Navegando por Autor "Teixeira, Juli Sergine Tavares"
Agora exibindo 1 - 2 de 2
- Resultados por página
- Opções de Ordenação
Dissertação Análise de um sistema de bombeamento de água alimentado por um painel fotovoltaico(2017-08-14) Teixeira, Juli Sergine Tavares; Medeiros, João Telésforo Nóbrega de; http://lattes.cnpq.br/3206952338356447; http://lattes.cnpq.br/4261542173975572; Melo, Moisés Vieira de; http://lattes.cnpq.br/1337846419129004; Souza, Juliana Ricardo de; http://lattes.cnpq.br/6490112574411234; Oliveira Filho, Manoel Fernandes de; http://lattes.cnpq.br/9948988875726079O sistema de bombeamento de água utilizando a energia solar fotovoltaica demonstra ser uma área promissora no Brasil, já que o país possui elevado potencial para produzir essa energia e devido à escassez de água enfrentada, esta seria uma ótima oportunidade para viabilizar investimentos neste seguimento. Este sistema consiste em diversos componentes e peças associadas a diferentes campos da engenharia, como a elétrica, mecânica, eletrônica, computacional e a civil. Devido a sua interdisciplinaridade o sistema atraiu diversos pesquisadores e consequentemente contribuiu para torna-lo mais eficiente e de baixo custo para atender as necessidades de bombeamento de água para o ser humano, para os animais e para as irrigações. O presente trabalho apresenta o desempenho de uma plantação de oleaginosa, no caso o girassol, irrigada por energia solar. O trabalho também discute a classificação geral do tipo de sistema, os antecedentes históricos deste sistema, os vários esforços empreendidos por pesquisadores e o estado atual da investigação sobre o tema. São detalhadas informações referentes a bomba e a avaliação do painel fotovoltaico (PV), que acabam afetando o desempenho e a eficiência do sistema. Assim como, o acompanhamento da evolução da germinação das sementes de girassol e seu desenvolvimento durante os 60 primeiros dias. Para o sistema analisado não foi viável o crescimento do girassol.Tese Uma comparação entre WaveNet e XGBoost para propagação direta de ondas tradicionais e inversão sísmica usando modelos de camada horizontal(Universidade Federal do Rio Grande do Norte, 2024-07-31) Teixeira, Juli Sergine Tavares; Araújo, João Medeiros de; https://orcid.org/0000-0001-8462-4280; http://lattes.cnpq.br/3061734732654188; http://lattes.cnpq.br/4261542173975572; Bezerra, Claudionor Gomes; Corso, Gilberto; Nascimento, Hugo Alexandre Dantas do; Henriques, Marcos Vinicius CandidoA aplicação de aprendizado de máquina em geofísica aumentou vertiginosamente na última década, com a qualidade de seus resultados variando conforme o tipo de problema sísmico em foco e o método computacional empregado. Os métodos de aprendizagem profunda estão alcançando resultados impressionantes nesta área, mas notamos que ainda há uma falta de certeza sobre se os métodos clássicos de aprendizagem de máquina podem fornecer resultados semelhantes. No presente trabalho, o objetivo foi tentar preencher parte dessa lacuna, comparando um método bem conhecido de aprendizado profundo (WaveNet) por um método de aprendizado de máquina não baseado em aprendizado profundo (XGBoost) para a propagação direta de ondas e os problemas de inversão sísmica para modelos 2D em camadas horizontais. Ambos os métodos são avaliados em cenários diferentes, mas sob condições semelhantes, para ser possível compreender o efeito da configuração dos parâmetros nos seus resultados. O conjunto de dados tem 20.000 amostras, cada uma consistindo em três vetores: um vetor de velocidade com 236 valores (representando um perfil vertical de um modelo em camadas 2D gerado aleatoriamente), um vetor reflexivo com 600 valores obtidos diretamente do vetor de velocidade e o vetor associado sismograma com 11 traços contendo 600 valores cada. Os resultados gerais mostram que a WaveNet atinge um erro quadrático médio (MSE) inferior entre os resultados previstos e corretos do que o resultados do eXtreme Gradient Boosting (XGBoost). Um desafio ainda não enfrentado é que a WaveNet consegue treinar bem em GPU, mas não se conseguiu fazer o mesmo com o XGBoost, devido à quantidade de dados a serem processados.