Predição da força de reação do solo durante a caminhada e corrida na água utilizando técnicas de mineração de dados

Detalhes bibliográficos
Autor(a) principal: Alves, Rafael Damiani
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/234666
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Araranguá, Programa de Pós-Graduação em Tecnologias da Informação e Comunicação, Araranguá, 2022.
id UFSC_b138e96af3188af889ed16055ecff1a1
oai_identifier_str oai:repositorio.ufsc.br:123456789/234666
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Predição da força de reação do solo durante a caminhada e corrida na água utilizando técnicas de mineração de dadosTecnologias da informação e comunicaçãoMineração de dados (Computação)Aprendizado do computadorCaminhadaCorridasDissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Araranguá, Programa de Pós-Graduação em Tecnologias da Informação e Comunicação, Araranguá, 2022.O avanço das tecnologias da informação e comunicação tem gerado progresso nas técnicas de mineração de dados. Os processos e técnicas de mineração de dados são utilizados para procurar padrões que proporcionam vantagens e aperfeiçoamentos em diversas áreas, tais como: marketing, detecção de fraude, investimentos financeiros, área da saúde entre outras. Com o objetivo de auxiliar na prescrição dos exercícios de caminhada e corrida na água, no que refere-se ao conhecimento e controle das forças de reação do solo durante exercícios subaquáticos, esta pesquisa procurou gerar modelos preditivos para o pico das componentes vertical, ântero-posterior e da resultante da força de reação do solo durante a caminhada e corrida na água, por meio das técnicas de mineração de dados. Os dados utilizados neste estudo, contam com informações como sexo, idade, massa corporal, cintura, coxa e estatura de 143 pessoas. No que se refere aos exercícios subaquáticos, os dados contam com informações sobre exercícios de caminhada e corrida na água em 3 diferentes tipos de velocidades: normal, rápida e lenta. Os níveis de imersão presentes nos dados são 0,75, 0,90, 1,05, 1,20, e 1,35 metros. Foram utilizados 14 tipos diferentes de algoritmos de regressão para predição das variáveis FR, Fy e Fx, por meio de uma biblioteca python denominada de scikit-learn. Através do uso das técnicas de mineração de dados, como cross-validation K-Fold, foram gerados modelos de predição que conseguiram prever até 93% das amostras presentes na base de dados usada. Os algoritmos Support Vector Regression e Tweedie Regressor foram os algoritmos que demonstraram maior potencial na predição das forças de reação do solo durante os exercícios aquáticos em questão.Abstract: The advancement of information and communication technologies has generated progress in data mining techniques. Data mining processes and techniques are used to look for patterns that provide advantages and improvements in several areas, such as: marketing, fraud detection, financial investments, healthcare, among others. In order to assist in the prescription of walking and running exercises in the water, with regard to the knowledge and control of ground reaction forces during underwater exercises, this research sought to generate predictive models for the peak of the vertical, antero- and the resulting ground reaction force during walking and running in the water, using data mining techniques. The data used in this study have information such as sex, age, body mass, waist, thigh and height of 143 people. As far as underwater exercises are concerned, the data has information about walking and running exercises in the water at 3 different types of speeds: normal, fast and slow. The immersion levels present in the data are 0.75, 0.90, 1.05, 1.20, and 1.35 meters. Fourteen different types of regression algorithms were used to predict the variables FR, Fy and Fx, using a python library called scikit-learn. Through the use of data mining techniques, such as cross-validation K-Fold, prediction models were generated that were able to predict up to 93% of the samples present in the database used. The Support Vector Regression and Tweedie Regressor algorithms were the algorithms that showed the greatest potential in predicting the ground reaction forces during the aquatic exercises in question.Cechinel, CristianHaupenthal, AlessandroUniversidade Federal de Santa CatarinaAlves, Rafael Damiani2022-05-19T14:45:39Z2022-05-19T14:45:39Z2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis127 p.| il., gráfs.application/pdf374639https://repositorio.ufsc.br/handle/123456789/234666porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2022-05-19T14:45:39Zoai:repositorio.ufsc.br:123456789/234666Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732022-05-19T14:45:39Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Predição da força de reação do solo durante a caminhada e corrida na água utilizando técnicas de mineração de dados
title Predição da força de reação do solo durante a caminhada e corrida na água utilizando técnicas de mineração de dados
spellingShingle Predição da força de reação do solo durante a caminhada e corrida na água utilizando técnicas de mineração de dados
Alves, Rafael Damiani
Tecnologias da informação e comunicação
Mineração de dados (Computação)
Aprendizado do computador
Caminhada
Corridas
title_short Predição da força de reação do solo durante a caminhada e corrida na água utilizando técnicas de mineração de dados
title_full Predição da força de reação do solo durante a caminhada e corrida na água utilizando técnicas de mineração de dados
title_fullStr Predição da força de reação do solo durante a caminhada e corrida na água utilizando técnicas de mineração de dados
title_full_unstemmed Predição da força de reação do solo durante a caminhada e corrida na água utilizando técnicas de mineração de dados
title_sort Predição da força de reação do solo durante a caminhada e corrida na água utilizando técnicas de mineração de dados
author Alves, Rafael Damiani
author_facet Alves, Rafael Damiani
author_role author
dc.contributor.none.fl_str_mv Cechinel, Cristian
Haupenthal, Alessandro
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Alves, Rafael Damiani
dc.subject.por.fl_str_mv Tecnologias da informação e comunicação
Mineração de dados (Computação)
Aprendizado do computador
Caminhada
Corridas
topic Tecnologias da informação e comunicação
Mineração de dados (Computação)
Aprendizado do computador
Caminhada
Corridas
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Araranguá, Programa de Pós-Graduação em Tecnologias da Informação e Comunicação, Araranguá, 2022.
publishDate 2022
dc.date.none.fl_str_mv 2022-05-19T14:45:39Z
2022-05-19T14:45:39Z
2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 374639
https://repositorio.ufsc.br/handle/123456789/234666
identifier_str_mv 374639
url https://repositorio.ufsc.br/handle/123456789/234666
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 127 p.| il., gráfs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652151705042944

Registros relacionados