Banca de QUALIFICAÇÃO: ESTÉFANE DA SILVA LOPES

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : ESTÉFANE DA SILVA LOPES
DATA : 20/07/2026
HORA: 09:00
LOCAL: Presencial e videoconferencia
TÍTULO:

PREDIÇÃO E MAPEAMENTO DE RUÍDO EM ÁREAS URBANAS: AVALIAÇÃO DE MODELOS ESTATÍSTICOS E APRENDIZADO DE MÁQUINA EM AMBIENTE QGIS

PALAVRAS-CHAVES:

Modelos Estatísticos e Aprendizado de Máquina; Morfologia Urbana; Sistema de Informação Geográfica.

PÁGINAS: 161
RESUMO:

O ruído ambiental tem sido uma das fontes de poluições que mais afeta a qualidade de vida nos meios urbanos, tendo inclusive efeitos adversos na saúde da população. Na tentativa de mitigar os efeitos e planejar as ações uma das ferramentas importantes é o mapeamento urbano. O ruído ambiental consolida-se como o problema desta pesquisa, caracterizado como um som perturbador ou indesejado. Esse fenômeno constitui um poluente relevante e com implicações para a saúde pública. A exposição a níveis elevados de ruído está associada a diversos efeitos adversos, incluindo perda auditiva, distúrbios do sono, estresse psicofisiológico e impactos negativos sobre ecossistemas. Em ambientes urbanos, o ruído de tráfego rodoviário é reconhecido como a principal fonte de poluição sonora. Este estudo teve como objetivo geral construir e comparar modelos estatísticos e aprendizado de máquina em ambiente Qgis para predição de ruídos urbanos. Em procedimentos metodológicos, a coleta de dados primários ocorreu em 28 pontos localizados no bairro Setor Bueno, em Goiânia (GO). As medições do nível de pressão sonora equivalente (LAeq) foram realizadas durante os horários de pico (07h às 09h) e (17h às 19h), às terças e quartas-feiras. Para a modelagem, selecionaram-se 14 variáveis independentes. A análise estatística ocorreu em duas etapas: inicialmente, aplicaram-se modelos de regressão linear e logarítmica para determinar a melhor equação preditiva; em seguida, utilizaram-se algoritmos de aprendizado de máquina (Random Forest e Decision Trees) para classificar a importância das variáveis preditoras. O desempenho dos modelos foi avaliado pelos indicadores , MAE, MSE, RMSE e MAPE. A validação do modelo selecionado deu-se em duas fases: uma externa, em Palmas (TO), com 8 pontos sob as mesmas condições temporais; e outra espacial, com 41 pontos distribuídos pela área de estudo original. Por fim, desenvolveu-se o plugin Q-noise mapper no software Qgis para a geração de mapas de ruído, tabelas de medição e relatórios. Os resultados indicaram que o modelo de regressão logarítmica superou o de regressão linear, apresentando coeficientes de correlação de 0,90 e 0,92, e valores de MAE de 1,61 e 1,45 dB, respectivamente. Entre os algoritmos de aprendizado de máquina e o modelo Random Forest demonstrou desempenho superior ao de Decision Trees. Conclui-se que a regressão logarítmica se mostrou a abordagem robusta para a predição de LAeq no contexto em estudo e as variáveis: volume de tráfego, número de faixas, distância à area comercial, velocidade do vento e distância ao semáforo se destacaram como sendo as variáveis que mais influenciam no aumento de ruido das cidades. Dessa forma, o modelo proposto apresenta-se como uma ferramenta eficaz para o mapeamento do ruído urbano, fornecendo subsídios para o planejamento de ações mitigadoras dos problemas ambientais e de saúde pública decorrentes da exposição ao ruído.

MEMBROS DA BANCA:
Presidente - 347627 - VIRGINIA MARIA DANTAS DE ARAUJO
Interna - 3549781 - BIANCA CARLA DANTAS DE ARAUJO
Interna - 1194201 - MARINA MEDEIROS CORTES
Externa à Instituição - DÉBORA NOGUEIRA PINTO FLORÊNCIO - UNI-RN
Externa à Instituição - TAMÁRIS DA COSTA BRASILEIRO MENESES - UFPE