Modelos probabilísticos de previsão de fendilhamento em pavimentos rodoviários

Dissertação para obtenção do Grau de Mestre em Engenharia Civil - Perfil Construção

Modelos de previsão de rodeiras em pavimentos rodoviários

Dissertação para obtenção do Grau de Mestre em Engenharia Civil – Perfil Geotecnia

Modelos de previsão de preços de commodities

O principal objectivo deste trabalho assenta em desenvolver modelos de previsão de preços de commodities para assim comparar a capacidade preditiva da simulação de Monte Carlo com a das redes neuronais. A simulação de Monte Carlo é principalmente utilizada para avaliar as opções, já as redes neuronais são utilizadas para fazer previsões, classificações, clustering ou aproximação de funções. Os diversos modelos desenvolvidos foram aplicados na previsão do preço futuro do milho, petróleo, ouro e cobre. Sendo que os horizontes temporais testados neste trabalho foram 1 dia, 5 dias, 20 dias e 60 dias. Através da análise do erro absoluto médio percentual (MAPE) concluiu-se que no geral o modelo individual que apresentou um melhor desempenho preditivo foram as redes neuronais. Contudo, nas previsões a 1 e a 5 dias os resultados obtidos foram semelhantes para ambos os modelos. Para se tentar melhorar os resultados obtidos pelos modelos individuais foram aplicadas algumas técnicas de combinação de modelos. A combinação de modelos demonstrou no geral capacidade para melhorar os resultados dos modelos individuais, porém apenas para o horizonte a 60 dias é que os resultados melhoraram significativamente.

A utilização de uma rede neural artificial para previsão da incidência da malária no município de Cantá, estado de Roraima

INTRODUÇÃO: A malária é uma doença endêmica na Amazônia Legal Brasileira, apresentando riscos diferentes para cada região. O Município de Cantá, no Estado de Roraima, apresentou para todo o período estudado, um dos maiores índices parasitários anuais do Brasil, com valor sempre maior que 50. O presente estudo visa à utilização de uma rede neural artificial para previsão da incidência da malária nesse município, a fim de auxiliar os coordenadores de saúde no planejamento e gestão dos recursos. MÉTODOS: Os dados foram coletados no site do Ministério da Saúde, SIVEP - Malária entre 2003 e 2009. Estruturou-se uma rede neural artificial com três neurônios na camada de entrada, duas camadas intermediárias e uma camada de saída com um neurônio. A função de ativação foi à sigmoide. No treinamento, utilizou-se o método backpropagation, com taxa de aprendizado de 0,05 e momentum 0,01. O critério de parada foi atingir 20.000 ciclos ou uma meta de 0,001. Os dados de 2003 a 2008 foram utilizados para treinamento e validação. Comparam-se os resultados com os de um modelo de regressão logística. RESULTADOS: Os resultados para todos os períodos previstos mostraram-se que as redes neurais artificiais obtiveram um menor erro quadrático médio e erro absoluto quando comparado com o modelo de regressão para o ano de 2009. CONCLUSÕES: A rede neural artificial se mostrou adequada para um sistema de previsão de malária no município estudado, determinando com pequenos erros absolutos os valores preditivos, quando comparados ao modelo de regressão logística e aos valores reais.

Equações de previsão dos movimentos sísmicos à superfície para a região Autónoma dos Açores

Um dos principais problemas e interesses da engenharia sísmica prende‐se com a previsão dos efeitos que eventos sísmicos futuros possam provocar à superfície do terreno de um dado local que permita o desenvolvimento de estratégias de prevenção e mitigação de efeitos assim como de estratégias que visem incrementar a resiliência da região em questão. Esta previsão requer informação relativa quer a movimentos sísmicos ocorridos anteriormente quer ao solo existente no local a fim de se estabelecer uma relação entre as características de eventos e os deslocamentos verificados à superfície. Para a região Autónoma dos Açores ambos os conjuntos de informação disponível revelam‐se em número insuficiente para que daí resulte uma análise adequada. No sentido de contribuir para a resolução do problema apresentado, o presente trabalho recorre num primeiro momento à metodologia estatística para a elaboração de colunas de solo, com caracter sintético, que permitam a colmatação das lacunas existentes na base de dados da região. Num segundo momento recorre‐se ao modelo de propagação unidireccional de ondas de corte através de uma coluna de solo, como forma de avaliar os efeitos que um conjunto de acções sísmicas produzem no topo da coluna fazendo‐se recurso do conjunto de colunas sintéticas, elaborado no presente trabalho, assim como da base de dados de acções sísmicas, de caracter sintético, existente para o afloramento rochoso no arquipélago dos Açores. Da avaliação do modo de propagação de ondas sísmicas resulta um conjunto de espectros que servemde base à elaboração de equações de previsão dos movimentos sísmicos para os diferentes tipos de terreno da região.

Avaliação e gestão de riscos em áreas litorais. Contributo para o desenvolvimento de um sistema de previsão e alerta de inundação em zonas costeiras

Enquadrado no projeto Hidralerta, este trabalho tem como objetivo avaliar o risco de inundação na zona da Costa da Caparica, concelho de Almada, entre 2007 e 2012. As praias em estudo são: São João da Caparica, Praia do Norte, CDS, Traquínio, Dragão Vermelho, Praia Nova e Nova Praia. O projeto Hidralerta pretende desenvolver um sistema de previsão, alerta e análise de risco a longo prazo associado ao galgamento e inundação em zonas costeiras e portuárias, através da utilização de previsões da agitação marítima. Pela aplicação do modelo espetral SWAN foram transferidas as características de agitação marítima (altura de onda, período de pico e direção de onda) do largo, fornecidos pelo modelo de previsão WAVEWATCH III, para junto à costa, isto é, para pontos em frente a cada uma das praias. Para o cálculo do runup na praia de São João da Caparica, foram aplicadas as fórmulas empíricas desenvolvidas por Hunt (1959), Holman (1986), Stockdon et al. (2006), Nielsen e Hanslow (1991), Ruggiero et al. (2001), Guza e Thornton (1982), e Teixeira (2009). Esta praia é considerada uma praia natural, com sistema dunar, semelhante aos sistemas utilizados pelos autores para desenvolvimento e aplicação das suas fórmulas. Para as restantes praias, que possuem estrutura de proteção aderente, foi utilizada a metodologia de Mase et al. (2013), que permite calcular o runup/galgamento nas praias e estruturas. Os perfis transversais de todas as praias e das estruturas foram levantados no local, no decorrer deste estudo. Depois de calculado o nível máximo de inundação nas praias e o caudal médio galgado nas estruturas de proteção, procedeu-se à avaliação do risco de inundação. Para isso, cruzou-se a informação de tabelas do grau de probabilidade de ocorrência e do grau de consequência, o que possibilitou a determinação da aceitabilidade do risco. Como resultado destaca-se que existe um grau indesejável de galgamento e inundação nas praias da Costa da Caparica e que a prevenção de danos em pessoas e bens pode ser melhorada pela aplicação de sistemas de alerta. Os resultados obtidos devem ser analisados com cuidado uma vez que a metodologia tem limitações, quer ao nível dos dados (agitação marítima, perfis de praia utilizados), das formulações empíricas consideradas, as quais não foram desenvolvidas para as praias em estudo e a avaliação das consequências, em que se utiliza uma metodologia muito simples.

Conceção e desenvolvimento de um modelo de previsão: estudo de caso numa empresa de retalho eletrónico

Os modelos de previsão são uma ferramenta de gestão adotada pela maioria das empresas, no sentido de garantirem a satisfação das necessidades dos seus clientes. São maioritariamente utilizados como suporte à formulação de orçamentos e guias de alocação de recursos. Caso se justifique, podem ainda ser utilizados como parte de um plano de negócios para novos mercados e/ou produtos. Por estes motivos, o conceito de “previsão da procura” é muito utilizado nas empresas, independentemente da sua área de atuação. Com a quebra das vendas e o abrandamento dos mercados, a maioria das empresas apostou na inovação como a melhor ferramenta para a melhoria dos seus processos. A grande vantagem competitiva proporcionada pelos seus resultados, associada ao reduzido custo de implementação tornam os modelos previsionais muito apelativos em ambientes de forte competitividade. Este trabalho foi desenvolvido com base num estágio realizado numa das maiores empresas de retalho a nível nacional. O seu objetivo consiste em analisar se a decomposição de séries cronológicas permite obter valores previsionais mais ajustados ao estado atual do negócio. Do mesmo modo, pretende-se reduzir a complexidade do processo previsional, pela utilização de documentos únicos, com base no sistema de informação utilizado pelos gestores da empresa. Pela utilização de um orçamento, com uma estrutura mais rigorosa e precisa, a empresa espera também obter um melhor plano de alocação de recursos, sem comprometer a satisfação das necessidades dos seus clientes.

Previsão de consumo de energia de curto-prazo (dia seguinte) com recurso a wavelets

A actividade de produção de energia eléctrica, bem como o seu transporte e distri-buição até aos consumidores finais iniciou-se no final do século XIX e, desde essa altura, o sector tem conhecido muitas transformações aos mais variados níveis. Mais recentemente, nas últimas décadas, o sector eléctrico tem enfrentado muitos desafios que têm contribuí-do bastante para o seu desenvolvimento e inovação. A previsão de consumos de energia eléctrica é tradicionalmente importante para o equilíbrio entre a oferta e a procura, bem como para uma rigorosa gestão e planeamento das redes eléctricas de transporte e distribuição. A sua importância é ainda reforçada, ac-tualmente, com a liberalização dos mercados energéticos, na medida que os comercializa-dores pretendem dispor de ferramentas que lhes permita estimar com precisão a curva de procura agregada de consumidores com quem contratualizam. Os sistemas de previsão de carga podem ser classificados de acordo com o horizonte temporal, sendo regularmente divididos em três categorias: previsão a longo prazo; pre-visão a médio prazo; previsão a curto prazo. Neste trabalho de dissertação, pretende-se desenvolver um sistema de previsão de consumo de energia para o dia seguinte (hora a hora) com o recurso a Wavelets, capaz de apresentar o consumo associado a cada período horário ao longo do dia. Para tal, foram desenvolvidos dois métodos que diferem entre si na forma como o conceito de Wavelets é aplicado na decomposição dos dados.

Previsão de produção de energia eléctrica através de fontes de energia renováveis

Com o passar do tempo, a aposta em energias renováveis tem vindo a aumentar. De forma a prever o que se irá produzir com os sistemas de energias renováveis, é necessário desenvolver modelos preditivos, específicos para cada situação. No Departamento de Engenharia Electrotécnica (DEE) da Faculdade de Ciências e Tecnologia (FCT) encontra-se um sistema fotovoltaico e um sistema eólico em funcionamento, e assim de forma a ter uma estimativa da produção de energia de ambos os sistemas, propôs-se nesta dissertação desenvolver um modelo de previsão de produção de energia eléctrica para os sistemas fotovoltaico e eólico. Para desenvolver o modelo preditivo pretendido, em primeiro lugar recolheram-se os dados meteorológicos e de produção de energia no ano 2013 e realizou-se um processamento desses mesmos dados, com a linguagem de programação Java, uma vez que não se encontravam na melhor forma para serem analisados e utilizados para construção do modelo. Após realizado o processamento, como os dados do ano de 2014 existentes não eram suficientes para testar o modelo depois de ser desenvolvido, geraram-se dados meteorológicos para 2014 tendo em consideração os dados de 2013. Para os dados de energia produzida, criaram-se superfícies de aproximação a partir dos dados de 2013, e utilizando os dados meteorológicos gerados para 2014 obteve-se uma aproximação da energia produzida. Tendo todos os dados necessários para a construção do modelo e posteriormente para o testar, iniciouse o pré-processamento dos dados com recurso a filtros e à Análise em Componentes Principais. Por fim, construíram-se duas estruturas diferentes de Redes Neuronais Artificiais de modo a verificar qual se adequa melhor aos sistemas existentes. Para validar o modelo construído com base em redes neuronais testou-se o modelo com os dados de 2014, diferentes dos utilizados na sua construção. Com os resultados obtidos concluiu-se que o filtro mais adequado para o pré-processamento é o filtro Savitzky-Golay e a estrutura do modelo mais indicada para o pretendido será a Rede Neuronal Artificial (RNA) com apenas uma camada intermédia.

Previsão de produção de energia elétrica através de fontes de energia renováveis

A capacidade de prever precisamente a produção de energia renovável é extremamente relevante tanto do ponto de vista económico como para controlo da estabilidade da rede elétrica. Para tal, é necessário realizar uma previsão das condições meteorológicas adjacentes à produção de energia a partir de fontes de energia renovável. Vários modelos de previsão têm sido utilizados para este fim, desde modelos atmosféricos a modelos estatísticos, onde se destacam métodos como Redes Neuronais Artificiais ou a Metodologia de Box & Jenkins. Lidar com dados meteo-rológicos pode revelar algumas complicações devido à possível instabilidade das medições, com-plicando o desenvolvimento de um modelo de previsão adequado. Neste trabalho pretende-se realizar a previsão de produção a partir de uma instalação fotovoltaica e um gerador eólico através do uso da Metodologia de Box & Jenkins para desenvolver um modelo capaz de realizar a previsão das condições meteorológicas para diferentes horizontes temporais medidos no topo do edifício do Departamento de Engenharia Eletrotécnica (DEE) da Faculdade de Ciências e Tecnologia (FCT), Universidade Nova de Lisboa (UNL), e usando esses valores para calcular a produção de energia. Os resultados obtidos revelaram um bom desempenho quando comparados os resultados previstos com os resultados reais para o mesmo período de tempo, garantindo que podem ser utilizados para calcular a previsão de potência produzida através das instalações presentes no local e encorajando novos estudos no tema.

Aplicação do modelo HDM-4 na previsão do IRI para pavimentos rodoviários da rede nacional

Os modelos de previsão da degradação dos pavimentos são um elemento-chave para os sistemas de gestão dos pavimentos sendo utilizados para prever a evolução das suas condições de circulação. O presente trabalho tem como objetivo estabelecer um modelo de previsão da evolução do indice de irregularidade longitudinal (IRI), principal indicador da qualidade funcional de um pavimento. Para tal, foram utilizados dados da base de dados da empresa Infraestrutruras de Portugal (IP). Esta mantém um programa de monitorização da rede com o objetivo de controlar a qualidade de serviço e gerir de forma consciente os recursos disponíveis. O modelo HDM-4 foi implementado em código do programa Matlab com o objetivo de apoiar este estudo. Primeiro, procedeu-se à avaliação da forma com que os parâmetros do modelo HDM-4 atuam sobre o valor do IRI no modelo HDM-4. Posteriormente, procurou-se ajustar os resultados obtidos efetuando calibrações, com o intuito de minimizar o erro entre os valores calculados e os valores medidos pela IP. Concluiu-se que é possível estabelecer modelos com base no modelo HDM-4, em pavimentos flexíveis, ajustados à rede rodoviária nacional. No entanto, para serem incluidos fatores que deveriam ser contabilizados no modelo, deverão ser realizadas algumas alterações na base de dados a utilizar.

Previsão de ocupação em habitações através dos níveis de dióxido de carbono

Cada vez mais a preocupação ambiental tem ditado o rumo das abordagens escolhidas nas mais variadas áreas, quer pela redução de desperdícios, quer pelo aumento da eficiência dos mais diversos processos. Quando olhamos para os consumos energéticos a nível mundial os edifícios são responsáveis por uma grande fatia destes consumos fazendo deles um dos grande ponto de interesse para implementação de sistemas que visem diminuir os consumos, permitindo assim tentar alcançar um equilíbrio sustentável entre o meio ambiente e o nosso conforto. A variável humana tem-se mostrado cada vez mais importante no desenvolvimento de ferramentas que venham permitir alcançar este objetivo, quer por via de reduções nos consumos através da remoção dos fatores de desperdício de energia, quer pelo aumento de eficiência dos sistemas utilizados nas habitações, desde a iluminação à climatização. É então importante poder ter formas de conhecer qual o comportamento humano no edifício para que possam ser criadas abordagens cada vez mais eficientes e que possam contar com melhores variáveis de entrada aumentado assim, ainda mais o seu desempenho. Na presente dissertação será feito o estudo da validade do uso do dióxido de carbono como variável de inferência para o nível de ocupação das várias divisões de um edifício de habitação. Para tal implementou-se um sistema de análise dos valores de dióxido de carbono da habitação através de módulos sem fios colocados em locais estratégicos que fornecerão informação ao algoritmo para que possa ser criado um mapa de ocupação. O dióxido de carbono mostrou-se capaz de fornecer informação da ocupação no entanto apresentando uma incerteza moderada devido a fatores como os deslocamentos de ar na habitação.

Modelo de previsão para identificar fatores de risco dos reinternamentos hospitalares em 30 dias : um estudo ao GDH 127 - insuficiência cardíaca ou choque

A representatividade do número de reinternamento hospitalares, no quadro dos custos hospitalares, deverá ser encarada como um indicador de qualidade nos serviços prestados e um objeto de estudo no que diz respeito à forma como estão a ser geridos esses serviços. Caracterizar os utentes com maior propensão a um reinternamento e identificar os fatores de risco que lhe estão associados torna-se, pois, pertinente, pois só assim, se poderá, no futuro, desenvolver uma atuação proativa com o objetivo primeiro de uma redução de custos sem colocar, no entanto, em causa a qualidade dos serviços que as entidades hospitalares prestam aos seus utentes. O objetivo deste estudo consiste em criar um modelo preditivo, com base em árvores de decisão, que auxilie a identificar os fatores de risco dos reinternamentos em 30 dias relativos ao Grupos de Diagnóstico Homogéneo (GDH) 127 - Insuficiência cardíaca e/ou choque, de forma a auxiliar as entidades prestadoras de cuidados de saúde a tomar decisões e atuar atempadamente sobre situações críticas. O estudo é suportado pela base de dados dos Grupos de Diagnóstico Homogéneos, a qual, possui informação sobre o utente e sobre o seu processo de internamento, nomeadamente, o diagnóstico principal, os diagnósticos secundários, os procedimentos realizados, a idade e sexo do utente e o destino após a alta. Pode concluir-se após estudo, que as taxas de reinternamentos têm vindo a aumentar nos últimos anos, que a população idosa insere-se no universo sujeito ao maior risco de reinternamento e que além do diagnóstico principal, a existência de comorbidades representa um papel importante no incremento do risco, nomeadamente, quando são diagnosticadas em simultâneo doenças renais, diabetes mellitus ou doenças isquémicas crónicas do coração (NCOP).

Métodos de aprendizagem automática: um estudo baseado na avaliação e previsão de clientes bancários

Data Mining surge, hoje em dia, como uma ferramenta importante e crucial para o sucesso de um negócio. O considerável volume de dados que atualmente se encontra disponível, por si só, não traz valor acrescentado. No entanto, as ferramentas de Data Mining, capazes de transformar dados e mais dados em conhecimento, vêm colmatar esta lacuna, constituindo, assim, um trunfo que ninguém quer perder. O presente trabalho foca-se na utilização das técnicas de Data Mining no âmbito da atividade bancária, mais concretamente na sua atividade de telemarketing. Neste trabalho são aplicados catorze algoritmos a uma base de dados proveniente do call center de um banco português, resultante de uma campanha para a angariação de clientes para depósitos a prazo com taxas de juro favoráveis. Os catorze algoritmos aplicados no caso prático deste projeto podem ser agrupados em sete grupos: Árvores de Decisão, Redes Neuronais, Support Vector Machine, Voted Perceptron, métodos Ensemble, aprendizagem Bayesiana e Regressões. De forma a beneficiar, ainda mais, do que a área de Data Mining tem para oferecer, este trabalho incide ainda sobre o redimensionamento da base de dados em questão, através da aplicação de duas estratégias de seleção de atributos: Best First e Genetic Search. Um dos objetivos deste trabalho prende-se com a comparação dos resultados obtidos com os resultados presentes no estudo dos autores Sérgio Moro, Raul Laureano e Paulo Cortez (Sérgio Moro, Laureano, & Cortez, 2011). Adicionalmente, pretende-se identificar as variáveis mais relevantes aquando da identificação do potencial cliente deste produto financeiro. Como principais conclusões, depreende-se que os resultados obtidos são comparáveis com os resultados publicados pelos autores mencionados, sendo os mesmos de qualidade e consistentes. O algoritmo Bagging é o que apresenta melhores resultados e a variável referente à duração da chamada telefónica é a que mais influencia o sucesso de campanhas similares.

Previsão da estrutura temporal da taxa de juro na zona Euro : aproximação paramétrica e por métodos de aprendizagem automática

A estrutura temporal das taxas de juro, também conhecida por yield curve ou curva de rendimentos define a relação entre as taxas de juros e o prazo de vencimento (ou maturidades) dos investimentos feitos. Assim, o desenvolvimento de modelos que possibilitem a obtenção de previsões precisas sobre a estrutura temporal das taxas de juro e que permitam estudar a dinâmica da evolução das taxas de juro é de crucial importância em diversas áreas de financiamento. Neste estudo investigou-se a performance de diferentes métodos de previsão para obter a estrutura temporal das taxas de juro da Zona Euro, considerando o período entre 2009 e 2015. Em termos mais específicos, foi analisada a capacidade preditiva do modelo de Nelson-Siegel & Svensson assumindo que os parâmetros resultantes da estimação da especificação paramétrica podem ser modelizados através de métodos de séries temporais univariados (modelos ARIMA, Random walk) e multivariados (modelos VAR) e Redes Neuronais Artificiais (RNA) individuais e conjuntas. Os resultados deste estudo mostram que (i) as RNA com a previsão dos parâmetros em simultâneo exibem os valores de erro mais baixos para as maturidades de curto e médio prazo (3 meses a 5 anos); (ii) As RNAs individuais são melhores para prever as taxas de juro nas maturidades compreendidas entre os 7 e os 10 anos, e que (iii) para as maturidades de longo e muito longo prazo (15 e 30 anos respetivamente) deverá ser escolhido o modelo VAR(1). Estes resultados são robustos e consistentes para todos os horizontes de previsão analisados (1,2 e 3 meses). Contudo, no período analisado nenhum dos modelos testados apresenta valores de erro inferiores aos obtidos com o modelo Random Walk.