Search

Esse trabalho tem como objetivo elaborar um modelo econometrico das vendas de imoveis em Goiânia a partir de indicadores socioeconomicos. A finalidade desse trabalho e criar uma ferramenta que ajude a melhor compreender e analisar o mercado imobiliario para, assim, auxiliar os gestores e empreendedores nas tomadas de decisao de novos negocios. Para atingir tal fim, foram coletados dados mensais de vendas de imoveis entre 2010 e 2016 de Goiânia como fonte a ADEMI e indicadores socioeconomicos de instituicoes confiaveis. Em seguida, foram utilizados dois softwares para o calculo estatistico para selecionar quais indicadores realmente tinham influencia nas vendas e gerar o modelo. No primeiro software foi utilizado o metodo do Algoritmo das Projecoes Sucessivas (SPA) para selecionar as variaveis, ja no segundo foi aplicado o metodo dos Minimos Quadrados Parciais (PLS). Ambos os softwares identificaram que o valor da cesta basica; o CUB; as Taxas de juros de longo prazo; a Taxa Selic e o valor do Dolar; explicavam boa parte da variacao do volume de estoque de apartamentos e, portanto, mostraram-se boas referencias para analisar o mercado imobiliario de Goiânia.

Introdução: A Reserva Extrativista (Resex) redefine duas tradições teóricas, a do desenvolvimento social e a da proteção do meio ambiente, se diferenciando das demais categorias por sua ênfase no homem, ao qual é atribuído o processo de fomentar a conservação. Sendo este um modelo exclusivamente brasileiro de área protegida que tem origem nos conflitos territoriais a partir de 1970, envolvendo interesses opostos sobre a floresta Amazônica. Objetivo: O estudo em questão objetivou promover um panorama sobre o contexto atual da gestão em Reservas Extrativistas, apontando aspectos que impactam negativamente na consolidação desse modelo como Unidade de Conservação de uso Sustentável. Material e métodos: Foi utilizada como fonte principal, a pesquisa bibliográfica, sendo realizadas consultas em artigos de periódicos científicos, banco de teses e consultas de relatórios em portais como o do MMA, ICMBio, ISA, IBGE, SNIF, entre outros. Resultados: A pesquisa evidenciou que os aspectos institucionais, econômicos e sociais assumem um papel importante no aumento das dificuldades na gestão das Resexs, fazendo com que, diante da pobreza, populações extrativistas sejam estimuladas à exercerem outras atividades econômicas por serem mais lucrativas, elevando com isso, o desflorestamento e o aumento das pressões sobre os ecossistemas. Uma vez que o mercado para produtos florestais é limitado e vulnerável às flutuações de preço, inviabilizando a independência econômica dessas populações. Tais desafios são impulsionados ainda pela ausência de Plano de Manejo e Conselho Gestor, representando respectivamente 62% e 8%, em Resexs federais e, 47% e 10%, em Resexs estaduais. Além de outros desafios presentes na maioria das Unidades de Conservação - UCs no Brasil, diante da redução de pessoal para gestão e fiscalização (1 para cada 18.600ha), redução de orçamento (R$4,00/ha), falta de infraestrutura, entre outros. Fazendo com que apenas 11% dessas sejam consideradas de alta efetividade. Conclusão: No contexto das Resexs, pode-se inferir que os aspectos institucionais, econômicos e sociais, exercem forte influência para o aumento do desflorestamento e das pressões sobre os ecossistemas, bem como, do empobrecimento de suas populações. Contribuindo cada vez mais para que estas percam suas identidades como Unidades de Conservação de uso Sustentável.

Water flow forecasts are an essential information for energy production, management and hydropower control. Advanced actions to optimize electricity production can be taken based on predicted information. This work proposes an ensemble strategy using recurrent neural networks to generate a forecast of water flow at Jirau Hydroelectric Power Plant (HPP), installed on the Madeira River in Brazil. The ensemble strategy consists of combining three long short-term memory (LSTM) networks that model the Madeira River and two of its tributaries: Mamoré and Abunã rivers. The historical data from streamflow of the Madeira river and its tributaries are used to validate the ensemble LSTM model, where each time series of river tributaries are modeled separated by LSTM models and the result used as input for another LSTM model in order to forecast the streamflow of the main river. The experimental results present low errors for training and test sets for individual LSTM networks and ensemble model. In addition, these results were compared with the operational forecasts performed by Jirau HPP. The proposed model showed better accuracy in four of the five scenarios tested, which indicates a promising approach to be explored in water flow forecasting based on river tributaries.

Um dos sistemas primordiais para a producao de energia em uma usina hidreletrica consiste em controlar as unidades geradoras eletricas. O sistema de partida e parada dos geradores e o cerne principal nesse quesito, o qual necessita checar inumeras pre-condicoes para seu correto funcionamento. Neste artigo e proposto um modelo qualitativo usando redes Petri para o sequenciamento do modulo de partida e parada de uma turbina hidreletrica. O modelo proposto descreve a operacao do sistema passo a passo e suas relacoes logicas com cada estagio do processo de partida e parada. O modelo (e possiveis extensoes quantitativas) podem se tornar uma ferramenta importante para analisar o sistema de controle de uma usina hidreletrica, auxiliando na tomada de decisao de seus operadores.

Monitoring and management of water levels has become an essential task in obtaining hydroelectric power. Activities such as water resources planning, supply basin management and flood forecasting are mediated and defined through its monitoring. Measurements, performed by sensors installed on the river facilities, are used for precisely information about water level estimations. Since weather conditions influence the results obtained by these sensors, it is necessary to have redundant approaches in order to maintain the high accuracy of the measured values. Staff gauge monitored by conventional cameras is a common redundancy method to keep track of the measurements. However, this method has low accuracy and is not reliable once it is monitored by human eyes. This work proposes to automate this process by using image processing methods of the staff gauge to measure and deep neural network to estimate the water level. To that end, three models of neural networks were compared: the residual networks (ResNet50), a MobileNetV2 and a proposed model of convolutional neural network (CNN). The results showed that ResNet50 and MobileNetV2 present inferior results compared to the proposed CNN.

Hydroelectric production is normally scheduled with respect to the demand in the power network at any time. At the hydroelectric power plant, regulating the volume of the reservoir is an important strategy to optimize the energy production. In this context, this paper proposes a control strategy for the optimal operation of the reservoir of Jirau hydroelectric power plant. This strategy is obtained using nonlinear optimization in order to maximize the production of electricity according to daily reservoir variation. To validate the model it was used historical data of the plant's flow. Results show that the model concentrated resources in the region with the highest energy demand, increasing reservoir use. On the other hand, it has preserved resources in regions of lower demand, increasing reservoir volume.

The water flow is an important information for the study of the energy production as well as management and hydropower control. The forecast of future information scenarios allows to take advanced actions in order to optimize electricity generation. This work proposes a model to generate a forecast of water flow based on a Recurrent Neural Network, more specifically the long short-term memory (LSTM) type. The dataset used to validate the LSTM model is obtained from flow history of Jirau Hydroelectric Power Plant, installed on the Madeira River in the state of Rondonia, Brazil. The model was trained and tested on one-day time-step resolution. Experimental results shows a lower error according its predictive capacity. The resulted forecast was evaluated by operating staff ex-perts, from Jirau Hydroelectric Power Plant, which attested the results can be used in real operation scenario. It is concluded that LSTM model is a good strategy for the forecast of water flow for the study of hydroelectric turbine efficiency.

Cyber-physical systems (CPS) is a modeling method that integrates embedded computing technologies into the physical world providing interconnections and interdependencies between the physical and cyber components. In order to model such system a class of formalism is need to describe the structure and behavior of cyber and physical components. This work provides an overview on how the Petri nets formalism can be used for modeling and analyzes hydropower control modeled as CPS system. It is presented an implementation of the start and stop sequence control of an electric power generating unit to exemplify the CPS methodology, the advantage and benefits of using Petri net as a model formalism.

Este trabalho apresenta uma metodologia para classificacao de especies pimentas utilizando redes neurais artificiais perceptron multicamadas. Sao analisadas 360 imagens obtidas em ambiente controlado utilizando uma câmera multiespectral no visivel para 24 especies de pimentas divididas em 15 amostras por especie. As imagens passam por uma etapa de pre-processamento onde os ruidos sao eliminados e a regiao da pimenta ´e detectada. As caracteristicas utilizadas para a classificacao das pimentas sao o tamanho da pimenta e momentos de cores obtidos das imagens pre -processadas em diferentes espacos de cores. Os resultados obtidos mostram que em media a classificacao das imagens tem uma taxa de acerto de 97,36%.

Mathematical models are of great value in epidemiology to help understand the dynamics of the various infectious diseases, as well as in the conception of effective control strategies. The classical approach is to use differential equations to describe, in a quantitative manner, the spread of diseases within a particular population. An alternative approach is to represent each individual in the population as a string or vector of characteristic data and simulate the contagion and recovery processes by computational means. This type of model, referred in the literature as MBI (models based on individuals), has the advantage of being flexible as the characteristics of each individual can be quite complex, involving, for instance, age, sex, pre-existing health conditions, environmental factors, social habits, etc. However, when it comes to simulations involving large populations, MBI may require a large computational effort in terms of memory storage and processing time. In order to cope with the problem of heavy computational effort, this paper proposes a parallel implementation of MBI using a graphics processor unit compatible with CUDA. It was found that, even in the case of a simple susceptible–infected–recovered model, the computational gains in terms of processing time are significant. Copyright © 2015 John Wiley & Sons, Ltd.

Petri nets have been widely used to model and analyze biological system. The formalism comprises different types of paradigms, integrating qualitative and quantitative (i.e., stochastic, continuous, or hybrid) modeling and analysis techniques. In this chapter, we describe the Petri net formalism and a broad view of its structure and characteristics applied in the modeling process in systems biology. We present the different net classes of the formalism, its color extension, and model analysis. The objective is to provide a discussion on the Petri net formalism as basis for research in computational biology.

O objetivo do trabalho é a classificação automática de imagens de pimentas por espécie. A classificação é feita empregando a análise de componentes principais (Principal Component Analysis, PCA) a partir de um conjunto de dados de 345 imagens de pimentas no padrão vermelho, verde e azul (Red, Green, Blue, RGB) obtidas com a câmera JAI AD-080GE. Os resultados obtidos mostram uma acurácia de 72,97% do modelo proposto para classificação das pimentas.