Resumo O presente estudo aplica técnicas de inteligência computacional no desenvolvimento de um modelo híbrido composto por Redes Neurais Artificiais (RNAs) e Algoritmos Genéticos (AGs) (MLP-GA) para estimar e preencher lacunas nas variáveis mensais de evaporação, temperatura máxima e umidade relativa em seis regiões do estado do Rio de Janeiro (RJ), Brasil. Os resultados foram avaliados por meio de técnicas estatísticas e comparados com os resultados obtidos pelos modelos de Regressão Linear Múltipla (RLM), Perceptron de Multicamadas (MLP) e Redes de Função de Base Radial (RBF), além de serem comparados com os dados registrados pelas estações meteorológicas. O coeficiente de correlação (r) entre as estimativas de evaporação geradas pelo MLP-GA com os dados registrados mostrou uma relação elevada, permanecendo entre 0,82 e 0,97. O erro percentual médio (MPE) variou de 6,01% a 9,67%, indicando uma precisão entre 90% e 94%. Para a temperatura máxima gerada pelo MLP-GA, a correlação com os dados registrados permaneceu entre 0,97 e 0,99. Apresentou também o MPE entre 0,95% e 1,57%, mantendo a precisão dos dados estimados entre 98% e 99%. O coeficiente de correlação (r) entre as estimativas de umidade relativa geradas pelo MLP-GA permaneceu entre 0,89 e 0,97, com MPE entre 1,15% e 1,89%, garantindo uma taxa superior a 98% de acerto em suas estimativas. Tais resultados demonstraram ganhos em relação aos outros modelos aplicados e permitiram o preenchimento da maioria dos valores ausentes. RNAs (RNAs AGs (AGs MLPGA MLP GA (MLP-GA RJ, RJ , (RJ) Brasil RLM, RLM (RLM) (MLP RBF, RBF (RBF) meteorológicas r (r elevada 082 0 82 0,8 097 97 (MPE 601 6 01 6,01 967 9 67 9,67% 90 94 94% MLPGA, GA, 0,9 099 99 0,99 095 95 0,95 157 1 57 1,57% 98 99% 089 89 115 15 1,15 189 1,89% ausentes (RJ (RLM (RBF 08 8 0, 09 60 6,0 96 9,67 5 1,57 11 1,1 18 1,89 6, 9,6 1,5 1, 1,8 9,

Abstract The present study applies computational intelligence techniques in the development of a hybrid model composed of Artificial Neural Networks (ANNs) and Genetic Algorithms (GAs) (MLP-GA) to estimate and fill in the gaps in the monthly variables of evaporation, maximum temperature and relative humidity to six regions in the state of Rio de Janeiro (RJ), Brazil. The results were evaluated using statistical techniques and compared with results obtained by the Multiple Linear Regression (RLM), Multilayer Perceptron (MLP) and Radial Basis Function (RBF) models and also compared with the data recorded by the weather stations. The correlation coefficient (r) between the evaporation estimates generated by MLP-GA with the recorded data showed a high relationship, remaining between 0.82 to 0.97. The average percentage error (MPE) ranged from 6.01% to 9.67%, indicating a accuracy between 90% to 94%. For the maximum temperature generated by MLP-GA the correlation with the recorded data remained between 0.97 to 0.99. It also presented the MPE between 0.95% to 1.57%, maintaining the accuracy of the estimated data between 98% to 99%. The correlation coefficient (r) between the relative humidity estimates generated with the MLP-GA remained between 0.89 a 0.97, the MPE between 1.15% to 1.89%, which guaranteed a rate higher than 98% of correctness in its estimates. Such results demonstrated gains in relation to the other applied models and allowed the accomplishment of the filling of most of the missing values. ANNs (ANNs GAs (GAs MLPGA MLP GA (MLP-GA RJ, RJ , (RJ) Brazil RLM, RLM (RLM) (MLP RBF (RBF stations r (r relationship 082 0 82 0.8 097 97 (MPE 601 6 01 6.01 967 9 67 9.67% 90 94 94% 0.9 099 99 0.99 095 95 0.95 157 1 57 1.57% 98 99% 089 89 115 15 1.15 189 1.89% values (RJ (RLM 08 8 0. 09 60 6.0 96 9.67 5 1.57 11 1.1 18 1.89 6. 9.6 1.5 1. 1.8 9.

Resumo O alto consumo de água pela agricultura torna cada vez mais essencial o conhecimento da evapotranspiração de referência (ETo) para a realização do manejo da irrigação. Entretanto, definir um método adequado às diferentes localidades está associado à disponibilidade dos dados meteorológicos e a adaptação dos métodos às localidades aplicadas. Assim, o objetivo deste trabalho foi comparar e avaliar o desempenho dos métodos de ETo: Hargreaves-Samani, Jensen-Haise, Benavides & Lopez e Hamon com o método padrão Penman Monteith FAO-56, para estimar a ETo diária de seis regiões, três do estado do Rio de Janeiro e três do estado do Espírito Santo. As variáveis meteorológicas empregadas foram cedidas pelo Centro de Previsão de Tempo e Estudos Climáticos e do Instituto Nacional de Pesquisas Espaciais (CPTEC - INPE). O desempenho dos modelos foi avaliado por diferentes técnicas estatísticas onde o modelo que melhor se adaptou às localidades estudadas nos dois estados foi o de Jensen Haise, tendo obtido os índices de correlação (r) entre 0,73 a 0,94 e a confiabilidade (C) entre 0,60 a 0,90 com o modelo de Penman Monteith.

Abstract The high consumption of water by agriculture makes knowledge about reference evapotranspiration (ETo) for irrigation management more and more essential. However, define an appropriate method to the different locations is associated with the availability of meteorological data and the adaptation of the methods to the application sites. Thus, the objective of this study is to compare and evaluate the performance of the ETo methods: Hargreaves-Samani, Jensen-Haise, Benavides & Lopez and Hamon using the standard method Penman Monteith FAO-56, to estimate the daily ETo of six regions, three of the state of Rio de Janeiro and three of the state of Espírito Santo. The meteorological variables employed were provided by the Center for Weather Forecasting and Climate Studies and the National Institute of Space Research - (CPTEC - INPE). The performance of the models was evaluated by different statistical techniques where the model that best suited the studied locations in the two states was the Jensen Haise, obtaining correlation indexes (r) between 0.73 and 0.94 and reliability (C) between 0.60 and 0.90 with the Penman Monteith model.

RESUMO O objetivo é desenvolver e implementar um modelo de programação linear (PL) que forneça como resultado um cronograma com a melhor seleção de cultivos em cada gleba por período e com o maior ganho de peso de cada animal. O modelo de programação linear foi desenvolvido a partir do trabalho empírico realizado por Alvarenga e Gontijo Neto (2008) implantado na Embrapa Milho e Sorgo (Sete Lagoas, MG) em uma área de 24 hectares. Para a implementação computacional do modelo são necessários os dados sobre aptidão agrícola e ganho de peso do animal em cada período e em cada gleba. A fim de testar o modelo matemático desenvolvido, gerou-se valores para aptidão agrícola e para o peso ganho pelo animal de forma aleatória utilizando o solver do MATLAB. Com isso, pode-se realizar a implementação computacional do modelo de programação linear no MATLAB. Foram realizados dois ensaios numéricos, o primeiro considerando quatro períodos, quatro glebas e trânsito de dois animais e o segundo com dez períodos, quatro glebas e trânsito de três animais. Os resultados mostram que o modelo de programação linear é compatível com o trabalho empírico realizado por Alvarenga e Gontijo Neto (2008). O modelo de programação linear satisfaz todas as restrições impostas, maximiza o ganho de peso de cada animal e fornece a melhor seleção de cultivos.

ABSTRACT The aim of this study was to develop and implement a linear-programming model (LP) that provides as its result a schedule with the best selection of crops in each plot per period, and with the greatest weight gain for each animal. The linear-programming model was developed from empirical work carried out by Alvarenga and Gontijo Neto (2008) in an area of 24 hectares of Embrapa Milho e Sorgo, in Sete Lagoas, Minas Gerais (MG). For the computational implementation of the model, it was necessary to have data on agricultural suitability and animal weight gain for each period and for each plot. In order to test the developed mathematical model, values were randomly generated for agricultural suitability and for animal weight gain using the MATLAB solver. It was then possible to carry out the computational implementation of the linear-programming model in MATLAB. Two numerical trials were conducted, the first considering four periods, four plots and the transit of two animals, and the second with ten periods, four plots and the transit of three animals. The results show that the linear-programming model is consistent with the empirical work done by Alvarenga and Gontijo Neto (2008). The linear-programming model satisfies all the imposed constraints, maximises the weight gain of each animal, and provides the best selection of crops.

Resumo O Referido estudo estima e preenche falhas reais em uma série de dados meteorológicos pertencentes a quatro regiões do estado do Rio de Janeiro. Para isso, foi aplicada uma Rede Neural Artificial (RNA) de Perceptrons de múltiplas camadas (MLP). A fim de avaliar sua aptidão, foram estimadas as variáveis mensais de temperatura máxima do ar e umidade relativa do ar do período de 31/05/2002 a 31/12/2014, e comparadas com os resultados obtidos por modelos de Regressão Linear Múltipla (RLM) e Média das regiões (MD), e ainda confrontados com os dados registrados. Para analisar os valores estimados e definir o melhor modelo para preenchimento foram aplicadas técnicas estatísticas como o coeficiente de correlação (r), erro médio percentual (EMP), entre outros. Os resultados demonstraram uma alta relação com os dados registrados, apresentando índices entre 0,94 a 0,98 de (r) para temperatura máxima do ar e entre 2,32% a 1,05% de (EMP), mantendo a precisão entre 97% a 99%. Já para umidade relativa do ar o índice (r) com MLP se manteve entre 0,77 a 0,94, e o (EMP), entre 2,41% a 1,85%, mantendo as estimativas entre 97% a 98%. Esses resultados destacam a MLP como sendo eficaz na estimativa e preenchimento de valores faltantes.

Abstract This study estimates and fills real flaws in a series of meteorological data belonging to four regions of the state of Rio de Janeiro. For this, an Artificial Neural Network (ANN) of Multilayer Perceptron (MLP) was applied. In order to evaluate its adequacy, the monthly variables of maximum air temperature and relative humidity of the period between 05/31/2002 and 12/31/2014 were estimated and compared with the results obtained by Multiple Linear Regression (MLR) and Regions Average (RA), and still faced with the recorded data. To analyze the estimated values and define the best model for filling, statistical techniques were applied such as correlation coefficient (r), Mean Percentage Error (MPE) and others. The results showed a high relation with the recorded data, presenting indexes between 0.94 to 0.98 of (r) for maximum air temperature and between 2.32% to 1.05% of (MPE), maintaining the precision between 97% A 99%. For the relative air humidity, the index (r) with MLP remained between 0.77 and 0.94 and (MPE) between 2.41% and 1.85%, maintaining estimates between 97% and 98%. These results highlight MLP as being effective in estimating and filling missing values.

Resumo O presente trabalho apresenta uma abordagem computacional para a predição de um passo à frente em séries de dados meteorológicos pertencentes às regiões de Paty do Alferes e Paracambi, situadas no estado do Rio de Janeiro (RJ). Para tanto, foram utilizados dois modelos de Redes Neurais Artificiais (RNAs): Perceptrons de Múltiplas Camadas (MLP) e Função de Base Radial (RBF). Para confirmar o desempenho dos modelos foi realizada a predição de variáveis horárias e mensais, que foram comparadas com resultados obtidos por modelos de Regressão Linear Múltipla (RLM), confrontadas com os dados registrados pelas estações meteorológicas e analisadas por meio de técnicas estatísticas, apresentando resultados favoráveis entre 91% a 96% de acerto para todos os casos. Além disso, as previsões também demonstraram uma forte correlação linear com os dados registrados, mantendo-se entre 0,61 a 0,94. Como resultado, pode se destacar as RNAs como uma forte ferramenta para predição dos dados meteorológicos analisados.

Abstract This paper presents a computational approach for the one step ahead prediction in meteorological data series belonging to regions of Paty do Alferes and Paracambi, both located in the state of Rio de Janeiro (RJ). Two models of Artificial Neural Networks (ANN) were used: Multilayer Perceptron (MLP) and Radial Basis Function (RBF). To confirm the performance of the models were performed the prediction of hourly and monthly variables. These data were compared with results obtained by Multiple Linear Regression models (RLM), but also with the data registered by meteorological stations and analyzed by statistical techniques. It showed a favorable result, reaching between 91% and 96% of correct predictions for all cases. Moreover, the predictions also showed a strong linear correlation with the actual data, keeping it from 0.61 to 0.94. As a result, the RNAs can stand out as a strong tool for prediction of meteorological data analyzed.

In this work we consider a region S ⊂ given by a finite number of nonlinear smooth convex inequalities and having nonempty interior. We assume a point x 0 is given, which is close in certain norm to the analytic center of S, and that a new nonlinear smooth convex inequality is added to those defining S (perturbed region). It is constructively shown how to obtain a shift of the right-hand side of this inequality such that the point x 0 is still close (in the same norm) to the analytic center of this shifted region. Starting from this point and using the theoretical results shown, we develop a heuristic that allows us to obtain the approximate analytic center of the perturbed region. Then, we present a procedure to solve the problem of nonlinear feasibility. The procedure was implemented and we performed some numerical tests for the quadratic (random) case.

As águas residuais urbanas representam um dos maiores contaminantes hídricos. Para seu tratamento, o usual são as tecnologias convencionais baseadas na engenharia civil e hidráulica (TC); mas, recentemente, tem-se valorizado as chamadas tecnologias verdes (TV) baseadas na biologia e a ecologia. O objetivo do trabalho foi avaliar o comportamento econômico destas tecnologias utilizando a análise de beneficio-custo para três situações contrastantes. Os benefícios econômicos são derivados da venda dos produtos vegetais e os benefícios ambientais pela descontaminação da água, valorizada pelo método de custos evitados. Pode-se observar que as tecnologias verdes têm melhor desempenho comercial e econômico que as tecnologias convencionais e que a inclusão do beneficio ambiental melhora significativamente os resultados.

Urban sewage is one of the biggest polluters of water resources. For treatment, the usual conventional technologies (CT) are based on civil and hydraulic engineering; more recently, green technologies (GT) based on biology and ecology began to be developed. The aim of this study was to assess the economic aspects of these technologies using cost-benefit analysis. The economic benefits are derived from the sale of forest products and the environmental benefits of water decontamination, valued by the avoided cost method. The results of the study establish that GT have better commercial and economic performance than CT, and that the inclusion of environmental benefit significantly improves the results.

Las aguas residuales urbanas son uno de los mayores contaminantes del recurso hídrico. Para su tratamiento, lo usual son las tecnologías convencionales basadas en la ingeniería civil e hidráulica (TC); más recientemente, se ha comenzado a valorizar las llamadas tecnologías verdes (TV) basadas en la biología y la ecología. El objetivo de este trabajo fue evaluar el comportamiento económico de estas tecnologías utilizando el análisis beneficio-costo para tres situaciones contrastantes. Los beneficios económicos se derivan de la venta de los productos vegetales y los beneficios ambientales de la descontaminación del agua, valorada por el método del costo evitado. Se pudo observar que las TV tienen mejor desempeño comercial y económico que las TC y que la inclusión del beneficio ambiental, mejora significativamente los resultados obtenidos.

As imagens de satélites com sensores remotos representam uma ferramenta importante no monitoramento, controle e gestão dos recursos hídricos. O objetivo do seguinte trabalho foi modelar a distribuição espacial da concentração de clorofila-a e o limite da zona fótica no reservatório Rio Tercero (Córdoba-Argentina), utilizando imagens do satélite CBERS-2B e um sistema de informação geográfica (SIG). Foram selecionados 15 sítios do reservatório onde foram medidos parâmetros físicos, químicos e biológicos no outono de 2008. Utilizando uma imagem georreferenciada do sensor CBERS-2B e com base na análise de componentes principais (ACP), identificou-se associações entre variáveis e valores de reflectância das bandas do satélite. Com base nessas associações e com modelos de regressão múltiplas, alcançaram-se as respostas estimadas para se conhecer a distribuição espacial das variáveis: concentração de clorofila-a (R² = 0,73) e limite de zona fótica (R² = 0,78) em tudo o reservatório. Pôde-se concluir que existe uma corelação negativa entre a concentração de clorofila-a e a transparência da água no reservatório Rio Tercero; assim como que o sensor utilizado permite a avaliação da qualidade da água em tempo relativamente curto.

The satellite images provided by remote sensors represent an important tool for monitoring, controlling and administering water resources. The aim of this work was to model the spatial distribution of the concentration of chlorhophyll-a and the limit of the photic zone in the Rio Tercero reservoir (Córdoba-Argentina), using images from CBERS-2B satellite and a geographical information system (SIG). We selected 15 samples places wherefrom we measured physical, chemical and biological parameters during the fall of 2008. By using a georeferenced image from sensor CBERS-2B and performing an analysis of the principal components (ACP), we were able to identify associations between variables and reflectance values of the satellite bands. Based on these associations and with simple regression models, we were able to know the spatial distribution of the variables: concentration of chlorophyll-a (R² = 0, 73) and the limit of the photic zone (R² = 0, 78) in the reservoir as a whole. We may conclude thata there exists a negative correlation between the concentration of chlorophyll-a and the water transparency in reservoir Rio Tercero, as well as that the sensor used allows us to evaluate the quality of the water in a relative short time.

Las imágenes satelitales provistas por sensores remotos representan una herramienta importante en el monitoreo, control y gestión de los recursos hídricos. El objetivo del siguiente trabajo fue modelar la distribución espacial de la concentración de clorofila-a y el límite de la zona fótica en el embalse Río Tercero (Córdoba-Argentina), utilizando imágenes del satélite CBERS-2B y un sistema de información geográfica (SIG). Fueron seleccionados 15 sitios de muestreo en donde se midieron parámetros físicos, químicos y biológicos, durante el otoño de 2008. Utilizando una imagen georreferenciada del sensor CBERS-2B y por medio del análisis de componentes principales (ACP), se lograron identificar asociaciones entre variables y valores de reflectancia de las bandas de dicho satélite. En base a estas asociaciones y con modelos de regresión múltiples, se crearon las respuestas estimadas para conocer la distribución espacial de las variables, concentración de clorofila-a (R² = 0,73) y límite de zona fótica (R² = 0,78) en todo el reservorio. Podemos concluir que existe una correlación negativa entre la concentración de clorofila-a y la transparencia de la agua en el embalse Rio Tercero; como también que el sensor utilizado, permite evaluar la calidad del agua en un tiempo relativamente corto.