Identificacao de falhas por meio de inteligencia artificial em dados ecobatimetricos
dc.contributor.advisor | Gotz, Marcelo | pt_BR |
dc.contributor.author | Ramos, Samuel Gastal de Castro | pt_BR |
dc.date.accessioned | 2022-11-24T04:47:44Z | pt_BR |
dc.date.issued | 2022 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/10183/251757 | pt_BR |
dc.description.abstract | Hidrologia, o estudo da água e dos recursos hídricos é cada vez mais importante para a humanidade. A batimetria é a parte deste estudo que faz a medição da topografia dos leitos dos corpos d’água. Avanços tecnológicos na área de batimetria trouxeram uma agilidade nunca antes vista no levantamento de medidas de grandes extensões, mas a revisão e tratamento destas medições podem ser bastante demorados e conter falhas. Por outro lado, os avanços na capacidade computacional possibilita a utilização de inteligência artificiais bastante rápidas para a classificação de falhas. O presente trabalho propôs a adaptação de uma rede neural artificial a fim de automatizar o processo de classificação de falhas em seções batimétricas, utilizando dados do levantamento batimétrico realizado na represa de Serra do Facão para treinamento e validação desta inteligência artificial. Como resultado se obteve um modelo de rede neural capaz de classificar de maneira correta entre "Normal"e "Falha"96% das seções batimétricas que lhe foram apresentadas. | pt_BR |
dc.description.abstract | Hidrology, the study of water and its resources is more and more important for humanity. Bathymetry is the part of this study that measures the topography of the beds of water bodies. Technological advances in the area of bathymetry have improved the survey of measurements of large extensions as never seen before, but the revision and treatment of this data can be quite time-consuming and can contain faults. On the other hand, advances in computational capacity allow the use of very fast artificial intelligence for fault classification. The present work proposed the adaptation of an artificial neural network in order to automate the fault classification process in bathymetric sections, using data from the bathymetric survey carried out at the Serra do Facão dam for training and validation of this artificial intelligence. As a result, a neural network model was obtained capable of correctly classifying between "Normal" and "Fault" 96% of the bathymetric sections presented to it. | en |
dc.format.mimetype | application/pdf | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | Open Access | en |
dc.subject | Engenharia de controle e automação | pt_BR |
dc.subject | Neural networks | en |
dc.subject | Fault detection | en |
dc.subject | Processamento de dados | pt_BR |
dc.subject | Detecção de falhas | pt_BR |
dc.subject | Machine learnig | en |
dc.subject | Aprendizado de máquina | pt_BR |
dc.subject | Bathymetry | en |
dc.subject | Echo souder | en |
dc.title | Identificacao de falhas por meio de inteligencia artificial em dados ecobatimetricos | pt_BR |
dc.type | Trabalho de conclusão de graduação | pt_BR |
dc.identifier.nrb | 001153679 | pt_BR |
dc.degree.grantor | Universidade Federal do Rio Grande do Sul | pt_BR |
dc.degree.department | Escola de Engenharia | pt_BR |
dc.degree.local | Porto Alegre, BR-RS | pt_BR |
dc.degree.date | 2022 | pt_BR |
dc.degree.graduation | Engenharia de Controle e Automação | pt_BR |
dc.degree.level | graduação | pt_BR |
Este item está licenciado na Creative Commons License
-
TCC Engenharias (5680)