Programa de Pós-Graduação em Gestão Urbana (PUC-PR)

Uso de Inteligência Artificial para a Previsão de Deslizamentos induzidos por Fortes Chuvas

Professor: Fábio Teodoro de Souza

Extração de Conhecimento

Banco de Dados Especialista

Aprendizado do Cérebro Humano

tato

som

visão

olfato

paladar

Pipoca

Redes Neurais Artificiais

Chuva Acumulada

Dados de Escorregamentos

Dados de Solo

Topografia

Etapas de um projeto deMineração de Dados

1. Obtenção dos Dados;

2. Preparação dos dados;

3. Modelagem

Dados de Escorregamentos(1998 a 2001)

Data

Horário

Bairro

Volume

Conseqüências

Tipologia

Parâmetros do Solo - Áreas por Bairros (ha / bairro)

Qualidade AptidãoUso Pedologia Vulnerabilidade

Floresta

Urbana

Alerta

Conservada

Latossolo

Aluviais

Boa

Regular

Alta

Baixa: : : ::

Dados Meteorológicos – Pluviometria (mm / 15 min)

Rede automática da GEO-RIO

30 pluviômetros

Transmissão a cada 15 minutos

Preparação dos DadosSolos Pluviometria Escorregamentos

Regionalização

Data / Hora / LocalPredição da Falha

(RNA)HAIKIN (2001)

Índices de ChuvaAcumulada (ICA)

Predição do Volume(KNN)

MITCHELL (1997)

Cálculodas Taxas

por Bairros

Modelagem

Montagem de uma matriz

Chuva Acumulada

Dados de Escorregamentos

Dados de Solo

Modelagem – Classificação (RNA)

1ª Classificação

Nada Pânico ou Acidente

Fim 2ª Classificação

Tipologia

Pânico Acidente

Volume (EUC / MAN)

V=0m3 V>0m3

Danos

Sem Com

Treinamento com todos os registros

Treinamento sem a classe Nada

HAIKIN (2001)

Regras de Associação

Regras Geradas

Tipologia Volume (EUC / MAN) Danos

Análise da Interessabilidade

Suporte = 8%Confiança = 90% Todas Variáveis

Regras Inesperadas e Acionáveis

LIU et al. (1998)

LIU et al. (2000)

Índices Acumulados de Chuvas Passadas(Camada de Entrada)

Chuva dos Próximos Períodos – Minutos, Horas, Dias(Camada de Saída)

Predição de Chuva com Redes NeuraisHAIKIN (2001)

ACP

Árvore

Correlação

K - Means

Regionalização dos Dados de Chuva

Predição dos Dados Ausentes de Chuva (RNA)

Simulação específica (acima) Resultado GeralMétodos Razão de Desvio

PadrãoCorrelação de

Pearson-RBoa Performance (%)

ACP 0,34 0,94 67,6Correlação 0,34 0,95 13,3

Árvore 0,55 0,83 10,5

k-means 0,48 0,89 7,6

Dados Predição

740 742 744 746 748 750

Casos

0

5

10

15

20

25

30

Prec

ipita

ção

(mm

/15

min

)

Modelo com 2 camadas (RNA)1ª Classificação

Nada94.1%

Pânico ou Acidente93.6 %

2ª Classificação

Tipologia

Pânico93.6%

Acidente72.4%

Volume (EUC)

V=0m3

87.1%V>0m3

75.9%

Danos

Sem80.2%

Com70.8%

* Resultados considerando a probabilidade condicional na 2ª camada

Volume (MAN)

V=0m3

90.4%V>0m3

74.6%

Regras de Associação

Relações Quantitativas entre variáveis;

Antecedente (X) => Conseqüente (Y)

Regra 13 (1266 registros):Chuva 6 dias [> 92.6 mm]

=> ACIDENTE (25,5% 91.9% 323 297 23.5%)

25.5% - suporte da regra [P (X U Y)]91.9% - confiança [P (Y|X)] 323 - número de ocorrências da união 297 - número de ocorrências da interseção 23.5% - porcentagem da interseção

Modelo de Predição de Chuvas Intensas (RNA´s)

Chuva da Próxima Hora Chuva do Próximo Dia

Treinamento (80 a 90%), Teste (5 a 10%), Validação (5 a10%)

r2 = 0.96 r2 = 0.96

Pred_1dia

Dados_1dia230 235 240 245 250

Casos

0

30

60

90

120

150

180

210

240

270

Prec

ipita

ção

(mm

)

Predição_1h

Dados_1h890 895 900 905 910

Casos

0

15

30

45

60

75

90

Prec

ipita

ção

(mm

)

BaggingHAN (2001);Ponderação

DUDA (2001);Boosting

TING & ZHENG (1998)

Dados

Reconhecimento Científico e Mídia

Outras Aplicações (Modena, Itália)

Indígenas Xucuru em Pernambuco (MIT, EUA)

ONU, 2007

Candidate: Fábio Teodoro de Souza, PhD(Tsinghua University)

A Data Mining approach for Earthquake Prediction in China

Brussels, February 11th 2010

Science and Technology FellowshipProgramme in China (STF2 China)

A Data Mining approach to predict long-term sediment flux and runoff

in the Yellow River basin

Fabio Teodoro de Souza

Tianjin, September 10th 2010

A Data Mining approach to predict mass movements induced by

seismic events in Sichuan, China

Fabio Teodoro de Souza

Yantai, August 11th 2010

A Data Mining approach fortree-ring growth prediction

Fabio Teodoro de Souza

Obrigado

Fabio Teodoro de Souza

fabio.teodoro@pucpr.br

PPGTU / PUC-PR

Revista Brasileira de Gestão Urbana (URBE)