Machine learning applied to the prediction of rockfall slope probability.

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.creatorSilveira, Larissa Regina Costa-
Autor(es): dc.creatorLana, Milene Sabino-
Autor(es): dc.creatorSantos, Tatiana Barreto dos-
Data de aceite: dc.date.accessioned2025-08-21T15:36:11Z-
Data de disponibilização: dc.date.available2025-08-21T15:36:11Z-
Data de envio: dc.date.issued2023-07-28-
Data de envio: dc.date.issued2023-07-28-
Data de envio: dc.date.issued2021-
Fonte completa do material: dc.identifierhttp://www.repositorio.ufop.br/jspui/handle/123456789/17101-
Fonte completa do material: dc.identifierhttps://doi.org/10.33448/rsd-v11i10.32603-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1019479-
Descrição: dc.descriptionThe objective of this work is to propose a predictive model of rockfall slope probability in rock slopes using the KNearest Neighbors (KNN) method. A dataset composed by 220 rock slopes was used, whose variables are related to the presence of water, characteristics of the rock mass, degree of overhang, among others. For each slope of the dataset, rockfall probability (high, medium, or low) is known and determined by cluster analysis. The number of the nearest neighbors (k) ranged from 1 to 20. The obtained average accuracy of the tested predictive models was equal to 78.4%. The models produced satisfactory results in the prediction of the rockfall probability, since the area under the ROC curve was equal to 0.80. The best model was selected based on the k value with the highest accuracy and the highest area under the ROC curve. The selected model had a k value equal to 7.-
Descrição: dc.descriptionO objetivo desse trabalho é propor um modelo de predição da probabilidade de queda de blocos em taludes rochosos utilizando o método K-Nearest Neighbors (KNN). Foi utilizado um banco de dados composto por 220 taludes rochosos, cujas variáveis estão relacionadas à presença de água, características do maciço rochoso, descalçamento de blocos, entre outras. Para cada talude do banco de dados, a probabilidade de queda de blocos (alta, média ou baixa) é conhecida e foi determinada através de análise de agrupamento. O número de vizinhos mais próximos (k) variou entre 1 e 20. A acurácia média obtida dos modelos de predição testados foi igual a 78,4%. Os modelos produziram resultados satisfatórios na previsão da probabilidade de queda de blocos, uma vez que a área sob a curva ROC foi igual a 0,80. O melhor modelo foi selecionado com base no valor de k com maior acurácia e maior área sob a curva ROC. O modelo selecionado teve um valor de k igual a 7.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languageen-
Direitos: dc.rightsaberto-
Direitos: dc.rightsEste trabalho está sob uma Licença Creative Commons - AtribuiçãoNãoComercial 4.0 Internacional. Fonte: PDF do artigo.-
Palavras-chave: dc.subjectRockfall-
Palavras-chave: dc.subjectK-Nearest Neighbors-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectEstabilidad de taludes de roca-
Título: dc.titleMachine learning applied to the prediction of rockfall slope probability.-
Título: dc.titleAprendizado de máquina aplicado à predição da probabilidade de quedas de blocos em taludes.-
Título: dc.titleAprendizaje de máquinas aplicado a la predicción de la probabilidad de caída de rocas.-
Aparece nas coleções:Repositório Institucional - UFOP

Não existem arquivos associados a este item.