Modelagem estatística híbrida multidimensional utilizando geoestatística e aprendizagem de máquina

Abstract

A Modelagem Estatística Multidimensional é uma abordagem que busca representar, graficamente, dados de um determinado domínio de aplicação e fornece mecanismos interativos para a interpretação e compreensão das informações apresentadas. Nesta tese, a aplicação dessa abordagem, foi explorada em diferentes contextos, demonstrando sua eficácia na representação de informações multidimensionais. O objetivo foi a elaboração de modelos multidimensionais dos atributos físicos ou químicos do solo, bem como a predição das propriedades dos maciços rochosos, com base em técnicas de Estatística, Geoestatística e Inteligência Geográfica. Os dados utilizados foram provenientes de furos de sondagem em uma mina em Minas Gerais, Brasil, e de amostras de solo e inventário de castanhais nativos no estado do Amazonas, Brasil. Para alcançar esse objetivo, foram empregados mecanismos de aprendizado de máquina e técnicas de visualização, reconhecendo que, nenhuma técnica isolada, oferece o melhor desempenho para todas as tarefas de representação de dados multidimensionais. Portanto, uma estratégia interessante adotada foi analisar várias representações simultaneamente, mantendo uma conexão semântica entre elas, permitindo que, as ações realizadas em uma técnica, sejam refletidas, automaticamente, nas demais. Os resultados obtidos demonstraram a aplicabilidade e confiabilidade dos modelos desenvolvidos, tanto na visualização e interatividade do usuário com os resultados, quanto na qualidade das informações em si. Além disso, ressalta-se que a abordagem proposta neste trabalho pode ser aplicada em outras áreas e contextos geológico-geomecânicos, contribuindo para uma melhor compreensão e tomada de decisão, em diversos campos da engenharia e ciências ambientais. Em suma, esta tese oferece uma contribuição significativa para a Modelagem Estatística Multidimensional, mostrando sua utilidade na representação de dados complexos, como atributos do solo e propriedades geomecânicas dos maciços rochosos. Os resultados obtidos proporcionam insights valiosos para a comunidade científica e para os profissionais envolvidos no estudo e análise desses domínios, promovendo avanços no entendimento e gerenciamento de questões ambientais e geotécnicas.

Palavras-chave: Inteligência Geográfica. Krigagem. Ciência de Dados.

Multidimensional Statistical Modeling is an approach that seeks to graphically represent data from a given application domain and provide interactive mechanisms for interpreting and understanding the information presented.

In this thesis, the application of this approach was explored in different contexts, demonstrating its effectiveness in representing multidimensional information. The main objective was to develop multidimensional models of the physical or chemical attributes of the soil, as well as the prediction of the properties of rock masses, based on Statistics, Geostatistics and Geographic Intelligence techniques.

The data used came from drilling holes in a mine in Minas Gerais, Brazil, and from soil samples and an inventory of native chestnut trees in the state of Amazonas, Brazil. To achieve this objective, machine learning mechanisms and visualization techniques were employed, recognizing that no single technique offers the best performance for all multidimensional data representation tasks.

Therefore, an interesting strategy adopted was to analyze several representations simultaneously, maintaining a semantic connection between them, allowing the actions performed in one technique to be automatically reflected in the others.

The results obtained demonstrated the applicability and reliability of the models developed, both in terms of visualization and user interactivity with the results, and in the quality of the information itself. Furthermore, it is noteworthy that the approach proposed in this work can be applied in other areas and geological-geomechanical contexts, contributing to better understanding and decision-making in various fields of engineering and environmental sciences.

In short, this thesis offers a significant contribution to Multidimensional Statistical Modeling, showing its usefulness in representing complex data, such as soil attributes and geomechanical properties of rock masses.

The results obtained provide valuable insights for the scientific community and professionals involved in the study and analysis of these domains, promoting advances in the understanding and management of environmental and geotechnical issues.

Keywords: Geographic Intelligence. Kriging. Data Science.