Regressão logística e redes neurais aplicadas à previsão probabilística de alagamentos no Município de Curitiba, Pr

Detalhes bibliográficos
Autor(a) principal: Lohmann, Marciel
Data de Publicação: 2011
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/30558
Resumo: Orientador : Prof. Dr. Leonardo José Cordeiro Santos
id UFPR_d556750f8dbe58a206a7db97d68f641b
oai_identifier_str oai:acervodigital.ufpr.br:1884/30558
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Santos, Leonardo José Cordeiro, 1962-Universidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em GeografiaLohmann, Marciel2024-04-04T18:13:05Z2024-04-04T18:13:05Z2011https://hdl.handle.net/1884/30558Orientador : Prof. Dr. Leonardo José Cordeiro SantosTese (doutorado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Geografia. Defesa: Curitiba, 06/12/2011Bibliografia : fls. 218-231Área de concentração : Análise e Gestão AmbientalResumo: A presente pesquisa se propõe a estudar por meio do uso de regressão logística e redes neurais as características relacionadas aos padrões de chuva em Curitiba, procurando estabelecer a relação entre chuva e alagamentos para o município, utilizando como base a integração de informações hidrometeorológicas. Para alcançar os objetivos propostos, foram construídos modelos baseados em regressão do tipo logística e redes de Kohonen (Self Organizing Map (SOM)) para previsão probabilística de alagamentos, sendo os dois métodos comparados e avaliados em relação ao seu desempenho por meio da Curva de Características Operacionais (ROC), bem como a partir dos diagramas de confiabilidade, discriminação e refinamento. Para a construção dos modelos foram utilizados os dados de precipitação estimada a partir da integração das informações provenientes de radar meteorológico, satélite e pluviômetros, utilizando o método de Análise Objetiva Estatística (ANOBES). Os dados dos registros pontuais de alagamentos fornecidos pela Defesa Civil Municipal foram compilados pelo IPPUC (Instituto de Pesquisa e Planejamento Urbano de Curitiba). A partir dos dados de estimativas de precipitação foi calculada a chuva média acumulada de 6 em 6 horas por bacia hidrográfica, utilizando-se do método de Thiessen e do Inverso da Distância ao Quadrado, sendo os dois métodos comparados para verificar qual possui o melhor resultado para a geração dos dados de entrada dos modelos. Em relação ao desempenho dos dois métodos utilizados na construção dos modelos, verificouse no caso estudado que o SOM (Self Organizing Map) apresentou desempenho superior quando comparado com a regressão logística tanto no período de calibração quanto de verificação. A partir dos resultados gerados por meio da rede SOM, pode-se definir quais os principais padrões de chuva responsáveis por deflagrar os alagamentos em Curitiba e ainda estimar o número esperado de alagamentos (NEA) por bacia hidrográfica. Sob esta perspectiva, este trabalho possui como uma primeira inovação a utilização de ferramentas especializadas de inteligência artificial (IA) para o reconhecimento de padrões de chuva causadores de alagamento. Em relação ao número esperado de alagamentos, a inovação se refere a espacialização dos mesmos baseado no histórico de ocorrências. Como proposta, sugere-se que os resultados gerados neste trabalho integrem um Sistema de Alertas de Alagamentos em Curitiba, e que as informações e dados gerados possam ser utilizados pela Defesa Civil no sentido de aumentar a resiliência da população e mitigar possíveis impactos decorrentes dos alagamentos.Abstract: This research aims to study through the use of logistic regression and neural network, the characteristics related to rainfall patterns in Curitiba, in order to establish the relationship between rainfall and flooding, using the integration of hydrometeorological data. To achieve the proposed aims, two models were built based on logistic regression and Kohonen neural network type (Self Organizing Map (SOM)), to predict the probability of flooding. The two methods were compared and evaluated their performance through the ROC (Receiver Operating Characteristic) curve as well as from diagrams of reliability, discrimination and refinement. For the construction of the models were used rainfall data estimated from the integration of meteorological radar, satellite and rain gauges data, using the analysis for statistical purposes (ANOBES) method. In adition, data records of flooding were used as a reference. These data were supplied by the Municipal Civil Defense and compiled by IPPUC (Institute for Urban Research and Planning of Curitiba).Rainfall estimates were used to calculate cumulative average rain of 6 hours in a basis of 4 days, using the method of Thiessen and Squared Inverse Distance. These the two methods were compared to see which has better results for data generation to be used as models' data input. Regarding the performance of the two methods used to construct the models, it was found that the SOM (Self Organizing Map) has superior performance when compared with the logistic regression, either for calibration and verification. Results generated by the SOM, indicated that it is possible to define the main rainfall patterns responsible for triggering flooding in Curitiba and also estimate the expected number of floods (NEA), for each watershed. From this perspective, this work has as a first innovation the use of artificial intelligence (AI) tools designed for the recognition of rainfall patterns that can cause flooding. Regarding the expected number of floods, the innovation refers to the spatial distribution of floods based on historical occurrences. As a proposal, it is suggested that the results generated in this work should be used in a flooding alert system for Curitiba, and that the information and data generated can be used by Civil Defense to increase the resilience of the population and mitigate potential impacts of flooding.231f. : il., [algumas colors.]., maps., tabs., grafs.application/pdfDisponível em formato digitalRedes neurais (Computação)Analise de regressãoInundaçõesGeografiaRegressão logística e redes neurais aplicadas à previsão probabilística de alagamentos no Município de Curitiba, Prinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - MARCIEL LOHMANN.pdfapplication/pdf8198578https://acervodigital.ufpr.br/bitstream/1884/30558/1/R%20-%20D%20-%20MARCIEL%20LOHMANN.pdfcd6e32d8087ea3f69e7a0fe9d0a91572MD51open accessTEXTR - D - MARCIEL LOHMANN.pdf.txtExtracted Texttext/plain462734https://acervodigital.ufpr.br/bitstream/1884/30558/2/R%20-%20D%20-%20MARCIEL%20LOHMANN.pdf.txtfb278a121cdf93c50721ed372068dfc2MD52open accessTHUMBNAILR - D - MARCIEL LOHMANN.pdf.jpgGenerated Thumbnailimage/jpeg1257https://acervodigital.ufpr.br/bitstream/1884/30558/3/R%20-%20D%20-%20MARCIEL%20LOHMANN.pdf.jpg99ace896c4e29aca252193114b10e270MD53open access1884/305582024-04-04 15:13:05.831open accessoai:acervodigital.ufpr.br:1884/30558Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-04-04T18:13:05Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Regressão logística e redes neurais aplicadas à previsão probabilística de alagamentos no Município de Curitiba, Pr
title Regressão logística e redes neurais aplicadas à previsão probabilística de alagamentos no Município de Curitiba, Pr
spellingShingle Regressão logística e redes neurais aplicadas à previsão probabilística de alagamentos no Município de Curitiba, Pr
Lohmann, Marciel
Redes neurais (Computação)
Analise de regressão
Inundações
Geografia
title_short Regressão logística e redes neurais aplicadas à previsão probabilística de alagamentos no Município de Curitiba, Pr
title_full Regressão logística e redes neurais aplicadas à previsão probabilística de alagamentos no Município de Curitiba, Pr
title_fullStr Regressão logística e redes neurais aplicadas à previsão probabilística de alagamentos no Município de Curitiba, Pr
title_full_unstemmed Regressão logística e redes neurais aplicadas à previsão probabilística de alagamentos no Município de Curitiba, Pr
title_sort Regressão logística e redes neurais aplicadas à previsão probabilística de alagamentos no Município de Curitiba, Pr
author Lohmann, Marciel
author_facet Lohmann, Marciel
author_role author
dc.contributor.other.pt_BR.fl_str_mv Santos, Leonardo José Cordeiro, 1962-
Universidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Geografia
dc.contributor.author.fl_str_mv Lohmann, Marciel
dc.subject.por.fl_str_mv Redes neurais (Computação)
Analise de regressão
Inundações
Geografia
topic Redes neurais (Computação)
Analise de regressão
Inundações
Geografia
description Orientador : Prof. Dr. Leonardo José Cordeiro Santos
publishDate 2011
dc.date.issued.fl_str_mv 2011
dc.date.accessioned.fl_str_mv 2024-04-04T18:13:05Z
dc.date.available.fl_str_mv 2024-04-04T18:13:05Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/30558
url https://hdl.handle.net/1884/30558
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 231f. : il., [algumas colors.]., maps., tabs., grafs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/30558/1/R%20-%20D%20-%20MARCIEL%20LOHMANN.pdf
https://acervodigital.ufpr.br/bitstream/1884/30558/2/R%20-%20D%20-%20MARCIEL%20LOHMANN.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/30558/3/R%20-%20D%20-%20MARCIEL%20LOHMANN.pdf.jpg
bitstream.checksum.fl_str_mv cd6e32d8087ea3f69e7a0fe9d0a91572
fb278a121cdf93c50721ed372068dfc2
99ace896c4e29aca252193114b10e270
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860786791907328

Registros relacionados