- Introdução
- Análise Geral
- Entendimento do problema
- Pre processamento
- Visualização da quantidade de dados em relação a classe
- Criação dos modelos de machine learning
- Avaliação dos modelos de machine learning
- Deploy
- Conclusão
- Referências Bibliográficas
O Plano de Ação de Emergência para Barragens de Mineração (PAEBM) é um documento obrigatório por lei para toda atividade que possui barragem, mesmo que não esteja mais em operação. É um documento técnico e de fácil entendimento elaborado pelo empreendedor, no qual estão identificados os potenciais cenários de emergências da barragem, estabelecidas as ações a serem executadas nesses casos e definidos os agentes a serem notificados, com o objetivo de minimizar danos e perdas de vidas (Portaria ANM 70.389/2017). O PAEBM é um plano preparatório para emergências e visa ações claras e organizadas para proteger e auxiliar a população próxima à barragem. A partir de simulações feitas com programas de computador específicos, o plano apresenta também quais as áreas seriam atingidas caso ocorresse um rompimento de barragens e quais órgãos públicos deveriam atuar. O PAEBM indica ainda as rotas de fuga e os pontos de encontro situados em locais seguros.
- Altura
- Comprimento
- Material de construção
- Tipo de fundação
- Idade
- Vazão do projeto
Onde cada item tem um valor para cada tipo de situação e então é atribuído uma pontuação com seu respectivo peso. Então a característica técnica de uma barragem é o somatório da pontuação de todos os itens. Esses itens estão disponíveis na base de dados oferecidas pelo governo, cujo link está aqui, ou também disponível no repositório do projeto.
- Confiabilidade das estruturas extravasoras
- Confiabilidade das estruturas de adução
- Percolação
- Deformações e recalques
- Deterioração dos taludes / parâmetros
- Eclusa
Cada item refere-se a um aspecto do funcionamento da barragem, e o somatório total dos itens representam o estado de conservação. Os itens em negrito indicam que estão em falta na base de dados original, entretanto isso não impossibilita de continuar com o estudo geral da barragem, já que serve para dar um norte na questão da categoria de risco (CRI).
- Existência de documentação do projeto
- Estrutura organizacional e qualificação técnica dos profissionais da equipe de segurança de barragem
- Procedimentos de roteiros de inspeções de segurança e de monitoramento
- Regra operacional dos dispositivos de descarga da barragem
- Relatórios de inspeção de segurança com análise e interpretação
- Volume total do reservatório
- Potencial para a perda de vidas humanas
- Impacto ambiental
- Impacto socioeconômico
Apesar de ter apenas uma categoria e menos itens do que o CRI, o DPA tem uma relevância um pouco mais elevada. Após o entendimento de cada categoria, vamos entrar mais a fundo sobre esses dados.
- Naive Bays
- Decision Tree
- KNN (K Nearest Neighbors)
- SVM (Support Vector Machine)
- Random Forest
Classe\Modelo | Naive Bayes | Decision Tree | KNN | SVM | Random Forest |
---|---|---|---|---|---|
Não se aplica | 0,80 | 0,87 | 0,84 | 0,84 | 0,87 |
Baixa | 0,84 | 0,78 | 0,76 | 0,87 | 0,74 |
Média | 0,35 | 0,52 | 0,47 | 0,63 | 0,75 |
Alta | 0,62 | 0,54 | 0,68 | 0,88 | 0,77 |
Classe\Modelo | Naive Bayes | Decision Tree | KNN | SVM | Random Forest |
---|---|---|---|---|---|
Não se aplica | 0 | 0,76 | 0,73 | 0,74 | 0,76 |
Baixa | 0,14 | 0 | 0 | 0 | 0 |
Média | 0,65 | 0,76 | 0,45 | 0,67 | 0,76 |
Alta | 1 | 0,99 | 0,97 | 0,97 | 0,99 |
Classe\Modelo | Naive Bayes | Decision Tree | KNN | SVM | Random Forest |
---|---|---|---|---|---|
Não se aplica | 1 | 0,96 | 1 | 0,99 | 0,95 |
Baixa | 0,49 | 0,80 | 0,81 | 0,85 | 0,86 |
Média | 0,59 | 0,52 | 0,26 | 0,44 | 0,56 |
Alta | 0,42 | 0,34 | 0,39 | 0,39 | 0,45 |
Classe\Modelo | Naive Bayes | Decision Tree | KNN | SVM | Random Forest |
---|---|---|---|---|---|
Não se aplica | 0 | 0,99 | 0,81 | 0,99 | 0,99 |
Baixa | 1 | 0 | 0 | 0 | 0 |
Média | 0,29 | 0,66 | 0,66 | 0,53 | 0,66 |
Alta | 0,74 | 0,91 | 0,91 | 0,89 | 0,91 |
Classe\Modelo | Naive Bayes | Decision Tree | KNN | SVM | Random Forest |
---|---|---|---|---|---|
Não se aplica | 0,89 | 0,92 | 0,91 | 0,91 | 0,91 |
Baixa | 0,62 | 0,79 | 0,78 | 0,81 | 0,80 |
Média | 0,44 | 0,52 | 0,33 | 0,52 | 0,64 |
Alta | 0,50 | 0,42 | 0,50 | 0,55 | 0,57 |
Classe\Modelo | Naive Bayes | Decision Tree | KNN | SVM | Random Forest |
---|---|---|---|---|---|
Não se aplica | 0 | 0,86 | 0,77 | 0,85 | 0,86 |
Baixa | 0,24 | 0 | 0 | 0 | 0 |
Média | 0,40 | 0,70 | 0,53 | 0,59 | 0,70 |
Alta | 0,85 | 0,95 | 0,94 | 0,93 | 0,95 |