Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco

Detalhes bibliográficos
Autor(a) principal: Cereto, Artur Nonato Vieira
Data de Publicação: 2024
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: http://app.uff.br/riuff/handle/1/31948
Resumo: Os deslizamentos de terra são desastres que assolam com maior frequência regiões urbanizadas, sem planejamento prévio, cujas consequências podem ser estimadas em prejuízos na ordem de bilhões de dólares por ano, além da perda de vidas humanas na casa dos milhares. Diferentes sistemas de alerta prévio de deslizamento de terra foram desenvolvidos, com o objetivo de alertar as populações locais e permitir a evacuação das áreas em tempo hábil. Em geral, estes sistemas utilizam dados provenientes do monitoramento das condições do solo, nas encostas que oferecem risco, além de dados meteorológicos, para alimentar modelos computacionais físicos ou estatísticos voltados para prever a ocorrência destes desastres. Neste trabalho, onde foi feito o uso da linguagem de programação Python, foi desenvolvida uma rede neural, com algoritmo de aprendizado de back-propagation e otimizador Adam, com o intuito de realizar previsões de leituras de um sensor de umidade do solo, em duas profundidades, a partir de suas leituras prévias e dados de precipitação acumulada. O modelo desenvolvido, baseado em machine-learning, obteve erros menores do que aqueles de previsões realizadas por regressão linear, em 27 das 40 configurações testadas, demonstrando desempenho superior na previsão de leituras de umidade do solo, na camada mais próxima à superfície.
id UFF-2_35ebb8e7207b76f3e55fa00dc43ef21a
oai_identifier_str oai:app.uff.br:1/31948
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de riscoLEWsRedes neuraisEstabilidade do soloCompactação do soloRede neuralAprendizado de máquinaNeural networksSoil stabilityOs deslizamentos de terra são desastres que assolam com maior frequência regiões urbanizadas, sem planejamento prévio, cujas consequências podem ser estimadas em prejuízos na ordem de bilhões de dólares por ano, além da perda de vidas humanas na casa dos milhares. Diferentes sistemas de alerta prévio de deslizamento de terra foram desenvolvidos, com o objetivo de alertar as populações locais e permitir a evacuação das áreas em tempo hábil. Em geral, estes sistemas utilizam dados provenientes do monitoramento das condições do solo, nas encostas que oferecem risco, além de dados meteorológicos, para alimentar modelos computacionais físicos ou estatísticos voltados para prever a ocorrência destes desastres. Neste trabalho, onde foi feito o uso da linguagem de programação Python, foi desenvolvida uma rede neural, com algoritmo de aprendizado de back-propagation e otimizador Adam, com o intuito de realizar previsões de leituras de um sensor de umidade do solo, em duas profundidades, a partir de suas leituras prévias e dados de precipitação acumulada. O modelo desenvolvido, baseado em machine-learning, obteve erros menores do que aqueles de previsões realizadas por regressão linear, em 27 das 40 configurações testadas, demonstrando desempenho superior na previsão de leituras de umidade do solo, na camada mais próxima à superfície.Landslides are disasters that frequently afflict urbanized regions lacking prior planning, with consequences estimated in billions of dollars annually, along with the loss of thousands of human lives. Various early warning systems for landslides have been developed, aiming to alert local populations and facilitate timely evacuation. Typically, these systems utilize data from monitoring soil conditions on at-risk slopes and meteorological data to feed physical or statistical computational models designed to predict the occurrence of these disasters. This Python-based study develops a neural network employing a back-propagation learning algorithm and the Adam optimizer to forecast readings from a soil moisture sensor at two depths based on previous readings and accumulated precipitation data. This machine-learning model demonstrated superior performance in predicting soil moisture readings in the surface layer, with lower errors than those generated by linear regression in 27 out of 40 tested configurations78 f.Salcedo, Ivanovich LacheHamacher, Leonardo da SilvaCarmo, Dirlane de Fátima doCereto, Artur Nonato Vieira2024-01-16T19:25:42Z2024-01-16T19:25:42Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfCERETO, Artur Nonato Vieira. Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco. 2023. 78 f.Trabalho de Conclusão de Curso (Graduação em Engenharia Agrícola e Ambiental) - Universidade Federal Fluminense, Escola de Engenharia, Niterói, 2023.http://app.uff.br/riuff/handle/1/31948CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2024-01-16T19:25:46Zoai:app.uff.br:1/31948Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-01-16T19:25:46Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco
title Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco
spellingShingle Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco
Cereto, Artur Nonato Vieira
LEWs
Redes neurais
Estabilidade do solo
Compactação do solo
Rede neural
Aprendizado de máquina
Neural networks
Soil stability
title_short Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco
title_full Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco
title_fullStr Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco
title_full_unstemmed Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco
title_sort Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco
author Cereto, Artur Nonato Vieira
author_facet Cereto, Artur Nonato Vieira
author_role author
dc.contributor.none.fl_str_mv Salcedo, Ivanovich Lache
Hamacher, Leonardo da Silva
Carmo, Dirlane de Fátima do
dc.contributor.author.fl_str_mv Cereto, Artur Nonato Vieira
dc.subject.por.fl_str_mv LEWs
Redes neurais
Estabilidade do solo
Compactação do solo
Rede neural
Aprendizado de máquina
Neural networks
Soil stability
topic LEWs
Redes neurais
Estabilidade do solo
Compactação do solo
Rede neural
Aprendizado de máquina
Neural networks
Soil stability
description Os deslizamentos de terra são desastres que assolam com maior frequência regiões urbanizadas, sem planejamento prévio, cujas consequências podem ser estimadas em prejuízos na ordem de bilhões de dólares por ano, além da perda de vidas humanas na casa dos milhares. Diferentes sistemas de alerta prévio de deslizamento de terra foram desenvolvidos, com o objetivo de alertar as populações locais e permitir a evacuação das áreas em tempo hábil. Em geral, estes sistemas utilizam dados provenientes do monitoramento das condições do solo, nas encostas que oferecem risco, além de dados meteorológicos, para alimentar modelos computacionais físicos ou estatísticos voltados para prever a ocorrência destes desastres. Neste trabalho, onde foi feito o uso da linguagem de programação Python, foi desenvolvida uma rede neural, com algoritmo de aprendizado de back-propagation e otimizador Adam, com o intuito de realizar previsões de leituras de um sensor de umidade do solo, em duas profundidades, a partir de suas leituras prévias e dados de precipitação acumulada. O modelo desenvolvido, baseado em machine-learning, obteve erros menores do que aqueles de previsões realizadas por regressão linear, em 27 das 40 configurações testadas, demonstrando desempenho superior na previsão de leituras de umidade do solo, na camada mais próxima à superfície.
publishDate 2024
dc.date.none.fl_str_mv 2024-01-16T19:25:42Z
2024-01-16T19:25:42Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv CERETO, Artur Nonato Vieira. Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco. 2023. 78 f.Trabalho de Conclusão de Curso (Graduação em Engenharia Agrícola e Ambiental) - Universidade Federal Fluminense, Escola de Engenharia, Niterói, 2023.
http://app.uff.br/riuff/handle/1/31948
identifier_str_mv CERETO, Artur Nonato Vieira. Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco. 2023. 78 f.Trabalho de Conclusão de Curso (Graduação em Engenharia Agrícola e Ambiental) - Universidade Federal Fluminense, Escola de Engenharia, Niterói, 2023.
url http://app.uff.br/riuff/handle/1/31948
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1807838900140376064

Registros relacionados