Integração de sistemas para predição de deslizamentos de terra baseada em aprendizado de máquina

Resumo


Os deslizamentos de terra constituem um dos principais fenômenos causadores de desastres naturais, provocando prejuízos materiais e vítimas fatais. Por isso, um sistema inteligente capaz de prever esses eventos seria útil para suporte ao poder público no processo de tomada de decisão e no gerenciamento situacional em cidades inteligentes. Este trabalho realizou a integração de múltiplos sistemas necessários para enfrentar o problema e utilizou técnicas de mineração de dados e aprendizado de máquina na construção de uma base de dados integrada e na predição de deslizamentos de terra induzidos por chuvas. Os experimentos demonstraram resultados promissores, sendo corretamente preditos cerca 90% dos registros de deslizamentos.
Palavras-chave: Random Forest, Aprendizado de máquina, Mineração de dados, Predição, LightGBM, Deslizamento de Terra

Referências

Brasil (2008). Instituto Nacional de Pesquisas Espaciais (INPE). Topodata: banco de dados geomorfométricos do Brasil. Variáveis geomorfométricas locais.

Breiman, L. (2001). Random forests. Machine learning, 45(1):5–32.

Breiman, L., Friedman, J., Stone, C., and Olshen, R. (1984). Classification and Regression Trees. Taylor & Francis.

Farah, F. (2003). Habitação e encostas, volume volume. Instituto de Pesquisas Tecnológicas (IPT), São Paulo.

Farahmand, A. and Aghakouchak, A. (2013). A satellite-based global landslide model. Natural Hazards and Earth System Science, 13(5):1259–1267.

Haykin, S. S. (2009). Neural networks and learning machines. Pearson Education, third edition.

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

Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., and Liu, T. Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. Advances in Neural Information Processing Systems, 2017-December(Nips):3147–3155.

Kobiyama, M., Mendonça, M., Moreno, D. A., Marcelino, I. P. d. O., Marcelino, E. V., Brazetti, L. L. P., Goerl, R. F., Molleri, M. G. S. F., and Rudorf, F. d. M. R. (2006). Prevenção de desastres naturais - - Conceitos Básicos. page 109.

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

Souza, F. T. d. and Ebecken, N. F. (2012). A Data Based Model to Predict Landslide Induced by Rainfall in Rio de Janeiro City. Geotechnical and Geological Engineering, 30(1):85–94.

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

Publicado
16/05/2022
Como Citar

Selecione um Formato
PEDREIRA, Laedson Silva; SÃO MATEUS, Maria do S. C.; CALUMBY, Rodrigo Tripodi. Integração de sistemas para predição de deslizamentos de terra baseada em aprendizado de máquina. In: TEMAS EMERGENTES: CIDADES INTELIGENTES - SIMPÓSIO BRASILEIRO DE SISTEMAS DE INFORMAÇÃO (SBSI), 18. , 2022, Curitiba/PR. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2022 . p. 358-365. DOI: https://doi.org/10.5753/sbsi_estendido.2022.222990.