Fábio Teodoro de Souza
Título
Predição de Escorregamentos das Encostas do Município do Rio de Janeiro Através de Técnicas de Mineração de Dados
Resumo
Os efeitos causados pelas chuvas intensas são de grande proporção nas áreas sujeitas à ocorrência de escorregamentos, e estes desastres acontecem principalmente devido às agressões ambientais. O estudo deste problema na cidade do Rio de Janeiro tem sido estudado por técnicas de Mineração de Dados e Sistemas de Informações Geográficas. A base deste trabalho é o banco de dados relacionado aos registros de escorregamentos entre 1998 e 2001, incluindo parâmetros do solo e meteorológicos. Os padrões de chuvas acumuladas relacionadas aos escorregamentos dependem da substituição dos dados ausentes, que foram analisados por várias técnicas, incluindo análises estatísticas e de agrupamento de dados. A análise espacial da chuva selecionou os pluviômetros e Redes Neurais foram usadas para substituir os valores ausentes de chuva, mostrando boa performance. A variável volume do escorregamento também apresentava valores ausentes e a substituição foi realizada pelo método KNN considerando as características dos escorregamentos. Devido às incertezas na metodologia de medição do volume escorregado (inspeção visual) o erro calculado foi considerado excelente. Depois da preparação dos dados, foram construídos alguns modelos para predizer estes acidentes, e auxiliar o sistema de alerta existente. Alguns resultados ilustram a precisão dos modelos.
Abstract
The effects caused by rainfall are wide in the locations subject to landslides occurrences and these disasters happen mainly due to environmental aggressions. The study of Rio de Janeiro’s city landslides problem has been performed by a Data Mining approach and Geographical Information Systems. The basis of this work is the dataset related to the landslides registers between 1998 and 2001, including meteorological and soil parameters. The cumulative rain patterns related to the landslides depend on the missing data replacement, which was analyzed by several methods, including Clustering and Statistical Analysis. The rain spatial analysis selected the rain gauges to be input on Neural Networks, which were used to replace the rain missing values, with a good performance. The landslides volume variable also presents missing values and the completing has been performed by KNN method considering the characteristics of the landslides. Due to uncertainties in the measurement methodology of the volume slipped (visual inspection) the calculated error was considered excellent. After data preparation, some models were built to predict these accidents, and possibly aiding the existing alert system. Some results illustrate the resulting model precision.
