Abstract Artificial neural networks (ANNs) may experience problems due to insufficient or uninformative predictors, and these problems are common for complex predictions such as those for rainfall. However, some studies point to the use of climate variables and anomalies as predictors to make the forecast more accurate. This research aimed to predict the monthly rainfall, one month in advance, in four municipalities of the metropolitan region of Belo Horizonte using an ANN trained with different climate variables; additionally, it aimed to indicate the suitability of such variables as inputs to these models. The models were developed using the MATLAB® software Version R2011a using the NNTOOL toolbox. The ANNs were trained by the multilayer perceptron architecture and the feedforward and backpropagation algorithm using two combinations of input data, with two and six variables, and one combination of input data with the three most correlated variables to observed rainfall from 1970 to 1999 to predict the rainfall from 2000 to 2009. The climate variable most correlated with the rainfall of the following month was the average compensated temperature. Even when using the variables most correlated with precipitation as predictors (0.66 ≤ nt index ≤ 1.26), there was no notable improvement in the predictive capacity of the models when compared to those that did not use climate variables as predictors (0.55 ≤ nt index ≤ 0.80). (ANNs However accurate advance additionally MATLAB Ra R a toolbox 197 199 200 2009 temperature 0.66 066 0 66 (0.6 1.26, 126 1.26 , 1 26 1.26) 0.55 055 55 (0.5 0.80. 080 0.80 . 80 0.80) 19 20 0.6 06 6 (0. 12 1.2 2 0.5 05 5 08 0.8 8 0. (0 1. (

Resumo As redes neurais artificiais (RNAs) podem apresentar problemas devido a preditores insuficientes ou não informativos, o que é comum para previsões complexas, como as de precipitação pluvial. No entanto, alguns estudos apontam para o uso de variáveis e anomalias climáticas como preditores para tornar a previsão mais precisa. Esta pesquisa teve como objetivo prever a precipitação mensal, com um mês de antecedência, em quatro municípios da região metropolitana de Belo Horizonte utilizando uma RNA treinada com diferentes variáveis climáticas; além disso, buscou indicar a adequação de tais variáveis como entrada para esses modelos. Os modelos foram desenvolvidos por meio do software MATLAB® versão R2011a utilizando a toolbox NNTOOL. As RNAs foram treinadas pela arquitetura multilayer perceptron e pelo algoritmo feedforward e backpropagation usando duas combinações de dados de entrada, com duas e seis variáveis, e uma combinação de dados de entrada com as três variáveis mais correlacionadas com precipitação observada de 1970 a 1999 para prever a precipitação de 2000 a 2009. A variável climática mais correlacionada com a precipitação do mês seguinte foi a temperatura média compensada. Mesmo utilizando as variáveis mais correlacionadas com a precipitação como preditores (0,66 ≤ índice nt ≤ 1,26), não houve melhora significativa na capacidade preditiva dos modelos quando comparado aos que não utilizaram variáveis climáticas como preditores (0,55 ≤ índice nt ≤ 0,80). (RNAs informativos complexas pluvial entanto precisa mensal antecedência disso MATLAB Ra R NNTOOL 197 199 200 2009 compensada 0,66 066 0 66 (0,6 1,26, 126 1,26 , 1 26 1,26) 0,55 055 55 (0,5 0,80. 080 0,80 . 80 0,80) 19 20 0,6 06 6 (0, 12 1,2 2 0,5 05 5 08 0,8 8 0, (0 1, (

Resumo O bioma Cerrado brasileiro (BCB) está entre os 25 hotspots de biodiversidade identificados em todo o mundo, e abrange a área de recarga de importantes aqüíferos e rios da América do Sul. O aumento do desmatamento vem ameaçando a disponibilidade de água na região. A fim de auxiliar na gestão dos recursos hídricos da BCB, este estudo tem como objetivo modelar a vazão diária em uma bacia do Cerrado, utilizando duas abordagens: um modelo baseado em processo (Soil and Water Assessment Tool - SWAT) e um modelo orientado por dados (Artificial Neural Network - ANN). O desempenho dos modelos foi avaliado pelo coeficiente de Nash-Sutcliffe (NSE), coeficiente de determinação (R2) e curvas de duração de fluxo (FDC). Os resultados indicam que os modelos SWAT (NSE > 0,61; R2 > 0,68) e ANN (NSE > 0,91; R2 > 0,79) são ferramentas adequadas na modelagem diária de vazões da bacia estudada, sendo o modelo ANN o mais preciso. Com base no FDC, o modelo ANN também foi melhor do que o modelo SWAT para todas as frequências avaliadas. Assim, o modelo ANN é uma nova abordagem promissora para modelagem de fluxo diário nesta região. Além disso, os resultados deste estudo podem ajudar os gestores de recursos hídricos no planejamento e implementação de medidas adequadas de alocação e conservação de água no bioma Cerrado brasileiro.

Abstract The Brazilian Cerrado biome (BCB) is among 25 biodiversity hotspots identified worldwide, and covers the recharge area of important aquifers and rivers in South America. The increase in deforestation has been threatening water availability in this region. In order to assist in the water-resource management of the BCB, this study models the daily streamflow in a basin of the Cerrado, using two approaches: a process-based model (Soil and Water Assessment Tool - SWAT) and the data-driven model (Artificial Neural Network - ANN). The performance of the models was evaluated by the Nash-Sutcliffe coefficient (NSE), coefficient of determination (R2) and flow-duration-curves (FDC). The results indicate that SWAT (NSE > 0.61; R2 > 0.68) and ANN (NSE > 0.91; R2 > 0.79) models are suitable tools in daily streamflow modeling of the studied basin, with the ANN model being the most accurate. Based on FDC, the ANN model was also better than the SWAT model for all frequencies evaluated. Thus, the ANN model is a promising new approach for daily streamflow modelling in this region. Moreover, the results of this study can help water-resource managers in planning and implementing appropriate water allocation and conservation measures in the Brazilian Cerrado biome.

RESUMO: Este artigo apresenta as principais aplicações de veículos elétricos no meio rural, apontanto as tendências e mudanças futuras. O trabalho discute também as condições tecnológicas e dificuldades enfrentadas pelo setor industrial para a inserção do veículo elétrico no mercado. São apresentados os principais pesquisadores da área com propostas para superar os problemas da implementação dos tratores elétricos, tais como abastecimento e armazenamento de energia elétrica. As comparações técnicas e econômicas entre tratores convencionais, a combustão interna, e tratores elétricos são apresentadas e discutidas. A revisão mostra a existência de barreiras para a implantação dos veículos elétricos no meio rural, como a necessidade de evolução tecnológica das baterias, que apresentam alto custo e ainda são pesadas para este propósito, mas mostra também que já existem sistemas que podem minimizar a dependência de compubstíveis fóceis do setor e aumentar o uso de energia sustentável.

ABSTRACT: This paper presents the main applications of electric vehicles in rural areas, pointing out the trends and challenges for the future. Technological conditions and difficulties faced by the industry for a wide dissemination of this technology are discussed. The paper described the main researches with proposals to overcome the problems of implementing electric tractors, as supply and electricity storage. Technical and economic comparisons between conventional internal combustion tractors and electric tractors are also presented and discussed. The paper showed the existence of barriers to the implementation of electric vehicles in rural areas, as well as the need for batteries technological evolution, which have high costs and for that reason they are very heavy for these purposes, but there are already systems that can be applied to minimize dependence of fossil fuels in this sector and increase the use of sustainable energy.

RESUMO: A competitividade no mercado agrícola tem tornado intensa a busca pela redução de custo nos processos de produção, como é o caso da colheita do café ( Coffea arabica L.), que tem migrado da colheita manual para a semi mecanizada e mecanizada. Essa transição proporcionou o surgimento de novas tecnologias e diversos modelos de colhedoras, as quais permitem regulagens que influenciam diretamente na eficiência de derriça. Entretanto, entender o comportamento dinâmico dos componentes e sistemas das colhedoras é de extrema importância para o desenvolvimento de novos produtos e recomendações de regulagem para colheita plena ou seletiva. Nesse contexto, objetivou-se analisar a vibração das hastes derriçadoras de uma colhedora de café, em diferentes regulagens, a fim de entender seu comportamento dinâmico em termos de amplitude e frequência de vibração, e inferir sobre a recomendação de regulagens para a colheita mecânica do café. A metodologia utilizada, baseada na análise dos sinais de vibração das hastes derriçadoras, possibilitou a recomendação de regulagens para a colheita mecânica do café, em função das amplitudes de vibração das hastes derriçadoras. O estudo mostrou que as maiores amplitudes de vibração das hastes no sentido vertical ocorreram para as regulagens de 8 e 10Kgf no freio, na vibração de 950 ciclos min-1 do cilindro e com hastes de 570mm de comprimento. Os resultados permitem associar o comportamento de vibração das hastes derriçadoras com os objetivos da colheita, plena ou seletiva, apontando qual a regulagem específica a ser utilizada para cada finalidade.

ABSTRACT: Growers need to reduce costs of the coffee production to meet the demand and stay competitive in the market. Such a need has led to the application of mechanization in the coffee harvest ( Coffea Arabica L.), which is a costly process and requires high cost of manpower, and this last is increasingly scarce. The migration from manual harvest to semi-mechanized or super-mechanized made new technologies and diverse models of coffee harvesting machines emerge. These coffee harvesting machines have settings that directly influence the harvesting efficiency. To understand the dynamic behavior of coffee harvesting machines components and systems is very important to develop new products, setting and operation norms. In this context, this reseach aimed to analyze the vibration of the harvester rods of an automatic coffee harvesting, by considering different adjustments, in order to understand its dynamic behavior in terms of amplitude and frequency of vibration, and to infer about adjustment recommendations for the mechanical harvesting coffee. Results showed that the harvesting studied presented larger amplitudes of vibration of stems vertically when set for 8 and 10Kgf of curb, at vibration of 950 cycles min1 of cylinder and with the stems of 570mm of length; the highest efficiency occurs when the rods vibrate vertically, promoting greater contact between the rods and side branches and fruit of the coffee plant. Also, the achieved results can be very useful as a guide for adjusting coffee harvesting machines, for research anddevelopment of new technologies to the benefit of the grower.

Neste trabalho, um sistema de classificação de distúrbios elétricos múltiplos e isolados é proposto. A inovação deste sistema está na utilização de um conjunto de filtros no pré-processamento, o que possibilita a separação de algumas classes de distúrbios e, consequentemente, a classificação de distúrbios múltiplos a partir de classificadores mais simples. O sistema proposto foi projetado com dados simulados e testado tanto com dados simulados quanto com dados reais. Bons resultados foram alcançados, uma vez que um desempenho global superior a 99% foi obtido, para o conjunto de dados considerado.

In this work, an automatic system was designed for classifying single and multiple disturbances in power systems. A filter bank was used for signal decomposition, which allows the decoupling of some disturbance classes, and makes it simpler the classifier design. The proposed system was designed using simulated data and tested for both simulated and experimental data. A global classification efficiency above 99% was achieved for the data set considered.

Este trabalho apresenta um sistema de detecção e classificação de distúrbios de qualidade da energia elétrica (QEE) que se baseia na decomposição do sinal de tensão em dois novos sinais, referentes à componente fundamental e ao sinal de erro e, em seguida, utiliza Estatísticas de Ordem Superior (EOS) para extrair parâmetros representativos de cada classe para simplificar o algoritmo de detecção e classificação. Como detector é utilizado um algoritmo baseado na teoria de Bayes e para implementar o algoritmo de classificação utilizou-se uma rede neural artificial. O sistema foi testado em simulações para seis classes de distúrbios, apresentando uma eficiência global próxima a 100% para tais distúrbios. Os resultados aqui apresentados são comparados com os resultados de outros sistemas propostos na literatura.

This contribution outlines signal processing-based algorithms for the detection and classification of voltage disturbances in power system. Basically filtering technique is applied to decompose the voltage signal into two primitive components which are named fundamental and error ones, then higher-order statistics (HOS)-based feature are selected and applied to detect and classify disturbances. Bayes- and Neural Network-based techniques are designed for the detection and classification respectively. The system was simulated considering six classes of disturbances, achieving a global efficiency about 100% to such disturbances. The performance of the method is compared with other methods presented in the literature.