Seleção e avaliação de componentes temporais no downscaling estatístico
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
dARK ID: | ark:/64986/001300000qdk2 |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/41351 |
Resumo: | O Brasil vem se destacando internacionalmente pelo aumento na geração a partir da fonte eólica. Dado o fato desta fonte ser intermitente, este aumento traz consigo a necessidade do desenvolvimento de ferramentas mais acuradas para estimar o recurso eólico com vistas a auxiliar o planejamento da matriz elétrica brasileira. Existem modelos que estimam a velocidade do vento sobre o globo, entretanto, esta informação está disponível em baixa resolução espacial (macroescala). Estes modelos são conhecidos como GCMs (Global Circulation Models). O comportamento do vento no local de interesse (microescala) sofre a influência de diversos fatores que não são considerados na modelagem macroescalar. O recurso eólico na microescala pode ser estimado utilizando os dados do GCM como entrada das técnicas de aumento de resolução espacial (downscaling). Particularmente, este estudo utiliza técnicas de downscaling estatístico para estimar a velocidade do vento de 8 estações anemométricas. Usualmente as estimativas do vento local (preditando) são feitos utilizando instantes de tempo concomitantes entre macroescala e microescala. Neste trabalho, algumas técnicas utilizam em seus dados de entradas (preditores) instantes de tempos anteriores ao momento avaliado, nomeados neste texto como componentes temporais (CTs). Em uma avaliação global notou-se que a adição de componentes temporais melhorou as estimativas. Foi desenvolvida uma metodologia objetiva para seleção das CTs a partir das funções de autocorrelação e autocorrelação parcial. Após comparação dos resultados com ambas as metodologias, notou-se que para a maioria dos modelos, a metodologia baseada na autocorrelação parcial apresentou melhores resultados. Em adição ao mencionado, foram desenvolvidos modelos que utilizaram técnicas de clustering para melhorar as estimativas e concluiu-se que existe um ganho significativo nestas ao unir a adição de CTs e técnicas de agrupamento. Cada um dos modelos citados anteriormente utilizaram como dados de entrada cada um dos 16 níveis do GCM empregados neste trabalho. Em acréscimo a isto foram desenvolvidos modelos que além das componentes temporais realizaram seleções espaciais avaliando todos os níveis do GCM. Estes modelos apresentaram bom desempenho, especialmente nas regiões mais complexas, com destaque para o modelo RTCTP (Regressão, Teste de hipótese, Clustering, Teste de hipótese, Análise de componentes principais). |
id |
UFPE_9cb8bc5b6a06becfb1dd28bf1b316305 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/41351 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
ALVES, Pedro Paulo de Medeiroshttp://lattes.cnpq.br/8255454896527419http://lattes.cnpq.br/9870663748100803http://lattes.cnpq.br/1528235729017901LIMA, Fernando Roberto de AndradeCOSTA, Alexandre Carlos Araújo da2021-10-14T19:02:48Z2021-10-14T19:02:48Z2021-04-22ALVES, Pedro Paulo de Medeiros. Seleção e avaliação de componentes temporais no downscaling estatístico. 2021. Dissertação (Mestrado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2021.https://repositorio.ufpe.br/handle/123456789/41351ark:/64986/001300000qdk2O Brasil vem se destacando internacionalmente pelo aumento na geração a partir da fonte eólica. Dado o fato desta fonte ser intermitente, este aumento traz consigo a necessidade do desenvolvimento de ferramentas mais acuradas para estimar o recurso eólico com vistas a auxiliar o planejamento da matriz elétrica brasileira. Existem modelos que estimam a velocidade do vento sobre o globo, entretanto, esta informação está disponível em baixa resolução espacial (macroescala). Estes modelos são conhecidos como GCMs (Global Circulation Models). O comportamento do vento no local de interesse (microescala) sofre a influência de diversos fatores que não são considerados na modelagem macroescalar. O recurso eólico na microescala pode ser estimado utilizando os dados do GCM como entrada das técnicas de aumento de resolução espacial (downscaling). Particularmente, este estudo utiliza técnicas de downscaling estatístico para estimar a velocidade do vento de 8 estações anemométricas. Usualmente as estimativas do vento local (preditando) são feitos utilizando instantes de tempo concomitantes entre macroescala e microescala. Neste trabalho, algumas técnicas utilizam em seus dados de entradas (preditores) instantes de tempos anteriores ao momento avaliado, nomeados neste texto como componentes temporais (CTs). Em uma avaliação global notou-se que a adição de componentes temporais melhorou as estimativas. Foi desenvolvida uma metodologia objetiva para seleção das CTs a partir das funções de autocorrelação e autocorrelação parcial. Após comparação dos resultados com ambas as metodologias, notou-se que para a maioria dos modelos, a metodologia baseada na autocorrelação parcial apresentou melhores resultados. Em adição ao mencionado, foram desenvolvidos modelos que utilizaram técnicas de clustering para melhorar as estimativas e concluiu-se que existe um ganho significativo nestas ao unir a adição de CTs e técnicas de agrupamento. Cada um dos modelos citados anteriormente utilizaram como dados de entrada cada um dos 16 níveis do GCM empregados neste trabalho. Em acréscimo a isto foram desenvolvidos modelos que além das componentes temporais realizaram seleções espaciais avaliando todos os níveis do GCM. Estes modelos apresentaram bom desempenho, especialmente nas regiões mais complexas, com destaque para o modelo RTCTP (Regressão, Teste de hipótese, Clustering, Teste de hipótese, Análise de componentes principais).CNPqBrazil has been standing out internationally for the increase in generation from wind power. Given that this source is intermittent, this increase brings the need to develop more accurate tools to estimate the wind resource to assist the planning of the Brazilian’s electrical matrix. Some models estimate the wind speed over the globe. However, this information is only available in low spatial resolution (macroscale). These models are called GCMs (Global Circulation Models). The wind modeling in the place of interest (microscale) is affected by several factors that are not considered in the GCMs modeling. The microscale's wind resource can be estimated using the GCM data as inputs of strategies of increasing spatial resolution (downscaling). In particular, this study uses statistical downscaling techniques to estimate wind speed from 8 met masts. Usually, local wind estimates use concomitant moments between macroscale and microscale. In this study, some techniques used in their input data instants of times before the evaluated moment, named in this text as temporal components (CTs). The addition of temporal components improved the quality of the estimates. An objective methodology for the selection of CTs was developed based on the autocorrelation and partial autocorrelation functions. After evaluating both methodologies' results, the methodology based on partial autocorrelation was better. Some models developed use clustering techniques to improve the estimates. There is a significant gain in the results when combining CTs and clustering techniques in one model. Each of the mentioned models uses as input data for each of the 16 GCM levels employed in this study. Some of the developed models use, together with the addition of temporal components, a spatial selection evaluating all levels of the GCM. These models have a good performance, especially in more complex regions, emphasizing the RTCTP model (Regression, Hypothesis testing, Clustering, Hypothesis testing, Principal component analysis).porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Tecnologias Energeticas e NuclearUFPEBrasilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEnergia NuclearRecurso eólicoDownscaling estatísticoComponentes temporaisAutocorrelaçãoSeleção e avaliação de componentes temporais no downscaling estatísticoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALDISSERTAÇÃO Pedro Paulo de Medeiros Alves.pdfDISSERTAÇÃO Pedro Paulo de Medeiros Alves.pdfapplication/pdf1622181https://repositorio.ufpe.br/bitstream/123456789/41351/1/DISSERTA%c3%87%c3%83O%20Pedro%20Paulo%20de%20Medeiros%20Alves.pdf953d8fbcff1fa47233304380c457d964MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/41351/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/41351/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTDISSERTAÇÃO Pedro Paulo de Medeiros Alves.pdf.txtDISSERTAÇÃO Pedro Paulo de Medeiros Alves.pdf.txtExtracted texttext/plain114715https://repositorio.ufpe.br/bitstream/123456789/41351/4/DISSERTA%c3%87%c3%83O%20Pedro%20Paulo%20de%20Medeiros%20Alves.pdf.txt73b2b23354327678d60937984affbf06MD54THUMBNAILDISSERTAÇÃO Pedro Paulo de Medeiros Alves.pdf.jpgDISSERTAÇÃO Pedro Paulo de Medeiros Alves.pdf.jpgGenerated Thumbnailimage/jpeg1219https://repositorio.ufpe.br/bitstream/123456789/41351/5/DISSERTA%c3%87%c3%83O%20Pedro%20Paulo%20de%20Medeiros%20Alves.pdf.jpg4be099c6abe66e306b88297d3444b0b3MD55123456789/413512021-10-15 02:15:23.611oai:repositorio.ufpe.br:123456789/41351TGljZW7Dp2EgZGUgRGlzdHJpYnVpw6fDo28gTsOjbyBFeGNsdXNpdmEKClRvZG8gZGVwb3NpdGFudGUgZGUgbWF0ZXJpYWwgbm8gUmVwb3NpdMOzcmlvIEluc3RpdHVjaW9uYWwgKFJJKSBkZXZlIGNvbmNlZGVyLCDDoCBVbml2ZXJzaWRhZGUgRmVkZXJhbCBkZSBQZXJuYW1idWNvIChVRlBFKSwgdW1hIExpY2Vuw6dhIGRlIERpc3RyaWJ1acOnw6NvIE7Do28gRXhjbHVzaXZhIHBhcmEgbWFudGVyIGUgdG9ybmFyIGFjZXNzw612ZWlzIG9zIHNldXMgZG9jdW1lbnRvcywgZW0gZm9ybWF0byBkaWdpdGFsLCBuZXN0ZSByZXBvc2l0w7NyaW8uCgpDb20gYSBjb25jZXNzw6NvIGRlc3RhIGxpY2Vuw6dhIG7Do28gZXhjbHVzaXZhLCBvIGRlcG9zaXRhbnRlIG1hbnTDqW0gdG9kb3Mgb3MgZGlyZWl0b3MgZGUgYXV0b3IuCl9fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fXwoKTGljZW7Dp2EgZGUgRGlzdHJpYnVpw6fDo28gTsOjbyBFeGNsdXNpdmEKCkFvIGNvbmNvcmRhciBjb20gZXN0YSBsaWNlbsOnYSBlIGFjZWl0w6EtbGEsIHZvY8OqIChhdXRvciBvdSBkZXRlbnRvciBkb3MgZGlyZWl0b3MgYXV0b3JhaXMpOgoKYSkgRGVjbGFyYSBxdWUgY29uaGVjZSBhIHBvbMOtdGljYSBkZSBjb3B5cmlnaHQgZGEgZWRpdG9yYSBkbyBzZXUgZG9jdW1lbnRvOwpiKSBEZWNsYXJhIHF1ZSBjb25oZWNlIGUgYWNlaXRhIGFzIERpcmV0cml6ZXMgcGFyYSBvIFJlcG9zaXTDs3JpbyBJbnN0aXR1Y2lvbmFsIGRhIFVGUEU7CmMpIENvbmNlZGUgw6AgVUZQRSBvIGRpcmVpdG8gbsOjbyBleGNsdXNpdm8gZGUgYXJxdWl2YXIsIHJlcHJvZHV6aXIsIGNvbnZlcnRlciAoY29tbyBkZWZpbmlkbyBhIHNlZ3VpciksIGNvbXVuaWNhciBlL291IGRpc3RyaWJ1aXIsIG5vIFJJLCBvIGRvY3VtZW50byBlbnRyZWd1ZSAoaW5jbHVpbmRvIG8gcmVzdW1vL2Fic3RyYWN0KSBlbSBmb3JtYXRvIGRpZ2l0YWwgb3UgcG9yIG91dHJvIG1laW87CmQpIERlY2xhcmEgcXVlIGF1dG9yaXphIGEgVUZQRSBhIGFycXVpdmFyIG1haXMgZGUgdW1hIGPDs3BpYSBkZXN0ZSBkb2N1bWVudG8gZSBjb252ZXJ0w6otbG8sIHNlbSBhbHRlcmFyIG8gc2V1IGNvbnRlw7pkbywgcGFyYSBxdWFscXVlciBmb3JtYXRvIGRlIGZpY2hlaXJvLCBtZWlvIG91IHN1cG9ydGUsIHBhcmEgZWZlaXRvcyBkZSBzZWd1cmFuw6dhLCBwcmVzZXJ2YcOnw6NvIChiYWNrdXApIGUgYWNlc3NvOwplKSBEZWNsYXJhIHF1ZSBvIGRvY3VtZW50byBzdWJtZXRpZG8gw6kgbyBzZXUgdHJhYmFsaG8gb3JpZ2luYWwgZSBxdWUgZGV0w6ltIG8gZGlyZWl0byBkZSBjb25jZWRlciBhIHRlcmNlaXJvcyBvcyBkaXJlaXRvcyBjb250aWRvcyBuZXN0YSBsaWNlbsOnYS4gRGVjbGFyYSB0YW1iw6ltIHF1ZSBhIGVudHJlZ2EgZG8gZG9jdW1lbnRvIG7Do28gaW5mcmluZ2Ugb3MgZGlyZWl0b3MgZGUgb3V0cmEgcGVzc29hIG91IGVudGlkYWRlOwpmKSBEZWNsYXJhIHF1ZSwgbm8gY2FzbyBkbyBkb2N1bWVudG8gc3VibWV0aWRvIGNvbnRlciBtYXRlcmlhbCBkbyBxdWFsIG7Do28gZGV0w6ltIG9zIGRpcmVpdG9zIGRlCmF1dG9yLCBvYnRldmUgYSBhdXRvcml6YcOnw6NvIGlycmVzdHJpdGEgZG8gcmVzcGVjdGl2byBkZXRlbnRvciBkZXNzZXMgZGlyZWl0b3MgcGFyYSBjZWRlciDDoApVRlBFIG9zIGRpcmVpdG9zIHJlcXVlcmlkb3MgcG9yIGVzdGEgTGljZW7Dp2EgZSBhdXRvcml6YXIgYSB1bml2ZXJzaWRhZGUgYSB1dGlsaXrDoS1sb3MgbGVnYWxtZW50ZS4gRGVjbGFyYSB0YW1iw6ltIHF1ZSBlc3NlIG1hdGVyaWFsIGN1am9zIGRpcmVpdG9zIHPDo28gZGUgdGVyY2Vpcm9zIGVzdMOhIGNsYXJhbWVudGUgaWRlbnRpZmljYWRvIGUgcmVjb25oZWNpZG8gbm8gdGV4dG8gb3UgY29udGXDumRvIGRvIGRvY3VtZW50byBlbnRyZWd1ZTsKZykgU2UgbyBkb2N1bWVudG8gZW50cmVndWUgw6kgYmFzZWFkbyBlbSB0cmFiYWxobyBmaW5hbmNpYWRvIG91IGFwb2lhZG8gcG9yIG91dHJhIGluc3RpdHVpw6fDo28gcXVlIG7Do28gYSBVRlBFLCBkZWNsYXJhIHF1ZSBjdW1wcml1IHF1YWlzcXVlciBvYnJpZ2HDp8O1ZXMgZXhpZ2lkYXMgcGVsbyByZXNwZWN0aXZvIGNvbnRyYXRvIG91IGFjb3Jkby4KCkEgVUZQRSBpZGVudGlmaWNhcsOhIGNsYXJhbWVudGUgbyhzKSBub21lKHMpIGRvKHMpIGF1dG9yIChlcykgZG9zIGRpcmVpdG9zIGRvIGRvY3VtZW50byBlbnRyZWd1ZSBlIG7Do28gZmFyw6EgcXVhbHF1ZXIgYWx0ZXJhw6fDo28sIHBhcmEgYWzDqW0gZG8gcHJldmlzdG8gbmEgYWzDrW5lYSBjKS4KRepositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212021-10-15T05:15:23Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Seleção e avaliação de componentes temporais no downscaling estatístico |
title |
Seleção e avaliação de componentes temporais no downscaling estatístico |
spellingShingle |
Seleção e avaliação de componentes temporais no downscaling estatístico ALVES, Pedro Paulo de Medeiros Energia Nuclear Recurso eólico Downscaling estatístico Componentes temporais Autocorrelação |
title_short |
Seleção e avaliação de componentes temporais no downscaling estatístico |
title_full |
Seleção e avaliação de componentes temporais no downscaling estatístico |
title_fullStr |
Seleção e avaliação de componentes temporais no downscaling estatístico |
title_full_unstemmed |
Seleção e avaliação de componentes temporais no downscaling estatístico |
title_sort |
Seleção e avaliação de componentes temporais no downscaling estatístico |
author |
ALVES, Pedro Paulo de Medeiros |
author_facet |
ALVES, Pedro Paulo de Medeiros |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/8255454896527419 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/9870663748100803 |
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1528235729017901 |
dc.contributor.author.fl_str_mv |
ALVES, Pedro Paulo de Medeiros |
dc.contributor.advisor1.fl_str_mv |
LIMA, Fernando Roberto de Andrade |
dc.contributor.advisor-co1.fl_str_mv |
COSTA, Alexandre Carlos Araújo da |
contributor_str_mv |
LIMA, Fernando Roberto de Andrade COSTA, Alexandre Carlos Araújo da |
dc.subject.por.fl_str_mv |
Energia Nuclear Recurso eólico Downscaling estatístico Componentes temporais Autocorrelação |
topic |
Energia Nuclear Recurso eólico Downscaling estatístico Componentes temporais Autocorrelação |
description |
O Brasil vem se destacando internacionalmente pelo aumento na geração a partir da fonte eólica. Dado o fato desta fonte ser intermitente, este aumento traz consigo a necessidade do desenvolvimento de ferramentas mais acuradas para estimar o recurso eólico com vistas a auxiliar o planejamento da matriz elétrica brasileira. Existem modelos que estimam a velocidade do vento sobre o globo, entretanto, esta informação está disponível em baixa resolução espacial (macroescala). Estes modelos são conhecidos como GCMs (Global Circulation Models). O comportamento do vento no local de interesse (microescala) sofre a influência de diversos fatores que não são considerados na modelagem macroescalar. O recurso eólico na microescala pode ser estimado utilizando os dados do GCM como entrada das técnicas de aumento de resolução espacial (downscaling). Particularmente, este estudo utiliza técnicas de downscaling estatístico para estimar a velocidade do vento de 8 estações anemométricas. Usualmente as estimativas do vento local (preditando) são feitos utilizando instantes de tempo concomitantes entre macroescala e microescala. Neste trabalho, algumas técnicas utilizam em seus dados de entradas (preditores) instantes de tempos anteriores ao momento avaliado, nomeados neste texto como componentes temporais (CTs). Em uma avaliação global notou-se que a adição de componentes temporais melhorou as estimativas. Foi desenvolvida uma metodologia objetiva para seleção das CTs a partir das funções de autocorrelação e autocorrelação parcial. Após comparação dos resultados com ambas as metodologias, notou-se que para a maioria dos modelos, a metodologia baseada na autocorrelação parcial apresentou melhores resultados. Em adição ao mencionado, foram desenvolvidos modelos que utilizaram técnicas de clustering para melhorar as estimativas e concluiu-se que existe um ganho significativo nestas ao unir a adição de CTs e técnicas de agrupamento. Cada um dos modelos citados anteriormente utilizaram como dados de entrada cada um dos 16 níveis do GCM empregados neste trabalho. Em acréscimo a isto foram desenvolvidos modelos que além das componentes temporais realizaram seleções espaciais avaliando todos os níveis do GCM. Estes modelos apresentaram bom desempenho, especialmente nas regiões mais complexas, com destaque para o modelo RTCTP (Regressão, Teste de hipótese, Clustering, Teste de hipótese, Análise de componentes principais). |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-10-14T19:02:48Z |
dc.date.available.fl_str_mv |
2021-10-14T19:02:48Z |
dc.date.issued.fl_str_mv |
2021-04-22 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
ALVES, Pedro Paulo de Medeiros. Seleção e avaliação de componentes temporais no downscaling estatístico. 2021. Dissertação (Mestrado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2021. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/41351 |
dc.identifier.dark.fl_str_mv |
ark:/64986/001300000qdk2 |
identifier_str_mv |
ALVES, Pedro Paulo de Medeiros. Seleção e avaliação de componentes temporais no downscaling estatístico. 2021. Dissertação (Mestrado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2021. ark:/64986/001300000qdk2 |
url |
https://repositorio.ufpe.br/handle/123456789/41351 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Tecnologias Energeticas e Nuclear |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/41351/1/DISSERTA%c3%87%c3%83O%20Pedro%20Paulo%20de%20Medeiros%20Alves.pdf https://repositorio.ufpe.br/bitstream/123456789/41351/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/41351/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/41351/4/DISSERTA%c3%87%c3%83O%20Pedro%20Paulo%20de%20Medeiros%20Alves.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/41351/5/DISSERTA%c3%87%c3%83O%20Pedro%20Paulo%20de%20Medeiros%20Alves.pdf.jpg |
bitstream.checksum.fl_str_mv |
953d8fbcff1fa47233304380c457d964 e39d27027a6cc9cb039ad269a5db8e34 bd573a5ca8288eb7272482765f819534 73b2b23354327678d60937984affbf06 4be099c6abe66e306b88297d3444b0b3 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1815172885558329344 |