Quantificar a qualidade de um modelo é um problema existente na área de Identificação de Sistemas. Esta atividade, também conhecida como validação, é fundamental nas aplicações onde se utilizam Controladores Preditivos baseados em Modelos, porque estes precisam de um modelo adequado para seu bom funcionamento. Baseado nisto, nesta dissertação são implementados três algoritmos de Inteligência Artificial capazes de predizer, de forma autônoma, quão adequado pode ser um modelo para este tipo de aplicação. Os algoritmos são Árvores de Decisão, Máquina de Suporte de Vetores e Redes Neurais Artificiais. Eles predizem a qualidade do modelo a partir de resultados de outras métricas de validação não existentes. As plantas para a implementação destes algoritmos são: (i) Planta de Clarke (simulada) e (ii) Planta Piloto de Neutralização de pH (real) do Laboratório de Controle de Processos Industriais da Escola Politécnica da Universidade de São Paulo. Em ambos os casos se usa um algoritmo Dynamic Matrix Control - DMC ou sua variante Quadratic Dynamic Matrix Control - QDMC (em caso de se ter restrições) para executar o controle. Como resultado deste trabalho obtiveram-se algoritmos capazes de predizer a qualidade do modelo com uma acurácia de 84,1%, 91,5% e 91,0% para a malha de controle da Planta de Clarke, e de Nível e de pH para a Planta Piloto de Neutralização de pH, respectivamente.

Quantifying the quality of a model is an existing problem in the Systems Identification area. This task, also known as validation, is fundamental in applications where Model Predictive Control is used, because they need an adequate model for their proper operation. Based on this need, in this dissertation, the author implements three Artificial Intelligence algorithms that are capable of autonomously predicting how suitable a model can be for this type of application. The algorithms are Decision Trees, Support Vector Machine and Artificial Neural Networks. They predict the quality of the model from the results of other non-existent validation metrics. The plants for the implementation of these algorithms are the Clarke Plant (simulated) and the pH Neutralization Pilot Plant (real) of the Industrial Process Control Laboratory of the Polytechnic School of the University of São Paulo. In both cases, a Dynamic Matrix Control - DMC algorithm or its Quadratic Dynamic Matrix Control - QDMC variant (in case of constrained problems) is used to perform the control. This work results are algorithms capable of predicting the model quality with an accuracy of 84.1%, 91.5%, and 91.0% for the Clarke Plant, and the Level and pH control loops pH of the Neutralization Pilot Plant, respectively.