Diatom-based characterization of iberian coastal environments at different time scales

Tese de doutoramento, Geologia (Geologia Económica e do Ambiente), Universidade de Lisboa, Faculdade de Ciências, 2014

Introdução à inteligência artificial com recurso à programação visual

Relatório da Prática de Ensino Supervisionada, Mestrado em Ensino da Matemática, Universidade de Lisboa, Instituto de Educação, 2014

Impacto da iluminação natural e artificial na disponibilidade de macro-invertebrados bentónicos para as aves limícolas

Tese de mestrado em Ecologia Marinha, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2015

Departamento de Genética Humana do INSA e as suas atividades: apresentação no âmbito de uma visita de estudo do ensino secundário

Apresentação das actividades realizadas no Departamento de Genética Humana com particular destaque para a investigação desenvolvida pelo grupo de Toxicologia Genética. Introdução à visita dos alunos aos laboratórios de genética.

An artificial neural network approach for short-term wind power forecasting in Portugal

This paper presents an artificial neural network approach for short-term wind power forecasting in Portugal. The increased integration of wind power into the electric grid, as nowadays occurs in Portugal, poses new challenges due to its intermittency and volatility. Hence, good forecasting tools play a key role in tackling these challenges. The accuracy of the wind power forecasting attained with the proposed approach is evaluated against persistence and ARIMA approaches, reporting the numerical results from a real-world case study.

Dynamic artificial neural network for electricity market prices forecast

This paper presents an artificial neural network applied to the forecasting of electricity market prices, with the special feature of being dynamic. The dynamism is verified at two different levels. The first level is characterized as a re-training of the network in every iteration, so that the artificial neural network can able to consider the most recent data at all times, and constantly adapt itself to the most recent happenings. The second level considers the adaptation of the neural network’s execution time depending on the circumstances of its use. The execution time adaptation is performed through the automatic adjustment of the amount of data considered for training the network. This is an advantageous and indispensable feature for this neural network’s integration in ALBidS (Adaptive Learning strategic Bidding System), a multi-agent system that has the purpose of providing decision support to the market negotiating players of MASCEM (Multi-Agent Simulator of Competitive Electricity Markets).

Scheduling distributed energy resources in an isolated grid - an artificial neural network approach

Power Systems (PS), have been affected by substantial penetration of Distributed Generation (DG) and the operation in competitive environments. The future PS will have to deal with large-scale integration of DG and other distributed energy resources (DER), such as storage means, and provide to market agents the means to ensure a flexible and secure operation. Virtual power players (VPP) can aggregate a diversity of players, namely generators and consumers, and a diversity of energy resources, including electricity generation based on several technologies, storage and demand response. This paper proposes an artificial neural network (ANN) based methodology to support VPP resource schedule. The trained network is able to achieve good schedule results requiring modest computational means. A real data test case is presented.

Feasibility study on multifunctional artificial reefs for the Azores

Tese de Doutoramento, Geografia (Ordenamento do Território), 25 de Novembro de 2013, Universidade dos Açores.

Mixed integer non linear programming and artificial neural network based approach to ancillary services dispatch in competitive electricity markets

Ancillary services represent a good business opportunity that must be considered by market players. This paper presents a new methodology for ancillary services market dispatch. The method considers the bids submitted to the market and includes a market clearing mechanism based on deterministic optimization. An Artificial Neural Network is used for day-ahead prediction of Regulation Down, regulation-up, Spin Reserve and Non-Spin Reserve requirements. Two test cases based on California Independent System Operator data concerning dispatch of Regulation Down, Regulation Up, Spin Reserve and Non-Spin Reserve services are included in this paper to illustrate the application of the proposed method: (1) dispatch considering simple bids; (2) dispatch considering complex bids.

Controlo e optimização de sistemas AVAC recorrendo a técnicas de inteligência artificial

Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia Mecânica

Validação do método de deteção de eritropoietina recombinante humana em urina humana por focalização isoelétrica

A eritropoietina (EPO) é uma substância que estimula a produção de eritrócitos, aumentando a oxigenação muscular, sendo segregada de forma natural pelo organismo e excretada na urina em baixas concentrações. Devido às suas propriedades e características, a EPO foi rapidamente introduzida no mundo do desporto, como substância ilícita, proporcionando vantagens no rendimento desportivo. No início de 2000 foi desenvolvido um método de deteção direta de EPO Recombinante (rHuEPO) em urina humana por Lasne, baseado na focalização isoelétrica (IEF) em gel de poliacrilamida, seguido de duplo blote, tendo este sido publicado e validado. Em 2002, a Agência Mundial Antidopagem (AMA) implementou este mesmo método, sendo atualmente um dos métodos oficiais utilizado pelos laboratórios acreditados pela AMA. Desta forma, o ponto de partida para a realização deste trabalho consistiu na necessidade de implementar e validar o método de referência de IEF para a deteção de rHuEPO em urina humana. O trabalho foi realizado no Laboratório de Análises e Dopagem (LAD) do Instituto do Desporto de Portugal (IDP), atual Instituto Português do Desporto e Juventude (IPDJ). O principal objetivo deste trabalho consistiu no estudo/investigação de diferentes parâmetros de validação (especificidade/seletividade; capacidade de identificação; limite de deteção; exatidão e repetibilidade), de acordo com o protocolado no Procedimento Geral interno do Laboratório de Análises de Dopagem de Lisboa (LAD). O referido método de triagem e confirmação revelou possuir características de desempenho conformes com os requisitos aplicáveis, pelo que é considerado validado e apto.

Conceções alternativas de alunos do 2.º ano de escolaridade sobre a reprodução humana

Relatório de Estágio apresentado à Escola Superior de Educação de Lisboa para obtenção de grau de mestre em Ensino do 1.º e 2.º ciclo do Ensino Básico

Cativeiro: fluxos temporais da memória humana de um espaço vivido

Trabalho de Projecto submetido à Escola Superior de Teatro e Cinema para cumprimento dos requisitos necessários à obtenção do grau de Mestre em Desenvolvimento de Projecto Cinematográfico - especialização em Realização.

Multiple Linear Regression and Artificial Neural Networks to Predict Time and Efficiency of Soil Vapor Extraction

The prediction of the time and the efficiency of the remediation of contaminated soils using soil vapor extraction remain a difficult challenge to the scientific community and consultants. This work reports the development of multiple linear regression and artificial neural network models to predict the remediation time and efficiency of soil vapor extractions performed in soils contaminated separately with benzene, toluene, ethylbenzene, xylene, trichloroethylene, and perchloroethylene. The results demonstrated that the artificial neural network approach presents better performances when compared with multiple linear regression models. The artificial neural network model allowed an accurate prediction of remediation time and efficiency based on only soil and pollutants characteristics, and consequently allowing a simple and quick previous evaluation of the process viability.