580x138xLOGO-CAPA.png.pagespeed.ic.0TTOfb2dnR580x138xLOGO-CAPA.png.pagespeed.ic.0TTOfb2dnR580x138xLOGO-CAPA.png.pagespeed.ic.0TTOfb2dnR580x138xLOGO-CAPA.png.pagespeed.ic.0TTOfb2dnR
  • Avisos
  • Destaques
    • Notícias e Eventos
    • Premiações
    • Calendário de Defesas
  • Ensino
    • Normas e Regulamentos
    • Formulários
    • Disciplinas
      • Catálogo
      • Oferta por Período
      • Instruções para Inscrição em Disciplinas
    • Áreas de Concentração
      • Estruturas e Materiais
      • Geotecnia
      • Mecânica Computacional
      • Petróleo, Gás e Energias Renováveis
      • Recursos Hídricos e Meio Ambiente
      • Sistemas Computacionais
    • Laboratórios
    • Calendário Acadêmico
  • Editais
    • Bolsas PEC
    • PDSE
    • PIPD
    • Capes-PrInt
    • Oportunidades de Bolsas
  • Links Úteis
  • Quem Somos
    • Equipe
    • Docentes
    • Ex-Docentes
    • Biblioteca
  • Acadêmicos
  • Publicações
    • Dissertações de Mestrado
    • Teses de Doutorado
  • Admissões
    • Mestrado
    • Doutorado
    • Pós-Doutorado
    • Docente
    • Sistema Selection
  • Contato
✕

PREDIÇÃO DE SÉRIES TEMPORAIS PARA ANÁLISE DINÂMICA DE ESTRUTURAS OFFSHORE

Documento

  • Nelson Antonio Fernandes de Matos
    Baixar

Informações da Dissertação

Título

PREDIÇÃO DE SÉRIES TEMPORAIS PARA ANÁLISE DINÂMICA DE ESTRUTURAS OFFSHORE

Autor

Nelson Antônio Fernandes de Matos

Resumo

Este trabalho apresenta o estudo e implementação de métodos de predição de séries temporais na análise dinâmica de estruturas offshore. Seu objetivo é identificar a aplicabilidade dos métodos e apresentar exemplos de aplicação. São investigados os modelos NARMAX (Nonlinear AutoRegressive Moving Average with eXogenous inputs) nas sua formas polinomial e racional. Também são consideradas as Redes Neurais Artificiais (RNAs). Um algoritmo híbrido para o cálculo dos coeficientes (pesos) associados aos termos dos modelos é desenvolvido. São apresentados exemplos incluindo um sistema dinâmico simples, um riser de produção e uma linha de ancoragem.

Abstract

This work presents the study and implementation of time series prediction methods for dynamic analysis of offshore structures. The objective is to identify the feasibility of the methods and present examples of applications. The NARMAX(Nonlinear AutoRegressive Moving Average with eXogenous inputs) models are investigated both in the polynomial and rational forms. The Artificial Neural Networks are also studied. A hybrid algorithm for the calculation of the coefficients (weights) associated to the terms of the models is developed. Examples are presented including a simple dynamic system, a production riser and a mooring line.

Ano

2005

Orientadores

Edison Castro Prates de Lima | Luis Volnei Sudati Sagrilo

Anexos

Logo-Simplificada-da-Coppe-Negativa-1-scaled

PEC

  • Quem Somos
    • Equipe
    • Docentes
    • Ex-Docentes
    • Biblioteca
  • Acadêmicos
  • Publicações
    • Dissertações de Mestrado
    • Teses de Doutorado
  • Admissões
    • Mestrado
    • Doutorado
    • Pós-Doutorado
    • Docente
    • Sistema Selection
  • Contato

Acadêmicos

  • Avisos
  • Destaques
    • Notícias e Eventos
    • Premiações
    • Calendário de Defesas
  • Ensino
    • Normas e Regulamentos
    • Formulários
    • Disciplinas
      • Catálogo
      • Oferta por Período
      • Instruções para Inscrição em Disciplinas
    • Áreas de Concentração
      • Estruturas e Materiais
      • Geotecnia
      • Mecânica Computacional
      • Petróleo, Gás e Energias Renováveis
      • Recursos Hídricos e Meio Ambiente
      • Sistemas Computacionais
    • Laboratórios
    • Calendário Acadêmico
  • Editais
    • Bolsas PEC
    • PDSE
    • PIPD
    • Capes-PrInt
    • Oportunidades de Bolsas
  • Links Úteis

Contato

Av. Athos da Silveira Ramos, 149 – Bloco B, Sala B-101 Cidade Universitária, Rio de Janeiro – RJ, 21941-909
(21) 3938-1569
academica@coc.ufrj.br

Todos os direitos reservados PROGRAMA DE ENGENHARIA CIVIL - COPPE/UFRJ © 2026

Desenvolvido por Digimaster Informática

  • Não há traduções disponíveis para esta página.