Aprendizado de máquina aplicado em previsão de curto prazo de valores de indicadores de nível de água.

dc.contributor.advisorPessin, Gustavopt_BR
dc.contributor.advisorTorres, Vidal Félix Navarropt_BR
dc.contributor.advisorSabino, Jodelson Aguilarpt_BR
dc.contributor.authorKümmel, Luiz Frederico de Freitas
dc.contributor.refereePessin, Gustavopt_BR
dc.contributor.refereeSabino, Jodelson Aguilarpt_BR
dc.contributor.refereeGirao Sotomayor, Juan Manuelpt_BR
dc.contributor.refereeHidaka, Renatopt_BR
dc.date.accessioned2021-12-10T17:44:56Z
dc.date.available2021-12-10T17:44:56Z
dc.date.issued2021pt_BR
dc.descriptionPrograma de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.pt_BR
dc.description.abstractA estabilidade e solidez de barragens de rejeito para resíduos de atividades industriais de mineração é de importância primordial para a segurança da sociedade e meio ambiente localizado a sua jusante. Para assegurar as essenciais exigências de segurança e exposição ao risco das barragens ao longo da sua vida útil, devem ser implementadas ações mitigatórias de prevenção e controle dessas condições, nesse intuito esse trabalho visa aplicar métodos de Machine Learning, para prever o comportamento dos indicadores de nível de água associados a carta de risco. Os algoritmos de machine learning mostraram elevadas taxas de acerto para predição, sendo que a combinação de métodos de classificação e regressão permitiu aumentar ainda mais a qualidade de resposta do sistema proposto.pt_BR
dc.description.abstractenThe stability and solidity of tailings dams for residues from industrial mining activities is of paramount importance for the safety of society and the environment located downstream. To ensure the essential safety and risk exposure requirements of dams throughout their useful life, mitigation actions must be implemented to prevent and control these conditions. To this end, this work aims to apply Machine Learning methods to predict the behavior of water level associated with the risk chart. Machine learning algorithms showed high success rates for prediction, and the combination of classification and regression methods allowed to further increase the response quality of the proposed system.pt_BR
dc.identifier.citationKÜMMEL, Luiz Frederico de Freitas. Aprendizado de máquina aplicado em previsão de curto prazo de valores de indicadores de nível de água. 2021. 72 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2021.pt_BR
dc.identifier.urihttp://www.repositorio.ufop.br/jspui/handle/123456789/14169
dc.language.isopt_BRpt_BR
dc.rightsabertopt_BR
dc.rights.licenseAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 02/12/2021 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.pt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectBarragens de rejeitospt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectIndicadores de nívelpt_BR
dc.titleAprendizado de máquina aplicado em previsão de curto prazo de valores de indicadores de nível de água.pt_BR
dc.title.alternativeMachine learning applied in short of water level indicator value.pt_BR
dc.typeDissertacaopt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura Disponível
Nome:
DISSERTAÇÃO_ApredizadoMáquinaAplicado.pdf
Tamanho:
1.46 MB
Formato:
Adobe Portable Document Format
Descrição:

Licença do pacote

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura Disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição: