Use este identificador para citar ou linkar para este item: https://rd.uffs.edu.br/handle/prefix/5369
Tipo: Monografia
Título: Comitês de redes neurais artificiais aplicados à avaliação de áreas suscetíveis a deslizamentos
Autor(es): Bragagnolo, Lucimara
Primeiro Orientador: Grzybowski, Jose Mario Vicensi
Primeiro coorientador: Silva, Roberto Valmir da
Primeiro membro da banca: Kobiyama, Masato
Segundo membro da banca: Boehl, Pedro Eugênio Gomes
Terceiro membro da banca: Hartmann, Paulo Afonso
Resumo: O zoneamento de áreas suscetíveis a deslizamentos é considerada fundamental, visto que esse instrumento possibilita que medidas de prevenção, estratégias de ação e evacuação sejam tomadas de forma antecipada. Nesse sentido, este estudo propôs a aplicação de um comitê de redes neurais artificiais (ANNE - Artificial Neural Network Ensemble) para o mapeamento de zonas suscetíveis a deslizamentos de terra. Para tanto, a estimativa das regiões suscetíveis deu-se em função de bancos de dados com informações de locais de deslizamento e não-deslizamento e de sete parâmetros de entrada: litologia, elevação, aspecto, declividade, índice topográfico de umidade, uso do solo e curvatura vertical. O treinamento, validação e teste das redes neurais artificiais (RNAs) foi realizado com 14 diferentes arquiteturas (7-2-1 a 7-15-1), bem como com a variação dos conjuntos de registros e condições iniciais, para a posterior composição dos comitês a partir da seleção de redes individuais que obtiveram melhor desempenho. A metodologia proposta foi aplicada à geração de mapas de suscetibilidade para duas capitais brasileiras, Porto Alegre e Rio de Janeiro. Os resultados foram comparados com aqueles obtidos por meio de regressão linear múltipla e com mapas de suscetibilidade publicados pelo Serviço Geológico Brasileiro e pela Prefeitura do Rio de Janeiro. A avaliação da sensibilidade dos comitês aos parâmetros de entrada indicou que os parâmetros que exerceram maior influência na previsão de deslizamentos foram a curvatura vertical, índice topográfico de umidade e declividade. Além disso, as ANNEs mostraram melhores resultados quando comparados com aqueles oriundos da regressão múltipla, bem como apresentaram um considerável nível de concordância qualitativa e quantitativa com os mapas de suscetibilidade já existentes, fato que indica que o comitê foi capaz de identificar a influência das variáveis de entrada e de sua interação na ocorrência de deslizamentos. Como resultado principal, uma comparação direta usando dados de deslizamento mostrou que os mapas de suscetibilidade gerados a partir da ANNE obtiveram índices de acerto maiores do que aqueles divulgados pelo Serviço Geológico Brasileiro e Prefeitura do Rio. Isso é indicativo de que essa metodologia é capaz de identificar as características essenciais do fenômeno estudado e, podendo ser, portanto, uma ferramenta efetiva para auxiliar as instituições responsáveis pela elaboração de mapas de suscetibilidade e pela gestão dos desastres naturais.
Abstract/Resumen: Mapping areas susceptible to landslides is regarded as fundamental since it allows preventive measures, strategies of action and evacuation to be carried out advance. This study proposes the application of an Artificial Neural Network Ensemble (ANNE) for the mapping of landslide susceptibility areas. To that end, the identification of susceptible areas was performed on the basis of landslide inventory databases containing the location information and seven geomorphologic parameters: lithology, elevation, aspect, slope, topographic moisture index, land use and vertical curvature. The training, validation and testing of the neural networks was performed with 14 different architectures (7-2-1 to 7-15-1) by resampling the training records and varying the initial conditions of the neural network parameters. The composition of the ensembles was made by selecting the individual networks that obtained best performances. The proposed methodology was applied to the generation of landslides susceptibility maps for two Brazilian capitals, Porto Alegre and Rio de Janeiro. The results were compared with those obtained by means of multiple linear regression and with landslides susceptibility maps published by the Geological Survey of Brazil and City Hall of Rio de Janeiro cities. The sensitivity assessment to the input parameters indicated that the parameters that exerted the greatest influence on the prediction of landslides were vertical curvature, topographic wetness index and slope. In addition, the ANNEs showed better results when compared to multiple regression, as well as a fair level of qualitative and quantitative agreement with the maps published by official government organs. These facts indicate that the essembles was able to identify the influence of model sensitivity to the input variables and their interaction in the occurrence of landslides. As the main result, we show that the susceptibility maps generated by the ANNE feature higher accuracy than those published by the Brazilian Geological Survey and City Hall Rio de Janeiro. This indicates that the proposed methodology can be an effective tool to assist the development of reliabe landslide susceptibility maps.
Palavras-chave: Redes neurais artificiais
Desastres Naturais
Mapeamento de susceptibilidade
Idioma: por
País: Brasil
Instituição: Universidade Federal da Fronteira Sul
Sigla da Instituição: UFFS
Faculdade, Instituto ou Departamento: Campus Erechim
Tipo de Acesso: Acesso Restrito
URI: https://rd.uffs.edu.br/handle/prefix/5369
Data do documento: Jun-2018
Aparece nas coleções:Engenharia Ambiental

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
BRAGAGNOLO.pdf8,01 MBAdobe PDFVisualizar/Abrir    Solictar uma cópia


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.