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

• Processo: 19/14011-0
• Modalidade de apoio: 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
• Palavra(s)-Chave do Pesquisador: Big Data Analytics | Cidades Inteligentes | Internet das Coisas | inundações | machine learning | Machine Learning

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)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

AZEVEDO, CAIO DA SILVA; GONCALVES, RODRIGO FRANCO; GAVA, VAGNER LUIZ; SPINOLA, MAURO DE MESQUITA. A Benford's law based method for fraud detection using R Library. METHODSX, v. 8, 2021. (17/50343-2, 19/14011-0)

AZEVEDO, CAIO DA SILVA; GONCALVES, RODRIGO FRANCO; GAVA, VAGNER LUIZ; SPINOLA, MAURO DE MESQUITA. A Benford's Law based methodology for fraud detection in social welfare programs: Bolsa Familia analysis. PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS, v. 567, APR 1 2021. (19/14011-0, 17/50343-2)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

AZEVEDO, Caio da Silva. Uso de redes neurais artificiais na elaboração de mapas de suscetibilidade para escorregamentos planares rasos.. 2022. Dissertação de Mestrado - Universidade de São Paulo (USP). Escola Politécnica (EP/BC) São Paulo.