Genetic structure of red-handed howler monkey populations in the fragmented landscape of Eastern Brazilian Amazonia

We genotyped 15 microsatellite loci in order to evaluate the effects of habitat fragmentation, caused by flooding of the Tucuruí reservoir, on the genetic structure of Alouatta belzebul in eastern Amazonia. The analysis included two populations sampled in 1984, representing both margins of the Tocantins river, and three populations sampled 18 years later. Minimal differences in the diversity levels between present-day (Ho = 0.62-0.69 and AR = 6.07-7.21) and pre-flooding (Ho = 0.60-0.62 and AR = 6.27-6.77) populations indicated there was no significant loss of genetic variability, possibly because of successful management strategies applied during the flooding. The changes observed were limited to shifts in the composition of alleles, which presumably reflect the admixture of subpopulations during flooding. Given this, there were significant differences in the Rst values (p = 0.05) in all but one between-site comparison. Both present-day and original populations showed a deficit of heterozygotes, which suggests that this may be typical of the species, at least at a local level, perhaps because of specific ecological characteristics. The relatively large number of private alleles recorded in all populations may be a consequence of the Wahlund effect resulting from population admixture or a process of expansion rather than the loss of rare alleles through genetic drift. Additionally, the levels of genetic variability observed in this study were higher than those reported for other species of Neotropical primates, suggesting good fitness levels in these A. belzebul populations. Regular genetic monitoring of remnant populations, especially on islands, should nevertheless be an integral component of long-term management strategies.

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.