Lucas Augusto Vieira Brito

Formação complementar

Idiomas

Áreas de atuação

Participação em eventos

Participação em bancas

Produções bibliográficas

• BRITO, LUCAS A. V. ; MENEGUETTE, RODOLFO I. ; DE GRANDE, ROBSON E. ; RANIERI, CAETANO M. ; UEYAMA, JÓ . FLORAS: urban flash-flood prediction using a multivariate model. APPLIED INTELLIGENCE (DORDRECHT. ONLINE) , v. 52, p. 10.1007, 2022.

• BRITO, L. A. V. ; BRESSIANI, D. ; UEYAMA, J. . Explorando aprendizado de máquina com multivariáveis para previsão de enchentes em ambientes IoTs : um estudo empírico no sistema de monitoramento de rios E-noé. In: II WORKSHOP DE COMPUTAÇÃO URBANA, 2018, Campos do Jordão. Anais do II Workshop de Computação Urbana, 2018. v. 2.

• BRITO, L. A. V. ; MINHONI, D. C. R. . Braço Mecânico Automatizado Controlado por um Arduíno e guiado por um Sensor de Cor RGB. In: 15 Congresso Nacional de Iniciação Científica, 2015, Ribeirão Preto. Anais do 15 Congresso Nacional de Iniciação Científica, 2015.

• BRITO, L. A. V. ; BRESSIANI, D. ; UEYAMA, J. . Explorando aprendizado de máquina com multivariáveis para previsão de enchentes em ambientes IoTs : um estudo empírico no sistema de monitoramento de rios E-noé. 2018. (Apresentação de Trabalho/Simpósio).

• BRITO, L. A. V. . Braço Mecânico Automatizado Controlado por um Arduíno e guiado por um Sensor de Cor RGB. 2015. (Apresentação de Trabalho/Congresso).

• BRITO, L. A. V. ; DELBEM, A. C. B. . Otimização de modelos de dinâmica de múltiplas epidemias com fontes de dados heterogêneas por meio de técnicas de I.A 2019 (Científica).

• BRITO, L. A. V. ; UEYAMA, J. . Combinando inteligência e adaptabilidade em ambientes IoTs: um estudo empírico no sistema de monitoramento de rios e-NOE 2017 (Científica).

Projetos de pesquisa

• 2019 - Atual

  Otimização de modelos de dinâmica de múltiplas epidemias com fontes de dados heterogêneas por meio de técnicas de IA, Descrição: As doenças transmitidas por mosquitos representam alguns dos maiores desafios à saúde pública, especialmente nas regiões tropicais e subtropicais do mundo. Os esforços para controlar essas doenças são grandes no mundo atual. Mosquitos transmitem diversas doenças como zika, dengue, chickungunya, mayaro, febre amarela, malária, vírus do oeste do Nilo, entre outras. O zika vírus está associado à má formação fetal, como microcefalia. Já a dengue é a doença transmitida por mosquitos com a propagação viral mais rápida. Segundo a Organização Mundial da Saúde, cerca de 750 mil pessoas são mortas todos os anos em decorrência de doenças transmitidas por mosquitos. Há uma enorme complexidade envolvida para combater esses vetores, visto que eles são capazes de se reproduzirem em diversas condições, como em pequenos recipientes, tampinhas de garrafa e sacolas plásticas, e em locais de difícil acesso, como calhas entupidas e lajes alagadas. Além disso, o tempo de reprodução também é curto, cerca de 7 dias, dependendo das condições ambientais, o que dificulta a fiscalização de novos criadouros. Nesse contexto, alguns trabalhos da literatura utilizam mineração de dados para o desenvolvimento de modelos que possam: (i) identificar possíveis criadouros, (ii) combinar com dados históricos para prever novos surtos, (iii) investigar fatores ambientais que possam influenciar na reprodução de mosquitos. No entanto, essas abordagens não são triviais, pois as resoluções, temporal e espacial, desses dados não são tão simples de serem correlacionados para encontrar criadouros ou lugares propícios para a proliferação da dengue. Em razão disso, esta Tese de Doutorado propõe desenvolver um modelo que correlacionará dados heterogêneos dispostos em resoluções temporais e espacias diferentes, utilizando mineração de dados e técnicas computacionais. O objetivo é encontrar possíveis criadouros e assim otimizar o trabalho dos agentes de controle endêmicos para evitar a proliferação dos vetores causadores de doença.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (1) . , Integrantes: Lucas Augusto Vieira Brito - Coordenador / Alexandre Cláudio Botazzo Delbem - Integrante.

• 2016 - 2019

  Modelo de classificação multivariável para identificação de enchentes: um estudo empírico no sistema de monitoramento de rios e-noe, Descrição: Nas últimas décadas, as enchentes vêm causando muitos problemas nas cidades, principalmente em grandes centros urbanos devido à alteração da paisagem natural e à impermeabilização do terreno. Geralmente esses eventos estão relacionados a eventos extremos de chuva, junto a um insuficiente sistema de drenagem para dar vazão ao escoamento gerado. Um ponto agravante - que colabora com o aumento da magnitude das enchentes - é o crescimento populacional desordenado. Assim, faltam políticas públicas, como um estudo prévio da região para alocação de pessoas de maneira eficiente. Na literatura, existem algumas soluções, como o uso da tecnologia de Redes de Sensores Sem Fio (RSSF), que podem ser implantadas no cenário urbano para monitoramento de enchentes. Nesse cenário, um dos principais desafios para elaboração desses sistemas é emitir alertas para que desastres maiores sejam evitados. Porém, a utilização de uma única fonte de dados, unida a possíveis falhas que as RSSFs podem sofrer, acaba comprometendo o monitoramento e o alerta de enchentes. Uma outra abordagem é a utilização de modelos hidrológicos criados a partir de um estudos prévios do solo e da estrutura da bacia, pois eles são capazes de reproduzir o comportamento do escoamento da bacia a partir de séries temporais como entrada. Existem muitos modelos hidrológicos com diversas estruturas de dados e detalhamento da bacia hidrográfica, dos mais complexos - capazes de reproduzir a física dos processos de infiltração e o escoamento de água - até os mais simplificados, que utilizam parâmetros de ajustes que não são necessariamente relacionados aos fenômenos físicos envolvidos nesses processos. Porém, muitos desses modelos precisam de uma grande quantidade de dados para o seu desenvolvimento, tornando-os muito complexos e custosos. Dessa forma, esta dissertação de mestrado apresenta um modelo de identificação de enchentes baseado na mineração de dados e aprendizado de máquina, com o intuito de diminuir a complexidade e o custo dos modelos hidrológicos e a dependabilidade de uma única variável de sistemas de RSSF, além da vantagem de ser facilmente generalizável sem perder a eficiência na identificação de enchente. As variáveis utilizadas para o desenvolvimento do modelo são os dados de estações meteorológicas e o nível de água do canal. Assim, é utilizada a metodologia do Cross Industry Standard Process for Data Mining (CRISP-DM) para a mineração dos dados, por ser uma técnica objetiva que contém as melhores práticas para a exploração dos dados. Os resultados revelam que o modelo desenvolvido obteve uma acurácia de aproximadamente 87:8%, com o algoritmo Random_Forest. Além disso, nos testes de adaptabilidade e comparação com o Storm Water Management Model (SWMM)-um modelo hidrológico amplamente conhecido na literatura-, em uma mesma região de estudo, o modelo desenvolvido obteve resultados relevantes no contexto de identificação de enchente. Isso mostra que o modelo desenvolvido possui grande potencial de aplicação, principalmente por sua simplicidade de implementação e replicação sem comprometer a qualidade de identificação da ocorrência de enchentes. Consequentemente, algumas das principais contribuições deste trabalho são: (i) o modelo multivariável de identificação de enchente diminui a complexidade, custos e tempo de desenvolvimento em relação aos modelos hidrológicos e; (ii) o avanço do estado da arte em comparação aos trabalhos computacionais, por não depender de variáveis fixas e utilizar multivariáveis para identificar o padrão de enchentes.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (1) . , Integrantes: Lucas Augusto Vieira Brito - Coordenador / Jó Ueyama - Integrante.

Prêmios