Predição de Escorregamentos de Encostas baseada em Aprendizado de Máquina

• Laedson S. Pedreira UEFS
• Rodrigo T. Calumby UEFS
• Maria do S. C. São Mateus UEFS

DOI: https://doi.org/10.5753/erbase.2021.20054

Resumo

Os escorregamentos de encostas constituem um dos principais fenômenos causadores de desastres naturais nas cidades brasileiras, provocando, todos os anos, inúmeros prejuízos materiais e fazendo um grande número de vítimas fatais. Neste contexto, este trabalho propõe a aplicação de técnicas de aprendizado de máquina na predição de escorregamentos de encostas, de forma individualizada, no tempo e no espaço, a partir de dados provenientes de múltiplas fontes. Para isso, foi realizada a integração dos dados e foram avaliados vários algoritmos preditivos acerca da ocorrência ou não de escorregamentos de encostas. Os resultados dos experimentos mostraram que os algoritmos foram capazes de alcançar desempenho promissor.

Referências

Achour, Y. and Pourghasemi, H. R. (2020). How do machine learning techniques help in increasing accuracy of landslide susceptibility maps? Geoscience Frontiers, 11(3):871–883.

IBGE (2019). Suscetibilidade a deslizamentos do Brasil: primeira aproximação. Instituto Brasileiro de Geografia e Estatística IBGE, Rio de Janeiro.

Korup, O. and Stolle, A. (2014). Landslide prediction from machine learning. Geology Today, 30.

Liu, Z., Gilbert, G., Cepeda, J. M., Lysdahl, A. O. K., Piciullo, L., Hefre, H., and Lacasse, S. (2021). Modelling of shallow landslides with machine learning algorithms. Geoscience Frontiers, 12(1):385–393.

Tehrani, F. S., Santinelli, G., and Herrera, M. (2019). A framework for predicting rainfallinduced landslides using machine learning methods. 17th European Conference on Soil Mechanics and Geotechnical Engineering, ECSMGE 2019 Proceedings.

Tominaga, K., Santoro, J., and do. Amaral, R. (2015). Desastres naturais: conhecer para prevenir, volume 3ed. Instituto Geológico, São Paulo.