Banca de DEFESA: ANTONIO ALEX MATIAS LÊU

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: ANTONIO ALEX MATIAS LÊU
DATA : 04/09/2026
HORA: 09:00
LOCAL: Pós-Graduação Engenharia Civil
TÍTULO:

REDES NEURAIS ARTIFICIAIS APLICADAS À SUSCETIBILIDADE A MOVIMENTOS DE MASSA SUPERFICIAIS COM A INTEGRAÇÃO DE VARIÁVEIS PLUVIOMÉTRICAS E GEOMORFOLÓGICAS EM ÁREA DE MORRO DENSAMENTE POVOADA DO RECIFE–PE

PALAVRAS-CHAVES:

Redes neurais artificiais. Modelagem preditiva. Suscetibilidade a deslizamentos. Integração de dados ambientais. Gestão de riscos

PÁGINAS: 177
RESUMO:

Os deslizamentos de terra podem provocar impactos ambientais, econômicos e sociais significativos, especialmente em áreas urbanas vulneráveis. Nesse contexto, modelos baseados em aprendizado de máquina podem contribuir para a identificação de padrões associados à ocorrência desses eventos e subsidiar ações de prevenção e gestão de riscos. Entre essas técnicas, destacam-se as Redes Neurais Artificiais (RNAs), em razão de sua capacidade de representar relações não lineares entre variáveis ambientais. Assim, esta pesquisa teve como objetivo desenvolver e avaliar modelos de RNAs para a previsão da ocorrência de deslizamentos de terra em áreas urbanas do Recife–PE, considerando variáveis temporais, espaciais e pluviométricas e sua integração com informações geomorfológicas. O estudo foi desenvolvido em duas escalas espaciais: inicialmente, na comunidade de Lagoa Encantada, com aproximadamente 1,17 km², utilizando dados referentes ao período de 2013 a 2021; e, posteriormente, em uma área ampliada de aproximadamente 10 km², abrangendo setores de Lagoa Encantada, Cohab, Ibura e Jordão, com dados de 2013 a 2023. Foram avaliadas duas abordagens principais: uma rede pluviométrica, baseada em variáveis temporais, espaciais e de precipitação, e uma rede integrada, construída mediante a incorporação de informações geomorfológicas. Na área-piloto, a rede integrada incorporou diretamente os atributos geomorfológicos associados aos pontos da base de dados, enquanto, na área ampliada, foi utilizada a probabilidade de suscetibilidade geomorfológica correspondente a cada ponto como variável adicional de entrada. As RNAs foram desenvolvidas no Orange Data Mining e avaliadas por meio de diferentes arquiteturas, hiperparâmetros e métricas de desempenho. Em Lagoa Encantada, a rede pluviométrica apresentou acurácia de 0,862, AUC de 0,900 e F1-score de 0,855, enquanto a rede integrada apresentou acurácia de 0,875, AUC de 0,864 e F1-score de 0,865. Dessa forma, a incorporação das informações geomorfológicas resultou em pequeno aumento da acurácia e do F1-score, acompanhado de redução da AUC. Na área ampliada, a rede pluviométrica apresentou acurácia de 0,763, AUC de 0,823 e F1-score de 0,763, enquanto a rede integrada obteve, respectivamente, 0,743, 0,800 e 0,743. Embora tenha sido observada redução das métricas em relação à área-piloto, os modelos mantiveram capacidade de classificação da ocorrência e não ocorrência de deslizamentos no recorte espacial ampliado. Os resultados mostraram ainda que a incorporação das informações geomorfológicas não produziu ganho consistente de desempenho nos dois recortes analisados, indicando que seus efeitos variaram conforme a área, a composição da base de dados e a forma de representação dessas informações. Conclui-se que as Redes Neurais Artificiais constituem uma abordagem promissora para a modelagem da ocorrência de deslizamentos, apresentando potencial para subsidiar a análise e a gestão de riscos em áreas urbanas. Nesse contexto, os modelos desenvolvidos podem atuar como ferramentas complementares de apoio à tomada de decisão, associados a outras informações e procedimentos empregados na avaliação de áreas suscetíveis a movimentos de massa.

MEMBROS DA BANCA:
Externa à Instituição - ANA PATRICIA NUNES BANDEIRA - UFCA
Externa à Instituição - CRISTIANE RIBEIRO DE MELO
Externa à Instituição - KATIA VANESSA BICALHO - UFES
Externo à Instituição - PEDRO EUGENIO SILVA DE OLIVEIRA - UPE
Presidente - 1132311 - SILVIO ROMERO DE MELO FERREIRA