Este trabalho apresenta um modelo de rede neural nebulosa para previsão de vazões sazonais. O modelo é baseado em um método de aprendizado construtivo onde grupos de neurônios competem quando a rede recebe uma nova entrada. A rede aprende os parâmetros fundamentais para definir as regras nebulosas e funções de pertinência para cada variável de entrada. O modelo foi aplicado para o problema de previsão de vazões médias mensais de três usinas hidroelétricas situadas em diferentes regiões do Brasil. O desempenho do modelo foi comparado com métodos convencionais usados para previsão de vazões. Os resultados mostraram que a rede neural nebulosa forneceu um melhor desempenho para previsão um passo à frente, com erros significativamente menores que as outras abordagens.

This paper presents a neural fuzzy network model for seasonal streamflow forecasting. The model is based on a constructive learning method where neurons groups compete when the network receives a new input, so that it learns the fuzzy rules and membership functions essential for modelling a fuzzy system. The model was applied to the problem of seasonal streamflow forecasting using a database of average monthly inflows of three Brazilian hydroelectric plants located at different river basins. The performance of the model developed was compared with conventional approaches used to forecast streamflows. The results show that the neural fuzzy network model provides a better one-step-ahead streamflow forecasting, with forecasting errors significantly lower than the other approaches.

Este artigo apresenta uma metodologia para interpretação lingüística da operação ótima de uma usina hidroelétrica. Trata-se de uma abordagem de controle ótimo na qual uma Rede Neural Nebulosa trabalha em paralelo com um otimizador determinístico. Após a fase de treinamento, o conhecimento adquirido pela rede é transformado em uma base de regras do tipo se < antecedente > então < conseqüente > , o que permite que a operação ótima seja interpretada lingüisticamente através de regras simples. Os resultados mostram que a rede utilizada é capaz de aprender as decisões numéricas do otimizador e pode funcionar como uma espécie de intérprete, traduzindo os dados numéricos em sentenças que podem ser facilmente compreendidas por seres humanos.

This paper presents a methodology to linguistically explain the optimal operation of a hydroelectric power plant. It consists on an optimal control approach in which a Neural Fuzzy Network works in parallel with a deterministic optimization model. The knowledge acquired by the network throughout the training phase is written as a set of fuzzy rules and the optimal operation can be interpreted by simple sentences of the type if < antecedent > then < consequent > . The results show that the network is able to learn the numerical decisions of the optimization model and can translate the numerical data into sentences that can be easily understood by human beings.

Os autores, utilizando duas técnicas diferentes, obtiveram concentração de células tumorais do chamado tumor de Yoshida, isoladas do sangue obtido por punção cardíaca e do líquido de derrame ascítico de ratos. As técnicas empregadas foram a de SANDBERG & MOORE (fibrinogênio bovino) e a do hematócrito de Wintrobe.

The authors using two differents methods isolated and identified tumors cells from the heart and from ascitic effusion of Yoshida tumor.