Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/6565
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorCoelho, Bruno Nazáriopt_BR
dc.contributor.authorPereira, Rodolfo César de Oliveira-
dc.date.accessioned2024-02-29T12:14:23Z-
dc.date.available2024-02-29T12:14:23Z-
dc.date.issued2024pt_BR
dc.identifier.citationPEREIRA, Rodolfo César de Oliveira. Uso de machine learning na predição do risco de movimentos de massa no município de Ouro Preto - MG. 2024. 40 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2024.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/6565-
dc.description.abstractOuro Preto é o município brasileiro com o maior número de áreas de risco geológico, 313, o que afeta diretamente a vida de mais de três mil pessoas que habitam estas áreas. Tendo em vista este cenário, o presente estudo visa avaliar a capacidade preditiva de algoritmos de machine learning quanto aos eventos de movimentos de massa na cidade de Ouro Preto-MG. Foram utilizados dados pluviométricos e registros de ocorrências de movimentos de massa da Defesa Civil no período compreendido entre 2012 a 2022. Os algoritmos apresentaram melhores resultados quando os dados utilizados foram balanceados, sendo o melhor desempenho da Floresta Aleatória com acurácia de 0,74 e recall, para o evento de interesse, de 0,83. Contudo, os resultados obtidos podem ser aprimorados em estudos futuros com a utilização de uma base de dados mais sólida e de novos parâmetros de entrada para os algoritmos.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectMovimentos de massapt_BR
dc.subjectFloresta aleatóriapt_BR
dc.titleUso de machine learning na predição do risco de movimentos de massa no município de Ouro Preto - MG.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeCoelho, Bruno Nazáriopt_BR
dc.contributor.refereeJaques, Daniel Silvapt_BR
dc.contributor.refereeSousa, Frederico Luiz Martinspt_BR
dc.description.abstractenOuro Preto is the Brazilian municipality with the largest number of geological risk areas, 313, which directly affects the lives of more than three thousand people who live in these areas. Given this scenario, the present study aims to evaluate the predictive capacity of machine learning algorithms regarding mass movement events in the city of Ouro Preto-MG. Rainfall data and records of mass wasting occurrences from Civil Defense were used in the period between 2012 and 2022. The algorithms presented better results when the data used were balanced, with the best performance being the Random Forest with an accuracy of 0.74 and emphrecall, for the event of interest, of 0.83. However, the results obtained can be improved in future studies with the use of a more solid database and new input parameters for the algorithms.pt_BR
dc.contributor.authorID19.1.1240pt_BR
Aparece nas coleções:Engenharia de Controle e Automação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_UsoMachineLearning.pdf1,55 MBAdobe PDFVisualizar/Abrir


Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.