RESUMO Este estudo foi desenvolvido com o objetivo de avaliar o comportamento hidráulico em regime permanente de registros de gaveta, esfera e pressão com diâmetros nominais de ½” e ¾”, amplamente utilizados em instalações hidráulicas prediais brasileiras. Para tanto, foram realizados testes para determinar a perda de carga em dez diferentes registros, em quatro aberturas, com cinco repetições. Foi montado um aparato hidráulico de ensaio de perda de carga em uma rede de tubulação que permitiu o controle, monitoramento e aquisição de dados. Foram estimados valores médios do coeficiente K de perda de carga localizada e de comprimento equivalente para as condições avaliadas. Os resultados foram analisados por meio de gráficos box-plot e análises de correlação, componentes principais e agrupamentos hierárquicos. Em geral, os registros de gaveta apresentaram menor perda de carga para todas as aberturas relativas consideradas, enquanto os registros de pressão, as maiores perdas. Dos agrupamentos formados, para o segundo grupo, houve predominância de tratamentos com registros de pressão, que apresentaram similaridade quanto aos valores das variáveis hidráulicas devido à geometria e à construção dos registros. ½ ¾, ¾ , ¾” brasileiras tanto repetições controle dados avaliadas boxplot box plot correlação hierárquicos geral consideradas perdas formados grupo

ABSTRACT This study was developed with the objective of evaluating the steady-state hydraulic behavior of gate, ball, and pressure valves with nominal diameters of ½” and ¾”, which are widely used in building water supply networks in Brazil. For this purpose, tests were performed to determine the head loss in ten different valves in four openings with five replicates. A hydraulic head loss testing apparatus was set up in a pipeline network that allowed for the control, monitoring, and acquisition of data. Mean values of the K coefficient of the minor head loss and the equivalent length were estimated for the conditions evaluated. The results were analyzed using box plots, correlation, principal components analysis, and hierarchical clustering. In general, the gate valves showed lower head loss for all the relative openings considered, while the pressure valves showed the greatest head loss. Of the clusters formed, for the second group, there was a predominance of treatments with pressure valves, which showed similarity in terms of the values of the hydraulic variables due to the geometry and construction of the valves. steadystate steady state ball ½ ¾, ¾ , ¾” Brazil purpose replicates control monitoring data evaluated plots correlation analysis clustering general considered formed group

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, (

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. (