Uma abordagem tolerante a falhas para a previsão de desastres naturais baseada em IoT e aprendizado de máquina (2017)
- Authors:
- Autor USP: FURQUIM, GUSTAVO ANTONIO - ICMC
- Unidade: ICMC
- Sigla do Departamento: SSC
- Subjects: COMPUTAÇÃO MÓVEL; DESASTRES AMBIENTAIS; APRENDIZADO COMPUTACIONAL; FALHAS COMPUTACIONAIS; INTERNET DAS COISAS
- Keywords: Fault-tolerance; Internet of Things; Machine Learning; Natural Disaster Forecast; Redes de Sensores sem Fio; Tolerância a Falhas; Wireless Sensor Network
- Language: Português
- Abstract: O aumento na quantidade e na intensidade de desastres naturais é um problema que está se agravando em todo o mundo. As consequências desses desastres são significantemente ampliadas quando ocorrem em regiões urbanas ou com atuação humana devido à perda de vidas e à quantidade de bens materiais afetados. O uso de redes de sensores sem fio para a coleta de dados e o uso de técnicas de aprendizado de máquina para a previsão de desastres naturais são opções viáveis, porém novas tendências tecnológicas têm se mostrado promissoras e podem agregar na tarefa de monitoramento de ambientes e na previsão de desastres naturais. Uma dessas tendências é adotar redes de sensores baseadas em IP e utilizar padrões emergentes para IoT. Nesse contexto, esta Tese propõe e analisa uma abordagem chamada SENDI (System for dEtecting and forecasting Natural Disasters based on IoT), um sistema tolerante a falhas baseado em IoT, WSN e AM para a detecção e a previsão de desastres naturais. O SENDI foi modelado empregando o ns-3 e validado utilizando dados coletados por uma WSN real instalada na cidade de São Carlos - Brasil, a qual realiza a coleta de dados de rios da região. Esse sistema também prevê a possibilidade de falhas na comunicação e a perda de nós durante a ocorrência de desastres, além de agregar inteligência aos nós para realizar a distribuição de dados e de previsões, mesmo nesses casos. Esta Tese também apresenta um estudo de caso sobre previsão de enchentes que utiliza a modelagem dosistema e os dados colhidos pela WSN. Os resultados dos experimentos mostram que o SENDI permite gerar alertas para a tomada de decisões em tempo hábil, realizando as previsões mesmo com falhas parciais no sistema, porém com acurácia variável dependendo do nível de degradação do mesmo.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2017
- Data da defesa: 11.08.2017
-
ABNT
FURQUIM, Gustavo Antonio. Uma abordagem tolerante a falhas para a previsão de desastres naturais baseada em IoT e aprendizado de máquina. 2017. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2017. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06122017-083224/. Acesso em: 25 set. 2024. -
APA
Furquim, G. A. (2017). Uma abordagem tolerante a falhas para a previsão de desastres naturais baseada em IoT e aprendizado de máquina (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06122017-083224/ -
NLM
Furquim GA. Uma abordagem tolerante a falhas para a previsão de desastres naturais baseada em IoT e aprendizado de máquina [Internet]. 2017 ;[citado 2024 set. 25 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06122017-083224/ -
Vancouver
Furquim GA. Uma abordagem tolerante a falhas para a previsão de desastres naturais baseada em IoT e aprendizado de máquina [Internet]. 2017 ;[citado 2024 set. 25 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06122017-083224/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas