RESUMOEste trabalho descreve a aplicação de Redes Neurais Artificiais na tarefa de previsão da produção de álcool no Brasil no ano de 2006, a partir de dados de produção anteriores. É também apresentada uma comparação entre os resultados obtidos por meio da Rede Neural com os obtidos utilizando técnicas de séries temporais, sendo que a Rede Neural obteve melhores resultados.Termos para indexação: Álcool, Redes Neurais, Séries Temporais. ABSTRACTThis work describes the application of Artificial Neural Networks in the forecasting of alcohol production in Brazil in the year of 2006 using past data. Results obtained through Neural Networks were compared to those obtained using time series techniques, and Neural Networks have shown better results. INTRODUÇÃOA energia utilizada pela humanidade tem sido extraída, principalmente, de combustíveis fósseis como o gás natural, o petróleo e o carvão. Essa utilização intensa dos materiais energéticos fósseis aliados à agricultura extensiva e outros fatores que alteram a biosfera, tem resultado num acréscimo mensurável da concentração de gás carbônico na atmosfera. Tornando, cada vez mais crescente, a necessidade da utilização de fontes alternativas de energia.Dentre as diversas formas renováveis de energia pode-se citar o álcool o qual tem tido seu reconhecimento na comunidade internacional como uma das fontes mais viáveis atualmente, destacando-se como um dos melhores candidatos a serem apoiados com políticas de financiamento, segundo estabelecido no Protocolo de Kyoto (Leite, 1997).A previsão de produção de álcool favorece uma tomada de decisões no sentido de planejar o volume de estoque para o consumo ao longo dos períodos subsequentes, principalmente agora, momento de transição da era fóssil para a era alternativa (Gonçalves, 2007).Recentemente, Gonçalves (2007) fez um estudo das principais fontes de energia que compõem o setor energético brasileiro constituído por fontes renováveis e não renováveis. Para tal, foram utilizadas técnicas de modelagem de séries temporais como os modelos de Box & Jenkins (1976), sendo considerados para previsão modelos com e sem intervenção. Para a produção de álcool, o modelo com intervenção obteve melhores previsões. Box & Jenkins (1976) propuseram modelos matemáticos que visam a captar o comportamento da correlação serial ou autocorrelação entre os valores da série temporal. Estes ficaram conhecidos como modelos ARIMA (Auto Regressive Integrated Moving Averages). Essa metodologia leva em conta que se os erros são sucessivamente dependentes, as observações também o serão. Desta forma, constrói-se modelos que descrevem com precisão, e de forma parcimoniosa, o processo gerador da série temporal, proporcionando assim previsões acuradas de valores futuros.Os modelos ARIMA exploram a autocorrelação entre os valores da série em instantes sucessivos. Entretanto, em algumas séries temporais observa-se a existência de uma componente periódica sazonal que se

The Cuiabá River registers cyclical occurrences of floods and droughts over the years, according to the hydrological periods, thus characterizing a non-linear behavior. The prediction of the level of the Cuiabá river is important to help institutions such as the Civil Defense of the state of Mato Grosso and many other institutions that are concerned with the prevention and mitigation of natural disasters. Thus, this study considered the nonlinear Threshold Autoregressive Self-Excking Open-loop (TARSO) model with 2 regimes, with a Bayesian approach. We tested models to which values of the linimetric quota (riverwater level in millimeters) with and without rainfall (mm) were associated. All models were compared using the lowest DIC, MAPE and MSE criterion, and the TARSO (2; 1, 0, 3, 1, 1) model performed best according to these criteria. Finally, the selected model was shown to produce reliable predictions.

No abstract

ResumoOs sistemas de alarme ótimos têm tido grande utilidade na detecção e advertência de ocorrência de catástrofes. Essa metodologia foi aplicada via modelo TARSO com ajuste bayesiano, servindo como mais um mecanismo de previsão para a doença ferrugem do café. A cultura cafeeira é muito suscetível ao ataque dessa doença, existindo registros de incidência na maioria das lavouras cultivadas. Pesquisas envolvendo esse fator limitante para a produção são intensas e frequentes, indicando os fatores ambientais como responsáveis pelo alastramento de epidemias, que não ocorrem se esses fatores não forem favoráveis. O tipo de ajuste utilizado por meio das probabilidades a posteriori, permitem que o sistema seja atualizado a cada ponto do tempo. A metodologia foi aplicada à série de índice de ferrugem na presença da série de temperatura média sendo possível verificar que o alarme resultou em uma detecção de catástrofe alta em pontos nos quais a catástrofe ainda não ocorreu e em detecções baixas se o ponto já estava no estado de catástrofe. Palavras-chave: Ferrugem, inferência bayesiana, modelo TARSO, limiar AbstractAlarm systems have very great utility in detecting and warning of catastrophes. This methodology was applied via TARSO model with Bayesian estimation, serving as a forecasting mechanism for coffee rust disease. The coffee culture is very susceptible to this disease causing several records of incidence in most cultivated crops. Researches involving this limiting factor for production are intense and frequent, indicating environmental factors as responsible for the epidemics spread, which does not occur if these factors are not favorable. The fitting type used by the a posteriori probability, allows the system to be updated each time point. The methodology was applied to the rust index series in the presence of the average temperature series. Thus, it is possible to verify the alarm resulted or in a high catastrophe detection in points at which the catastrophe has not occurred, or in the low detections if the point was already in the catastrophe state.

Objetivo: identificar fatores estressores no ambiente acadêmico e analisar as contribuições de um Programa de Extensão cuja finalidade foi auxiliar no enfrentamento às situações de vulnerabilidade dos estudantes. Método: trata-se de um estudo quantitativo, transversal e descritivo, com uma amostra de 177 estudantes de cursos de graduação da Universidade Federal de Alfenas (UNIFAL-MG). A coleta foi realizada por meio do Formulário Google, constituído por três partes: 1) Perfil sociodemográfico; 2) Fatores de estresse no ambiente universitário e; 3) Contribuições do Programa de Extensão UNIFAL Sem Estresse (PULSE) para o enfrentamento às situações de vulnerabilidade dos universitários. Resultados: a maioria (77,4%) dos respondentes possuía idade entre 18 a 24 anos e era do sexo feminino (80%). Identificou-se fontes de estresse para os estudantes, a saber: métodos de avaliação acadêmica, procrastinação em relação aos estudos, grade curricular cheia, adaptação ao novo ambiente acadêmico, dificuldades de aprendizagem, problemas de relacionamento entre docente e discente e entre colegas. Estatisticamente foi possível identificar que a contribuição da participação nas atividades do PULSE, no quesito bem-estar físico, foi maior entre as mulheres do que entre os homens. Conclusão: na perspectiva de oferecer estratégias de promoção à saúde e apoio pedagógico, conclui-se, com esse estudo, que o PULSE trouxe contribuições significativas para o enfrentamento do estresse, para a amenização dos sintomas de ansiedade e depressão, para o desenvolvimento acadêmico e cultural, melhoria do bem-estar físico e emocional, apoio pedagógico, bem como, oportunidades para a integração dos estudantes ao ambiente universitário.