Metodologia para elaboração de zoneamento em unidades de conservação por meio de lógica fuzzy

2019-01-01T00:00:00Z

Metodologia para elaboração de zoneamento em unidades de conservação por meio de lógica fuzzy Resumo: O planejamento territorial desempenha papel fundamental na conservação de áreas reservadas à proteção ecológica e na gestão ambiental, bem como no fornecimento de espaços adequados para visitação, pesquisa e na priorização de relações sustentáveis entre o homem e a natureza. O presente trabalho apresenta uma proposta metodológica que permite a padronização de classificações territoriais em unidades de conservação. Baseado na lógica fuzzy, o modelo proposto observa as particularidades de uma unidade de conservação. Assim, a decisão gerada na classificação das zonas representa o trabalho que está sendo desenvolvido atualmente por profissionais nas áreas de biologia, geografia, engenharia ambiental e florestal, entre outros grupos de pesquisadores. A modelagem combina a avaliação dos dados coletados em campo (variáveis: quantitativas e qualitativas) com índices de vegetação obtidos a partir de imagens de satélite. Combinando essas informações, o modelo permite que cada amostra seja classificada, gerando áreas de conservação. O estudo de caso no qual a metodologia foi aplicada, uma área de conservação no sul do Brasil, estado do Paraná, município de Santa Helena, bacia hidrográfica do Paraná 3, mostrou que a metodologia auxilia no planejamento territorial, com uma indicação clara de quais ações foram realizadas e coleta de dados simplificada. Os resultados mostraram que a metodologia pode distinguir as áreas de fronteira como zonas de transição, permitindo uma gestão adequada para oferecer informações detalhadas da área de estudo. Pode-se concluir que a classificação descreve a área de estudo de maneira adequada e coerente, a qual houve uma predominância na zona de uso extensivo, em comparação com estudos realizados no plano de manejo de 2010 pode-se verificar uma readequação de áreas anteriormente classificadas como zona de recuperação e zona primitiva; Abstract: Territorial planning plays a fundamental role in the preservation of areas for ecological conservation and environmental management as well as in providing adequate spaces for visitation and research and prioritizing sustainable relationships between man and nature. The present work exhibits a methodological proposal that allows the standardization of territorial classifications in conservation areas. Based on fuzzy logic, the proposed model observes the particularities of a protection area; hence, the decision generated in the classification of zones represents the work that is currently being developed in the areas of biology, geography, environmental engineering, among other research groups. The modeling combines the evaluation of the data collected in the field (variables: quantitative and qualitative) with vegetation indices obtained from satellite imagery. Combining this information enables each sampling point to be categorized, thereby generating conservation area zones. The case study, in which the methodology was applied in a protection area in southern Brazil, Paraná state, municipality of Santa Helena, Paraná hydrographic basin 3 showed that the methodology assists in territorial planning, with a clear indication of what actions have been performed and simple data collection. The results showed that the methodology can distinguish border areas as transition zones, allowing appropriate management to offer detailed information of the study area. It can be concluded that the classification describes the study area in an adequate and coherent way, which was predominant in the zone of extensive use, in comparison with studies carried out in the 2010 management plan, a re-adaptation of previously classified areas as recovery zone and primitive zone Orientador: Prof. Dr. Volmir Eugênio Wilhelm; Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa : Curitiba, 13/05/2019; Inclui referências

Validação da tipologia geoquímica das rochas vulcânicas do grupo Serra Geral no estado do Paraná, por meio de técnicas de estatística multivariada

2025-01-01T00:00:00Z

Validação da tipologia geoquímica das rochas vulcânicas do grupo Serra Geral no estado do Paraná, por meio de técnicas de estatística multivariada Resumo: Nas últimas décadas, vários autores produziram conjuntos de dados geoquímicos de amostras coletadas em toda a Província Ígnea do Paraná (PIP). Estes resultados foram compilados e padronizados criando-se um banco de dados contendo análises de SiO2, TiO2, Al2O3, FeOTotal, MnO, CaO, Na2O, K2O, P2O5, Ba, Ce, Cr, La, Ni, Rb, Sr, Zr e Y de amostras de afloramento e subsuperfície e os métodos de classificação de rochas usaram o conteúdo geoquímico como critério. Em 2018, um novo modelo de classificação de rochas para a PIP foi proposto usando as lacunas naturais de quatro variáveis discriminantes: SiO2, Zr, TiO2 e P2O5. Esta pesquisa utiliza múltiplas técnicas da Análise Estatística Multivariada para verificar e checar este novo modelo proposto. Este trabalho usou a técnica estatística da Análise Exploratória de Dados para extrair cinco subconjuntos de dados: (a) um com 774 amostras (indivíduos ou casos) e 73 variáveis, (b) outro com 694 amostras e 73 variáveis, (c) outro com 998 amostras e 61 variáveis, (d) outro com 1.030 amostras e 73 variáveis, e (e) outro com 1.030 amostras e 61 variáveis. A Análise Fatorial foi usada para reduzir as dimensões dos conjuntos de dados, extrair os k

Planejamento florestal integrado : um modelo PLIM para agendamento de colheita e roteamento de estradas

2025-01-01T00:00:00Z

Planejamento florestal integrado : um modelo PLIM para agendamento de colheita e roteamento de estradas Resumo: A colheita florestal é uma atividade essencial na indústria madeireira, exigindo um planejamento que garanta a sustentabilidade e a eficiência econômica. Esta pesquisa investiga a otimização do planejamento da colheita florestal, integrando o usoeama nutenção da infraestrutura viária associada. O método desenvolvido inclui um modelo de Programação Linear Inteira Mista (PLIM) acrescido de restrições do Problema de Roteamento Periódico em Arcos Capacitados (PCARP) adaptadas à Colheita Florestal, visando otimizar todo o processo. O objetivo do PLIM é agendar as atividades res peitando restrições de sequenciamento; fundamentais para assegurar que a colheita ocorra nas áreas apropriadas sem comprometer a integridade das estradas ou as necessidades logísticas de transporte. O trabalho ressalta a importância da definição dos parâmetros a serem utilizados no PLIM para a obtenção de soluções viáveis, enfa tizando que a ausência de uma calibração adequada desses dados pode comprometer a exequibilidade do empreendimento. Para solucionar essa questão empregou-se um algoritmo genético (AG) na calibração dos parâmetros, validando o modelo proposto e fornecendo valores que permitem ao solver Gurobi alcançar uma solução otimizada a partir de uma solução factível. Os resultados demonstram a eficácia do uso do AG para a obtenção de parâmetros que viabilizam a solução do modelo PLIM, mesmo que a solução inicial do AG não seja a ótima. Uma contribuição significativa é o desenvolvi mento de um algoritmo para gerar visualizações das soluções obtidas, convertendo dados numéricos em imagens que facilitam a compreensão e a tomada de decisão. As imagens geradas foram fundamentais para identificar inconsistências e direcionar melhorias. Observou-se nas soluções a baixa colheita em períodos pares, atribuída às restrições de talhões adjacentes e à redução do valor de lucro ao longo do tempo; Abstract: Forest harvesting is an essential activity in the timber industry, requiring planning that ensures sustainability and economic efficiency. This research investigates the optimiza tion of forest harvesting planning, integrating the use and maintenance of associated road infrastructure. The developed method includes a model of Mixed Integer Linear Programming (MILP) plus restrictions of the Periodic Capacitated Arc Routing Problem (PCARP) adapted to Forest Harvesting, aiming to optimize the whole process. The objective of MILP is to schedule activities respecting key sequencing constraints; this ensures that harvesting takes place in appropriate areas without compromising road integrity or transport logistics needs. The study highlights the importance of defining the parameters to be used in the MILP to obtain viable solutions, emphasizing that the absence of an adequate calibration of these data can compromise the feasibility of the project. To solve this problem, a genetic algorithm (GA) was used in the calibration of the parameters, validating the proposed model and providing values that allow the solver Gurobi to achieve an optimized solution from a feasible solution. The results demonstrate the effectiveness of the use of GA to obtain parameters that enable the so lution of the MILP model, even if the initial solution of the GA is not optimal. A significant contribution is the development of an algorithm to generate visualizations of the ob tained solutions, converting numerical data into images that facilitate understanding and decision making. The generated images were fundamental to identify inconsistencies and drive improvements. Low harvest in even periods was observed in the solutions, attributed to restrictions of adjacent plots and reduction of profit value over time Orientador: Prof. Dr. Gustavo Valentim Loch; Coorientador: Prof. Dr. Cassius Tadeu Scarpin; Banca: Gustavo Valentim Loch (Presidente da Banca), Roberto Zanetti Freire, Luiz Carlos Matioli e Julio Eduardo Arce; Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa : Curitiba, 14/11/2025; Inclui referências

Aprimoramento do modelo BERT para análise de intenção em textos : aplicação em chatbot no setor de óleo e gás

2025-01-01T00:00:00Z

Aprimoramento do modelo BERT para análise de intenção em textos : aplicação em chatbot no setor de óleo e gás Resumo: Esta tese investiga a classificação de intenções textuais no setor de petróleo e gás, considerando cenários caracterizados por conjuntos de dados rotulados pequenos e linguagem técnico-financeira especializada. A motivação do estudo decorre das limitações observadas na aplicação direta de modelos de linguagem pré-treinados em domínios específicos, nos quais a escassez de dados anotados e a proximidade semântica entre categorias de intenção dificultam a obtenção de classificações consistentes. Nesse contexto, o objetivo central foi avaliar a eficácia de uma abordagem de análise de intenção adaptada a esse domínio. Para atender a esse objetivo, foi proposto o modelo OilFinBERT, baseado na arquitetura BERT e adaptado ao setor de petróleo e gás por meio de pré-treinamento contínuo e estratégias de ajuste supervisionado. O estudo considerou cinco categorias de intenção relevantes ao domínio técnico-financeiro (sendo elas: previsão de preço, análise de sentimento, conceito, outros e preço atual), organizadas na base de dados OilFinIntent, construída especificamente para este trabalho. Além disso, foi utilizado um conjunto de mais de 400 mil títulos de notícias do setor como dados não rotulados, empregado na etapa de especialização do modelo ao vocabulário do domínio. A metodologia incluiu experimentos de fine-tuning com diferentes otimizadores, técnicas de regularização e duas estratégias de modelagem para a tarefa de classificação de intenções: multiclasse plana e hierárquica. O desempenho do OilFinBERT foi comparado a modelos de referência amplamente utilizados na literatura, incluindo Naive Bayes, Convolutional Neural Network (CNN), Recurrent Neural Network (RNN), Long Short Term Memory (LSTM) e BERT-base. A avaliação foi conduzida por meio de métricas adequadas a cenários multiclasse e com distribuição equilibrada entre classes, com destaque para o F1-macro e a PR-AUC. Os resultados indicaram que a abordagem hierárquica do OilFinBERT apresentou desempenho superior em relação às demais configurações avaliadas, evidenciando maior equilíbrio entre precisão e recall ao longo das diferentes classes de intenção. Observou-se ainda que estratégias de regularização e otimizadores adaptativos contribuem para maior estabilidade no processo de ajuste supervisionado em conjuntos de dados reduzidos. A comparação com os modelos de referência reforçou a importância da adaptação explícita ao domínio para alcançar desempenho consistente em tarefas de análise de intenção com textos especializados. Conclui-se que a combinação de pré-treinamento contínuo, técnicas de regularização e modelagem hierárquica constitui uma abordagem adequada para a classificação de intenções em contextos técnicos com disponibilidade limitada de dados rotulados. Como principal contribuição, esta tese demonstra a eficácia do OilFinBERT hierárquico e disponibiliza uma base de dados específica para o setor de petróleo e gás, contribuindo para a reprodutibilidade e o avanço de pesquisas futuras em Processamento de Linguagem Natural (PLN) aplicado a domínios especializados; Abstract: This thesis investigates textual intent classification in the oil and gas sector, considering scenarios characterized by small labeled datasets and specialized technical-financial language. The motivation for this study arises from the limitations observed in the direct application of pre-trained language models to domain-specific contexts, in which the scarcity of annotated data and the semantic proximity between intent categories hinder the achievement of consistent classifications. Within this context, the main objective was to evaluate the effectiveness of an intent analysis approach adapted to this domain.To achieve this objective, the OilFinBERT model was proposed, based on the BERT architecture and adapted to the oil and gas sector through continued pre-training and supervised fine-tuning strategies. The study considered five intent categories relevant to the technical-financial domain—namely price forecasting, sentiment analysis, concept, others, and current price—organized in the OilFinIntent dataset, which was specifically constructed for this research. In addition, a collection of more than 400,000 news headlines from the sector was used as unlabeled data during the domain specialization stage of the model. The methodology included fine-tuning experiments with different optimizers, regularization techniques, and two modeling strategies for the intent classification task: flat multiclass and hierarchical classification. The performance of OilFinBERT was compared with widely used baseline models in the literature, including Naive Bayes, Convolutional Neural Networks (CNN), Recurrent Neural Networks (RNN), Long Short-Term Memory networks (LSTM), and BERT-base. The evaluation was conducted using metrics suitable for multiclass scenarios with balanced class distributions, with emphasis on F1-macro and PR-AUC. The results indicated that the hierarchical OilFinBERT approach achieved superior performance compared to the other evaluated configurations, demonstrating a more balanced trade-off between precision and recall across the different intent classes. It was also observed that regularization strategies and adaptive optimizers contributed to greater stability in the supervised fine-tuning process when applied to small datasets. The comparison with baseline models reinforced the importance of explicit domain adaptation to achieve consistent performance in intent analysis tasks involving specialized texts. It is concluded that the combination of continued pre-training, regularization techniques, and hierarchical modeling constitutes an appropriate approach for intent classification in technical contexts with limited availability of labeled data. As its main contribution, this thesis demonstrates the effectiveness of the hierarchical OilFinBERT model and provides a domain-specific dataset for the oil and gas sector, contributing to reproducibility and to future research in Natural Language Processing (NLP) applied to specialized domains Orientador: Prof. Dr. Cassius Tadeu Scarpin; Coorientador: Prof. Dr. Pablo Deivid Valle; Banca: Cassius Tadeu Scarpin (Presidente da Banca), Nelson Hein, Roberto Zanetti Freire e Adriana Kroenke; Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa : Curitiba, 18/12/2025; Inclui referências

Teses

Metodologia para elaboração de zoneamento em unidades de conservação por meio de lógica fuzzy

Validação da tipologia geoquímica das rochas vulcânicas do grupo Serra Geral no estado do Paraná, por meio de técnicas de estatística multivariada

Planejamento florestal integrado : um modelo PLIM para agendamento de colheita e roteamento de estradas

Aprimoramento do modelo BERT para análise de intenção em textos : aplicação em chatbot no setor de óleo e gás