Previsão de ondas geradas por ventos em águas interiores e sua alteração devido à presença de vegetação aquática em margens de lagos

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Rompimento de barreiras: análise experimental e numérica na previsão de velocidades de propagação de frentes de material hiperconcentrado

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Citricultura na região sul paulista: modelo de previsão econômica para tomada de decisão em condições de risco

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Previsão dos custos de produção por intermédio de séries temporais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Previsão de séries temporais financeiras por meio de redes neurais dinâmicas e processos de transformação de dados: uma abordagem empírico-comparativa

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Desenvolvimento, aperfeiçoamento e validação de método cromatográfico para previsão da qualidade e propriedades físico-químicas do óleo diesel tipo B

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Modelo de previsão de priorização de peça de reposição

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Sistema inteligente para previsão de carga multinodal em sistemas elétricos de potência

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Previsão de carga multinodal usando a rede neural ART-ARTMAP fuzzy

Pós-graduação em Engenharia Elétrica - FEIS

Previsão espacial de demanda em sistemas de distribuição com uma base reduzida de dados

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Desenvolvimento de redes neurais para previsão de cargas elétricas de sistemas de energia elétrica

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Modelo de previsão e controle da podridão floral dos citrus causada por Colletotrichum acutatum

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

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.