Resumo:
Diversas medidas de gerenciamento de inundações vêm sendo tomadas para mitigar os danos decorrentes destes eventos no mundo todo, dentre elas a geração de modelos hidrológicos baseados em dados para subsidiar sistemas de alerta antecipados. Esse artigo apresenta o processo de mineração de dados com aplicação de filtros em dados de níveis d’água a fim de selecionar aqueles que representem eventos de inundação para futura aplicação de técnicas de previsão de nível em Machine Learning. Para tal, dados sub-horários de nível d’água do ribeirão Proença, situado em Campinas, SP, referentes ao período de novembro de 2014 a junho de 2019 foram utilizados para compor a série histórica de dados do presente trabalho. Rotinas em Python foram criadas para selecionar, pré-processar, transformar e minerar tais dados. Com base na distribuição de frequência dos valores de nível d’água da série histórica, foram testados três limiares, que selecionaram 10, 6 e 3% do total de dias com dados disponíveis. A assertividade dos limiares na separação de datas com ocorrência de inundação foi avaliada com base em relatos de inundações em sites de notícias e cadastro da Defesa Civil. Com base nos resultados obtidos, concluiu-se que o limiar que separa 3% dos dias possui a melhor assertividade dentre os limiares testados, sendo assim escolhido para separação dos dados a serem utilizados no desenvolvimento do modelo em Machine Learning para previsão de inundações na bacia.
Referência:
ARAÚJO, Vinícius; RIBEIRO, Paulo Henrique Barreto; ABREU, Ana Elisa Silva de; COSTA, Paula Dornhofer Paro; FALCETTA, Filipe Antonio Marque; BITAR, Omar Yazbek. Correlação de níveis d’água em bacia urbana com registro de inundação no município de Campinas/SP: preparação dos dados para aplicação de machine learning. In: CONGRESSO BRASILEIRO DE GEOLOGIA DE ENGENHARIA E AMBIENTAL, 17, 2022, Belo Horizonte. Anais… 10p.
Documento com acesso restrito. Logar na BiblioInfo, Biblioteca/IPT-DAIT para acessar o texto em PDF:
https://escriba.ipt.br/pdf_restrito/177951.pdf
Diversas medidas de gerenciamento de inundações vêm sendo tomadas para mitigar os danos decorrentes destes eventos no mundo todo, dentre elas a geração de modelos hidrológicos baseados em dados para subsidiar sistemas de alerta antecipados. Esse artigo apresenta o processo de mineração de dados com aplicação de filtros em dados de níveis d’água a fim de selecionar aqueles que representem eventos de inundação para futura aplicação de técnicas de previsão de nível em Machine Learning. Para tal, dados sub-horários de nível d’água do ribeirão Proença, situado em Campinas, SP, referentes ao período de novembro de 2014 a junho de 2019 foram utilizados para compor a série histórica de dados do presente trabalho. Rotinas em Python foram criadas para selecionar, pré-processar, transformar e minerar tais dados. Com base na distribuição de frequência dos valores de nível d’água da série histórica, foram testados três limiares, que selecionaram 10, 6 e 3% do total de dias com dados disponíveis. A assertividade dos limiares na separação de datas com ocorrência de inundação foi avaliada com base em relatos de inundações em sites de notícias e cadastro da Defesa Civil. Com base nos resultados obtidos, concluiu-se que o limiar que separa 3% dos dias possui a melhor assertividade dentre os limiares testados, sendo assim escolhido para separação dos dados a serem utilizados no desenvolvimento do modelo em Machine Learning para previsão de inundações na bacia.
Referência:
ARAÚJO, Vinícius; RIBEIRO, Paulo Henrique Barreto; ABREU, Ana Elisa Silva de; COSTA, Paula Dornhofer Paro; FALCETTA, Filipe Antonio Marque; BITAR, Omar Yazbek. Correlação de níveis d’água em bacia urbana com registro de inundação no município de Campinas/SP: preparação dos dados para aplicação de machine learning. In: CONGRESSO BRASILEIRO DE GEOLOGIA DE ENGENHARIA E AMBIENTAL, 17, 2022, Belo Horizonte. Anais… 10p.
Documento com acesso restrito. Logar na BiblioInfo, Biblioteca/IPT-DAIT para acessar o texto em PDF:
https://escriba.ipt.br/pdf_restrito/177951.pdf
