Estudo Comparativo de Controladores Fuzzy Aplicados a um Sistema Solar Fotovoltaico.

Neste trabalho apresenta-se o modelo de um controlador baseado em Lógica Fuzzy para um sistema de energia baseado em fonte renovável solar fotovoltaica (photovoltaic - PV) multi-string em operação isolada, para o aproveitamento da máxima potência desta fonte. O sistema é composto por painéis solares, conversor CC-CC tipo elevador de tensão (boost), armazenamento por banco de baterias, inversor trifásico e carga trifásica variável. O sistema fotovoltaico foi modelado no MATLAB/Simulink de forma a representar a curva característica V-I do módulo PV, e que é baseado nos dados disponíveis em data-sheets de painéis fotovoltaicos comerciais. Outros estudos de natureza elétrica tais como o cálculo dos valores eficazes das correntes no conversor CC-CC, para avaliação das perdas, indispensáveis para o dimensionamento de componentes eletrônicos, foram realizados. O método tradicional Perturb and Observe de rastreamento do ponto de máxima potência (Maximum Power Point Tracking MPPT) de painéis foi testado e comparado com métodos que usam a Lógica Fuzzy. Devido ao seu desempenho, foi adotado o método Fuzzy que realiza o MPPT por inferência do ciclo de trabalho de um modulador por largura de pulso (Pulse Width Modulation - PWM) através da variação da potência pela variação da corrente do painel solar. O modelo Fuzzy adotado neste trabalho foi testado com sucesso. Os resultados mostraram que ele pode ser robusto e atende à aplicação proposta. Segundo alguns testes realizados, este controlador pode realizar o MPPT de um sistema PV na configuração multi-string onde alguns arranjos fotovoltaicos são usados. Inclusive, este controle pode ser facilmente adaptado para realizar o MPPT de outras fontes de energia baseados no mesmo princípio de controle, como é o caso do aerogerador.

Geração e Simplificação da Base de Conhecimento de um Sistema Híbrido Fuzzy-Genético.

Geração e Simplificação da Base de Conhecimento de um Sistema Híbrido Fuzzy- Genético propõe uma metodologia para o desenvolvimento da base de conhecimento de sistemas fuzzy, fundamentada em técnicas de computação evolucionária. Os sistemas fuzzy evoluídos são avaliados segundo dois critérios distintos: desempenho e interpretabilidade. Uma metodologia para a análise de problemas multiobjetivo utilizando a Lógica Fuzzy foi também desenvolvida para esse fim e incorporada ao processo de avaliação dos AGs. Os sistemas fuzzy evoluídos foram avaliados através de simulações computacionais e os resultados obtidos foram comparados com os obtidos por outros métodos em diferentes tipos de aplicações. O uso da metodologia proposta demonstrou que os sistemas fuzzy evoluídos possuem um bom desempenho aliado a uma boa interpretabilidade da sua base de conhecimento, tornando viável a sua utilização no projeto de sistemas reais.

Modelagem automática de sistemas fuzzy utilizando otimização por enxame de partículas.

Esta dissertaçãoo investiga a utilização de Particle Swarm Optimization (PSO) para a obtenção automática de sistemas fuzzy do tipo Mamdani, tendo como insumo apenas as definições das variáveis do problema, seus domínios e a função objetivo. Neste trabalho utilizam-se algumas técnicas conhecidas na tentativa de minimizar a obtenção de sistemas fuzzy que não sejam coerentes. As principais técnicas usadas são o método de Wang e Mendell, chamado de WM, para auxiliar na obtenção de regras, e os conceitos de clusterização para obtenção das funções de pertinência. Na função de avaliação proposta, considera-se não somente a acurácia do sistema fuzzy, através da medida do erro, mas também a sua interpretabilidade, através da medida da compacidade, que consiste da quantidade de regras e funções membro, da distinguibilidade, que permite evitar que as funções membro não se confundam, e da completude, que permite avaliar que as funções membro abranjam o máximo do domínio. O propósito deste trabalho consiste no desenvolvimento de um algoritmo baseado em PSO, cuja função de avaliação congregue todos esses objetivos. Com parâmetros bem definidos, o algoritmo pode ser utilizado em diversos tipos de problemas sem qualquer alteração, tornando totalmente automática a obtenção de sistemas fuzzy. Com este intuito, o algoritmo proposto é testado utilizando alguns problemas pré-selecionados, que foram classificados em dois grupos, com base no tipo de função: contínua ou discreta. Nos testes com funções contínuas, são utilizados sistemas tridimensionais, com duas variáveis de entrada e uma de saída, enquanto nos testes com funções discretas são utilizados problemas de classificação, sendo um com quatro variáveis e outro com seis variáveis de entrada. Os resultados gerados pelo algoritmo proposto são comparados com aqueles obtidos em outros trabalhos.

Síntese de árvores de padrões Fuzzy através de Programação Genética Cartesiana.

Esta dissertação apresenta um sistema de indução de classificadores fuzzy. Ao invés de utilizar a abordagem tradicional de sistemas fuzzy baseados em regras, foi utilizado o modelo de Árvore de Padrões Fuzzy(APF), que é um modelo hierárquico, com uma estrutura baseada em árvores que possuem como nós internos operadores lógicos fuzzy e as folhas são compostas pela associação de termos fuzzy com os atributos de entrada. O classificador foi obtido sintetizando uma árvore para cada classe, esta árvore será uma descrição lógica da classe o que permite analisar e interpretar como é feita a classificação. O método de aprendizado originalmente concebido para a APF foi substituído pela Programação Genética Cartesiana com o intuito de explorar melhor o espaço de busca. O classificador APF foi comparado com as Máquinas de Vetores de Suporte, K-Vizinhos mais próximos, florestas aleatórias e outros métodos Fuzzy-Genéticos em diversas bases de dados do UCI Machine Learning Repository e observou-se que o classificador APF apresenta resultados competitivos. Ele também foi comparado com o método de aprendizado original e obteve resultados comparáveis com árvores mais compactas e com um menor número de avaliações.

Análise de desempenho dos algoritmos Apriori e Fuzzy Apriori na extração de regras de associação aplicados a um Sistema de Detecção de Intrusos.

A extração de regras de associação (ARM - Association Rule Mining) de dados quantitativos tem sido pesquisa de grande interesse na área de mineração de dados. Com o crescente aumento das bases de dados, há um grande investimento na área de pesquisa na criação de algoritmos para melhorar o desempenho relacionado a quantidade de regras, sua relevância e a performance computacional. O algoritmo APRIORI, tradicionalmente usado na extração de regras de associação, foi criado originalmente para trabalhar com atributos categóricos. Geralmente, para usá-lo com atributos contínuos, ou quantitativos, é necessário transformar os atributos contínuos, discretizando-os e, portanto, criando categorias a partir dos intervalos discretos. Os métodos mais tradicionais de discretização produzem intervalos com fronteiras sharp, que podem subestimar ou superestimar elementos próximos dos limites das partições, e portanto levar a uma representação imprecisa de semântica. Uma maneira de tratar este problema é criar partições soft, com limites suavizados. Neste trabalho é utilizada uma partição fuzzy das variáveis contínuas, que baseia-se na teoria dos conjuntos fuzzy e transforma os atributos quantitativos em partições de termos linguísticos. Os algoritmos de mineração de regras de associação fuzzy (FARM - Fuzzy Association Rule Mining) trabalham com este princípio e, neste trabalho, o algoritmo FUZZYAPRIORI, que pertence a esta categoria, é utilizado. As regras extraídas são expressas em termos linguísticos, o que é mais natural e interpretável pelo raciocício humano. Os algoritmos APRIORI tradicional e FUZZYAPRIORI são comparado, através de classificadores associativos, baseados em regras extraídas por estes algoritmos. Estes classificadores foram aplicados em uma base de dados relativa a registros de conexões TCP/IP que destina-se à criação de um Sistema de Detecção de Intrusos.

Modelagem Fuzzy para previsão de uma série temporal de energia elétrica.

Esta dissertação testa e compara dois tipos de modelagem para previsão de uma mesma série temporal. Foi observada uma série temporal de distribuição de energia elétrica e, como estudo de caso, optou-se pela região metropolitana do Estado da Bahia. Foram testadas as combinações de três variáveis exógenas em cada modelo: a quantidade de clientes ligados na rede de distribuição de energia elétrica, a temperatura ambiente e a precipitação de chuvas. O modelo linear de previsão de séries temporais utilizado foi um SARIMAX. A modelagem de inteligência computacional utilizada para a previsão da série temporal foi um sistema de Inferência Fuzzy. Na busca de um melhor desempenho, foram feitos testes de quais variáveis exógenas melhor influenciam no comportamento da energia distribuída em cada modelo. Segundo a avaliação dos testes, o sistema Fuzzy de previsão foi o que obteve o menor erro. Porém dentre os menores erros, os resultados dos testes também indicaram diferentes variáveis exógenas para cada modelo de previsão.

Modelos de agrupamento e classificação para os bairros da cidade do Rio de Janeiro sob a ótica da Inteligência Computacional: Lógica Fuzzy, Máquinas de Vetores Suporte e Algoritmos Genéticos

A partir de 2011, ocorreram e ainda ocorrerão eventos de grande repercussão para a cidade do Rio de Janeiro, como a conferência Rio+20 das Nações Unidas e eventos esportivos de grande importância mundial (Copa do Mundo de Futebol, Olimpíadas e Paraolimpíadas). Estes acontecimentos possibilitam a atração de recursos financeiros para a cidade, assim como a geração de empregos, melhorias de infraestrutura e valorização imobiliária, tanto territorial quanto predial. Ao optar por um imóvel residencial em determinado bairro, não se avalia apenas o imóvel, mas também as facilidades urbanas disponíveis na localidade. Neste contexto, foi possível definir uma interpretação qualitativa linguística inerente aos bairros da cidade do Rio de Janeiro, integrando-se três técnicas de Inteligência Computacional para a avaliação de benefícios: Lógica Fuzzy, Máquina de Vetores Suporte e Algoritmos Genéticos. A base de dados foi construída com informações da web e institutos governamentais, evidenciando o custo de imóveis residenciais, benefícios e fragilidades dos bairros da cidade. Implementou-se inicialmente a Lógica Fuzzy como um modelo não supervisionado de agrupamento através das Regras Elipsoidais pelo Princípio de Extensão com o uso da Distância de Mahalanobis, configurando-se de forma inferencial os grupos de designação linguística (Bom, Regular e Ruim) de acordo com doze características urbanas. A partir desta discriminação, foi tangível o uso da Máquina de Vetores Suporte integrado aos Algoritmos Genéticos como um método supervisionado, com o fim de buscar/selecionar o menor subconjunto das variáveis presentes no agrupamento que melhor classifique os bairros (Princípio da Parcimônia). A análise das taxas de erro possibilitou a escolha do melhor modelo de classificação com redução do espaço de variáveis, resultando em um subconjunto que contém informações sobre: IDH, quantidade de linhas de ônibus, instituições de ensino, valor m médio, espaços ao ar livre, locais de entretenimento e crimes. A modelagem que combinou as três técnicas de Inteligência Computacional hierarquizou os bairros do Rio de Janeiro com taxas de erros aceitáveis, colaborando na tomada de decisão para a compra e venda de imóveis residenciais. Quando se trata de transporte público na cidade em questão, foi possível perceber que a malha rodoviária ainda é a prioritária

应用SVM预测杜鹃属（Rhododendron L.）在中国的潜在分布中心

杜鹃属(Rhododendron L.)是中国种子植物中最大的属，其现代分布和分化中心是我国西南部的横断山区和东喜马拉雅地区。我国西部、西南部的云南、四川、西藏等地共有杜鹃达450种，仅特有种就有约300种。对杜鹃属分布的深入研究是横断山区生物多样性保护不可缺少的重要部分。 由于物种分布与环境因子之间存在着紧密的联系，利用环境因子作为预测物种分布模型的变量是当前最普遍的建模思路。但是绝大多数物种分布预测模型都遇到了难以解决的“高维小样本”问题――模型在标本数据不足时无法给出合理的预测，或者模型无法处理大量的环境变量。机器学习领域的理论和实践已经证明，基于结构风险最小化原理的支持向量机(Support Vector Machine, SVM)算法非常适合“高维小样本”的分类问题。为了探索其应用在物种分布预测问题上的可能性，本文创新性的实现了基于SVM算法的物种分布预测系统。然后，本文以30个杜鹃属(Rhododendron L.)物种为检验对象，利用其标本数据和11个1km的栅格环境变量图层作为模型变量，预测其在中国的潜在分布区。本文通过全面的模型评估——专家评估，ROC (Receiver Operator Characteristic)曲线和曲线下方面积AUC (Area Under the Curve)——来比较模型的性能。试验结果表明，我们所实现的以SVM为核心的物种分布预测系统无论在计算速度还是预测效果上都远远优于当前广泛使用的GARP (Genetic Algorithm for Rule-Set Prediction)预测系统。 之后，本文进一步探讨了SVM预测系统预测效果与环境变量维数和标本点个数的关系。试验结果表明，对于只有少量标本点的物种SVM的预测结果仍然具有相当的合理性。由此可见， SVM预测系统很好的解决了以前众多模型无法克服的稀有种和标本点稀少的物种的潜在分布区模拟问题。同时本文发现大的环境维数（高维）对于物种潜在分布区的预测有着决定性的作用，因此模型处理高维问题的能力显得至关重要。 最后，我们使用中国所有可获取的杜鹃属标本数据，以及83个1km的栅格环境变量图层，对400种杜鹃属物种的潜在分布区进行预测。根据预测出来的物种潜在分布区，我们得到了中国杜鹃属物种潜在多样性分布格局，特有物种潜在多样性分布格局，濒危杜物种潜在的分布格局，各亚属物种潜在分布格局，以及不同生活型物种潜在多样性分布格局。这些分布区图不仅可以对杜鹃属起源研究提供分析验证的条件，还能为其引种、保护和新种的搜寻提供有利的空间依据。

A starting point for addressing product innovativeness in the Fuzzy Front-End

Product innovativeness is a primary contingent factor to be addressed for the development of flexible management for the front-end. However, due to complexity of this early phase of the innovation process, the definition of which attributes to customise is critical to support a contingent approach. Therefore, this study investigates front-end attributes that need to be customised to permit effective management for different degrees of innovation. To accomplish this aim, a literature review and five case studies were performed. The findings highlighted the front-end strategic and operational levels as factors influencing the front-end attributes related to product innovativeness. In conclusion, this study suggests that two front-end attributes should be customised: development activities and decision-making approach. Copyright © 2011 Inderscience Enterprises Ltd.

Neuro-Fuzzy genetic system for selection of construction project managers

Choosing a project manager for a construction project—particularly, large projects—is a critical project decision. The selection process involves different criteria and should be in accordance with company policies and project specifications. Traditionally, potential candidates are interviewed and the most qualified are selected in compliance with company priorities and project conditions. Precise computing models that could take various candidates’ information into consideration and then pinpoint the most qualified person with a high degree of accuracy would be beneficial. On the basis of the opinions of experienced construction company managers, this paper, through presenting a fuzzy system, identifies the important criteria in selecting a project manager. The proposed fuzzy system is based on IF-THEN rules; a genetic algorithm improves the overall accuracy as well as the functions used by the fuzzy system to make initial estimates of the cluster centers for fuzzy c-means clustering. Moreover, a back-propagation neutral network method was used to train the system. The optimal measures of the inference parameters were identified by calculating the system’s output error and propagating this error within the system. After specifying the system parameters, the membership function parameters—which by means of clustering and projection were approximated—were tuned with the genetic algorithm. Results from this system in selecting project managers show its high capability in making high-quality personnel predictions