Machine learning applied to the prediction of rockfall slope probability

Abstract

O 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.