Download Slide 1 - ADEMADAN

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
visão
som
olfato
Pipoca
tato
paladar
Redes Neurais Artificiais
Chuva Acumulada
Dados de Solo
Topografia
Dados de
Escorregamentos
Etapas de um projeto de
Mineração 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)
Uso
Qualidade
Pedologia
Aptidão
Vulnerabilidade
Floresta
Alerta
Latossolo
Boa
Alta
Urbana
:
Conservada
:
Aluviais
:
Regular
:
Baixa
:
Dados Meteorológicos – Pluviometria (mm / 15 min)
Rede automática da GEO-RIO
30 pluviômetros
Transmissão a cada 15 minutos
Preparação dos Dados
Solos
Pluviometria
Escorregamentos
Regionalização
Cálculo
das Taxas
por Bairros
Predição da Falha
(RNA)
HAIKIN (2001)
Índices de Chuva
Acumulada (ICA)
Predição do Volume
(KNN)
MITCHELL (1997)
Data / Hora / Local
Modelagem
Montagem de uma matriz
Chuva Acumulada
Dados de Solo
Dados de Escorregamentos
Modelagem – Classificação (RNA)
HAIKIN (2001)
1ª Classificação
Treinamento com todos os registros
Pânico ou Acidente
Nada
2ª Classificação
Fim
Tipologia
Pânico
Acidente
Treinamento sem a
classe Nada
Volume (EUC / MAN)
V=0m3
V>0m3
Danos
Sem
Com
Regras de Associação
Suporte = 8%
Confiança = 90%
Tipologia
Todas Variáveis
Volume (EUC / MAN)
Regras Geradas
Análise da Interessabilidade
Regras Inesperadas e Acionáveis
Danos
LIU et al. (1998)
LIU et al. (2000)
Predição de Chuva com Redes Neurais
HAIKIN (2001)
Índices Acumulados de Chuvas Passadas
(Camada de Entrada)
Chuva dos Próximos Períodos – Minutos, Horas, Dias
(Camada de Saída)
Regionalização dos Dados de Chuva
ACP
Correlação
Árvore
K - Means
30
25
Precipitação (mm/15 min)
Predição dos
Dados
Ausentes de
Chuva (RNA)
20
15
Dados
Predição
10
5
0
740
742
744
746
748
750
Casos
Simulação específica (acima)
Resultado Geral
Métodos
Razão de Desvio
Padrão
Correlação de
Pearson-R
Boa Performance (%)
ACP
0,34
0,94
67,6
Correlação
0,34
0,95
13,3
Árvore
0,55
0,83
10,5
k-means
0,48
0,89
7,6
Modelo com 2 camadas (RNA)
1ª Classificação
* Resultados considerando a probabilidade
condicional na 2ª camada
Pânico ou Acidente
93.6 %
Nada
94.1%
2ª Classificação
Tipologia
Pânico
93.6%
Volume (EUC)
Volume (MAN)
V=0m3
90.4%
Acidente
72.4%
V=0m3
87.1%
V>0m3
75.9%
Danos
V>0m3
74.6%
Sem
80.2%
Com
70.8%
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%
91.9%
323
297
23.5%
-
suporte da regra [P (X U Y)]
confiança [P (Y|X)]
número de ocorrências da união
número de ocorrências da interseção
porcentagem da interseção
Modelo de Predição de Chuvas Intensas
(RNA´s)
Treinamento (80 a 90%), Teste (5 a 10%), Validação (5 a10%)
Chuva da Próxima Hora
Chuva do Próximo Dia
r2 = 0.96
r2 = 0.96
90
270
240
75
Precipitação (mm)
Precipitação (mm)
210
60
45
30
15
150
120
90
60
30
0
Predição_1h
890
180
895
900
Casos
905
910
Dados_1h
0
230
Pred_1dia
235
240
Casos
245
250
Dados_1dia
Dados
Bagging
HAN (2001);
Ponderação
DUDA (2001);
Boosting
TING & ZHENG (1998)
Reconhecimento Científico e Mídia
Outras Aplicações (Modena, Itália)
Indígenas Xucuru em Pernambuco (MIT, EUA)
ONU, 2007
Science and Technology Fellowship
Programme in China (STF2 China)
A Data Mining approach for
Earthquake Prediction in China
Candidate: Fábio Teodoro de Souza, PhD
(Tsinghua University)
Brussels, February 11th 2010
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 for
tree-ring growth prediction
Fabio Teodoro de Souza
Obrigado
Fabio Teodoro de Souza
[email protected]
PPGTU / PUC-PR
Revista Brasileira de
Gestão Urbana (URBE)