Comparative analysis between statistical and artificial intelligence models in business failure prediction

A growing number of predicting corporate failure models has emerged since 60s. Economic and social consequences of business failure can be dramatic, thus it is not surprise that the issue has been of growing interest in academic research as well as in business context. The main purpose of this study is to compare the predictive ability of five developed models based on three statistical techniques (Discriminant Analysis, Logit and Probit) and two models based on Artificial Intelligence (Neural Networks and Rough Sets). The five models were employed to a dataset of 420 non-bankrupt firms and 125 bankrupt firms belonging to the textile and clothing industry, over the period 2003–09. Results show that all the models performed well, with an overall correct classification level higher than 90%, and a type II error always less than 2%. The type I error increases as we move away from the year prior to failure. Our models contribute to the discussion of corporate financial distress causes. Moreover it can be used to assist decisions of creditors, investors and auditors. Additionally, this research can be of great contribution to devisers of national economic policies that aim to reduce industrial unemployment.

Comparative Analysis between Statistical and Artificial Intelligence Models in Business Failure Prediction

A growing number of predicting corporate failure models has emerged since 60s. Economic and social consequences of business failure can be dramatic, thus it is not surprise that the issue has been of growing interest in academic research as well as in business context. The main purpose of this study is to compare the predictive ability of five developed models based on three statistical techniques (Discriminant Analysis, Logit and Probit) and two models based on Artificial Intelligence (Neural Networks and Rough Sets). The five models were employed to a dataset of 420 non-bankrupt firms and 125 bankrupt firms belonging to the textile and clothing industry, over the period 2003–09. Results show that all the models performed well, with an overall correct classification level higher than 90%, and a type II error always less than 2%. The type I error increases as we move away from the year prior to failure. Our models contribute to the discussion of corporate financial distress causes. Moreover it can be used to assist decisions of creditors, investors and auditors. Additionally, this research can be of great contribution to devisers of national economic policies that aim to reduce industrial unemployment.

Applications of artificial intelligence to condition-based maintenance

In this paper we discuss interesting developments of expert systems for machine diagnosis and condition-based maintenance. We review some elements of condition-based maintenance and its applications, expert systems for machine diagnosis, and an example of machine diagnosis. In the last section we note some problems to be resolved so that expert systems for machine diagnosis may gain wider acceptance in the future.

Aspectos ecológicos da leishmaniose tegumentar americana: 2. ecótopo artificial como abrigo de Psychodopygus intermedius e observações sobre alimentação e reprodução sob influência de fatores físicos naturais

As observações levadas a cabo em um galinheiro experimental mostraram que Psychodopygus intermedius tem a capacidade de nele abrigar-se. Para se chegar a este resultado, a metodologia utilizada consistiu na coleta total diurna e exame do estado de alimentação e digestão sangüínea dos Ps. intermedius como parâmetro da sua maior ou menor permanência no ecótopo estudado. Além disso, observou-se paralelamente, os tempos para o repasto sangüíneo, digestão completa, oviposição, sobrevivência e cópula sob a influência direta dos fatores físicos naturais. A importância epidemiológica dos resultados reside em novas elucidações experimentais sobre a viabilidade da transmissão da leshmaniose tegumentar ocorrer em ambiente domiciliar.

Opinião de médicos brasileiros sobre fecundação artificial do ponto de vista ético

Foi realizado levantamento da opinião dos médicos que compareceram ao "XIV Congresso Brasileiro de Reprodução Humana", sob o ponto de vista ético, a respeito da fecundação artificial. Foram analisados os resultados, chegando-se a selecionar alguns itens comportamentais como preliminarmente aceitos. Propõe-se a realização de estudos mais profundos que objetivam abordar os vários aspectos aceitos ou não pela sociedade.

Duration of larval and pupal development stages of Aedes albopictus in natural and artificial containers

Aedes albopictus were reared in different containers: a tree hole, a bamboo stump and an auto tire. The total times from egg hatching to adult emergence were of 19.6,27.3 and 37.5 days, respectively, according to the container. The first, second and third-instar larvae presented growth periods with highly similar durations. The fourth-instar larvae was longer than the others stages. The pupation time was longer than the fourth-instar larvae growth period. The temperature of the breeding sites studied, which was of 18° C to 22° C on average, was also taken into consideration. The mortality of the immature stages was analysed and compared as between the experimental groups; it was lower in the natural containers than in the discarded tire. The average wing length of adult females emerging from tree hole was significantly larger (p < 0.05) than that of those emerging from the tire.

Encontro de Aedes scapularis (Diptera: Culicidae) em criadouro artificial em localidade da região Sul do Brasil

Duas larvas de Aedes scapularis foram encontradas em um criadouro artificial, no Município de Sertaneja, Norte do Estado do Paraná, Brasil, durante atividade de rotina para o controle de vetores da dengue.

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).

Rede neural artificial para detecção de sobremortalidade atribuível à cólera no Ceará

OBJETIVO: Avaliar as redes neurais recorrentes enquanto técnica preditiva para séries temporais em saúde. MÉTODOS: O estudo foi realizado durante uma epidemia de cólera ocorrida no Estado do Ceará, em 1993 e 1994, a partir da sobremortalidade tendo como causa básica as infecções intestinais mal definidas (CID-9). O número mensal de óbitos por essa causa, referente ao período de 1979 a 1995 no Estado do Ceará, foram obtidos do Sistema de Informação de Mortalidade (SIM) do Ministério da Saúde. Estruturou-se uma rede com dois neurônios na camada de entrada, 12 na camada oculta, um neurônio na camada de saída e um na camada de memória. Todas as funções de ativação eram a função logística. O treinamento foi realizado pelo método de backpropagation, com taxa de aprendizado de 0,01 e momentum de 0,9, com dados de janeiro de 1979 a junho de 1991. O critério para fim do treinamento foi atingir 22.000 epochs. Compararam-se os resultados com os de um modelo de regressão binomial negativa. RESULTADOS: A predição da rede neural a médio prazo foi adequada, em dezembro de 1993 e novembro e dezembro de 1994. O número de óbitos registrados foi superior ao limite do intervalo de confiança. Já o modelo regressivo detectou sobremortalidade a partir de março de 1992. CONCLUSÕES: A rede neural se mostrou capaz de predição, principalmente no início do período, como também ao detectar uma alteração concomitante e posterior à ocorrência da epidemia de cólera. No entanto, foi menos precisa do que o modelo de regressão binomial, que se mostrou mais sensível para detectar aberrações concomitantes à circulação da cólera.

Estudo do recife artificial a construir na Leirosa: aplicação de modelação numérica para simulação da propagação da agitação marítima

A temática dos recifes artificiais multifuncionais é relativamente recente, sendo que o primeiro recife artificial multifuncional construído data do ano de 1999 (Perth, Austrália). A palavra multifuncional está associada aos múltiplos propósitos que se podem atingir com a construção de uma estrutura destas, sendo eles, a proteção costeira, o aumento da biodiversidade local, a melhoria da qualidade das ondas para o Surf e a promoção do turismo ligado aos desportos de ondas. Para dar resposta a um caso de proteção costeira, na zona marítima adjacente à praia de Leirosa, Portugal, foi pensada uma construção de um recife artificial que funcione como obra de proteção do sistema dunar local e que, adicionalmente melhore as condições locais para a prática de Surf. Este trabalho descreve a análise de duas soluções de recife (em forma de “V”, formando um ângulo de 45º e 66º, entre si), através dos valores das características das ondas (altura, período e direção) e parâmetros de surfabilidade (linha de rebentação, número de Iribarren e ângulo de rebentação), para uma gama alargada de condições de agitação frequente. Para tal, foi necessário caracterizar a agitação marítima, através do modelo numérico SWAN para determinação dos casos de agitação mais frequentes na zona marítima adjacente ao local de implantação do recife e para, posteriormente, se proceder à sua utilização no modelo numérico DREAMS, que permitiu a simulação da propagação das ondas sobre o recife. A comparação dos resultados do modelo numérico DREAMS para as situações de com e sem recife (para as duas soluções de recife) permitiu avaliar a influência do mesmo em termos de alturas de onda, linha de rebentação e ângulo de rebentação, tendo-se chegado a resultados satisfatórios do ponto de vista do melhoramento das condições locais para a prática do Surf.

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.

Combining artificial intelligence techniques for the training of power system control centre operators

Control Centre operators are essential to assure a good performance of Power Systems. Operators’ actions are critical in dealing with incidents, especially severe faults, like blackouts. In this paper we present an Intelligent Tutoring approach for training Portuguese Control Centre operators in incident analysis and diagnosis, and service restoration of Power Systems, offering context awareness and an easy integration in the working environment.

Perspectives and progress of ecology and conservation science in the Azores: the possible contribution of Artificial Intelligence

EPIA 2013 - XVI Portuguese Conference on Artificial Intelligence Angra do Heroísmo, Azores, Portugal, 9 – 12 September.