Busca avançada
Ano de início
Entree

Aprendizado de máquina para modelagem de escoamento fluvial e predição de inundações

Processo: 19/14011-0
Linha de fomento:Bolsas no Brasil - Mestrado
Vigência (Início): 01 de agosto de 2019
Vigência (Término): 30 de abril 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):Big data analytics   Aprendizado computacional   Cidades inteligentes   Internet das coisas   Inundações

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.