas enchentes de 2009 e 2011 na cidade de Marabá, revelou em média que mais de 4 mil famílias sofrem com estes eventos, implicado em gastos financeiros elevados. Logo, conclui-se que os modelos de previsão de níveis são importantes ferramentas que a Defesa Civil, utiliza no planejamento e preparo de ações preventivas para o município de Marabá.