| Processo: | 19/14011-0 |
| Linha de fomento: | Bolsas no Brasil - Mestrado |
| Vigência (Início): | 01 de agosto de 2019 |
| Vigência (Término): | 31 de julho de 2021 |
| Área do conhecimento: | Ciências Exatas e da Terra - Matemática - Matemática Aplicada |
| Pesquisador responsável: | Mauro de Mesquita Spinola |
| Beneficiário: | Caio da Silva Azevedo |
| Instituição-sede: | Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil |
| Vinculado ao auxílio: | 17/50343-2 - Plano de desenvolvimento institucional na área de transformação digital: manufatura avançada e cidades inteligentes e sustentáveis (PDIp), AP.PDIP |
| Assunto(s): | Aprendizado computacional Modelos matemáticos Dispositivo de identificação por radiofrequência Internet das coisas Big data analytics Cidades inteligentes Inundações Previsão de enchentes urbanas |
Resumo O objeto da pesquisa são modelos matemáticos preditivos ou algoritmos de predição aplicados aos dados providos por tecnologia de sensores, identificação por rádio frequência (RFID) e internet das coisas (IOT). Esses algoritmos serão utilizados no monitoramento de variáveis ambientais com redes de sensores sem fio conectados à Internet das Coisas e predição de riscos e desastres naturais baseada em ferramentas e métodos avançados da Ciência de Dados incluindo, mas não restrito, à modelos de redes neurais artificiais e algoritmos de aprendizagem de máquina, integrados à plataformas de Big Data Analytics. Para cidades inteligentes, o paradigma da predição é de suma importância por ser apontado como a última etapa na sua modernização cujas metas, dentre outros avanços, têm-se o controle e prevenção de desastres naturais. Sendo assim, como objetivo central dessa pesquisa pretende-se identificar os modelos matemáticos com melhores taxas de assertividade e que resultem em diagnósticos antecipados de enchentes. Complementarmente, buscar-se-á analisar as formas como os dados dos sensores são coletadas e como esses dados se relacionam de modo a decodificar o comportamento desses fenômenos naturais bem como identificar as razões que fazem com que um determinado modelo tenha melhor assertividade em relação aos demais. E por fim, avaliar os impactos desse processo de diagnósticos nas chamadas cidades inteligentes. (AU) | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias (0 total): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |