GeoRisc Baldoino Fonseca.

Apresentação em tema: "GeoRisc Baldoino Fonseca."— Transcrição da apresentação:

1 GeoRisc Baldoino Fonseca

2 Problema BR-101 – Rio-Santos Quitandinha, Petrópolis, Dezembro de 2001
Morin, Petrópolis, Dezembro de 2002 © LES/PUC-Rio

3 Camadas © LES/PUC-Rio 3

4 Visão geral Usuário Sistema Adicionar plano de uso e ocupação de solo
Adicionar plano de isolinhas Sistema Gerar plano de declividade a partir do plano de isolinhas Utiliza modelo para gerar o mapa de susceptibilidade Modelo gera mapa de susceptibilidade Utiliza escalas pré-definidas (próximo slide) Gera aleatoriamente peso para uso e ocupação Gera aleatoriamente peso para declividade Exemplo: 0,90 x 0, ,85 x 0,40 Avaliador “avalia” a solução (Mapa de Inventário) Ex: todos os locais em que ocorreram deslizamentos foram classificados como alta susceptibilidade? Resultados Mapa de susceptibilidade Modelo com pesos calibrados © LES/PUC-Rio

5 Arquitetura da solução
Planos de Informação ModeloAbstrato gerarSusceptibilidade() Pré-processamento declividade Modelo Especialista Isolinhas gerarSusceptibilidade() Uso e ocupação do solo susceptibilidade © LES/PUC-Rio

6 O loop de feedback AvaliadorAbstrato gerar mapa melhor ModeloAbstrato
avaliarSolucao() gerarSusceptibilidade() Susceptibilidade AvaliadorModeloEspecialista avaliarSolucao() Para cada ponto d += inventario - susceptibilidade Inventário © LES/PUC-Rio

7 Estratégia para gerações de novas soluções
Algoritmos Genéticos 1. Tipo de codificação da solução 75 – , 25 – 11001 Solução (concatenação) 2. Geração de uma população representando um conjunto de possíveis soluções … 3. Atribui valor de fitness (Distância) aos subconjuntos. f( ) = Distância 4. Seleção 5. Cruzamento |01 27 – 110|11 6. Mutação 74 – 26 – 11010 7. Se (Se distância é aceitável) Algoritmo para Senao Retorna ao passo 3. © LES/PUC-Rio

8 Algoritmo Genético - Resultados
Melhor resultado obtido Qual o modelo gerado? Gerado: (Vegetation*28+Slope*72) Ideal: (Vegetation*40+Slope*60) Observações: É preciso mais dados! Para realmente verificar o algoritmo. O processo é lento Deve ser executado off-line:: fase de treinamento © LES/PUC-Rio

9 Raciocínio Baseado em Casos
© LES/PUC-Rio 9

10 Raciocínio Baseado em Casos
Técnica que busca resolver novos problemas adaptando soluções utilizadas para resolver problemas anteriores Nova região Verificação do modelo mais adequado Modelo Rio de Janeiro Modelo Minas Gerais Modelo … Modelo …. Base de modelos Modelo mais adequado © LES/PUC-Rio

11 Interação com o usuário
Uso e ocupação do solo Windows Explorer Declividade gerência Agentes Fórmula c/: pesos classes de valores gera Mapa de Susceptibilidade Calcula distância entre os mapas Mapa de Inventário Ajusta © LES/PUC-Rio

12 Pontos Flexíveis É possível trocar
O modelo de geração do mapa de susceptibilidade. Mas, é preciso mudanças na implementação, em caso de modelos complexos. A forma de avaliação do mapa de susceptibilidade em relaçao ao inventário A estratégia do loop de feedback Hoje utilizamos algoritmos genéticos e raciocínio baseado em casos, mas isso pode ser alterado A quantidade de planos de informação, dependendo do modelo utilizado. © LES/PUC-Rio

13 Plano de Informações Como adicionar mais um plano de informações?
Depende do modelo e informação: © LES/PUC-Rio

14 Desafios encontrados Dificuldade na definição dos requisitos da plataforma Muitas vezes foram tomados rumos opostos durante o desenvolvimento Funcionalidades feitas e desfeitas Exemplo: interface web Dados (sempre eles) e o que fazer com eles O inventário é uma informação recente Tivemos dificuldade para obter dados © LES/PUC-Rio

15 Próximos passos Implementar outros modelos, necessário mais pessoas.
Realizar um experimento Com 2 planos de informação Mostrar modelo gerado Acurácia do modelo Tempo de convergência do algoritmo Com 03 planos de informação Ilustrar a flexibilidade da solução Ver impactos na acurácia Ver impactos no tempo de convergência Precisaremos de ajuda para Definir a função de acurácia Trabalhar com o mapa de inventário © LES/PUC-Rio

16 FIM