A técnica de mineração de regras de associação surgiu com o objetivo de encontrar conhecimento novo, útil e previamente desconhecido em bancos de dados transacionais, e uma grande quantidade de algoritmos de mineração de regras de associação tem sido proposta na última década. O maior e mais bem conhecido problema destes algoritmos é a geração de grandes quantidades de conjuntos freqüentes e regras de associação. Em bancos de dados geográficos o problema de mineração de regras de associação espacial aumenta significativamente. Além da grande quantidade de regras e padrões gerados a maioria são associações do domínio geográfico, e são bem conhecidas, normalmente explicitamente representadas no esquema do banco de dados. A maioria dos algoritmos de mineração de regras de associação não garantem a eliminação de dependências geográficas conhecidas a priori. O resultado é que as mesmas associações representadas nos esquemas do banco de dados são extraídas pelos algoritmos de mineração de regras de associação e apresentadas ao usuário. O problema de mineração de regras de associação espacial pode ser dividido em três etapas principais: extração dos relacionamentos espaciais, geração dos conjuntos freqüentes e geração das regras de associação. A primeira etapa é a mais custosa tanto em tempo de processamento quanto pelo esforço requerido do usuário. A segunda e terceira etapas têm sido consideradas o maior problema na mineração de regras de associação em bancos de dados transacionais e tem sido abordadas como dois problemas diferentes: “frequent pattern mining” e “association rule mining”. Dependências geográficas bem conhecidas aparecem nas três etapas do processo. Tendo como objetivo a eliminação dessas dependências na mineração de regras de associação espacial essa tese apresenta um framework com três novos métodos para mineração de regras de associação utilizando restrições semânticas como conhecimento a priori. O primeiro método reduz os dados de entrada do algoritmo, e dependências geográficas são eliminadas parcialmente sem que haja perda de informação. O segundo método elimina combinações de pares de objetos geográficos com dependências durante a geração dos conjuntos freqüentes. O terceiro método é uma nova abordagem para gerar conjuntos freqüentes não redundantes e sem dependências, gerando conjuntos freqüentes máximos. Esse método reduz consideravelmente o número final de conjuntos freqüentes, e como conseqüência, reduz o número de regras de associação espacial. / The association rule mining technique emerged with the objective to find novel, useful, and previously unknown associations from transactional databases, and a large amount of association rule mining algorithms have been proposed in the last decade. Their main drawback, which is a well known problem, is the generation of large amounts of frequent patterns and association rules. In geographic databases the problem of mining spatial association rules increases significantly. Besides the large amount of generated patterns and rules, many patterns are well known geographic domain associations, normally explicitly represented in geographic database schemas. The majority of existing algorithms do not warrant the elimination of all well known geographic dependences. The result is that the same associations represented in geographic database schemas are extracted by spatial association rule mining algorithms and presented to the user. The problem of mining spatial association rules from geographic databases requires at least three main steps: compute spatial relationships, generate frequent patterns, and extract association rules. The first step is the most effort demanding and time consuming task in the rule mining process, but has received little attention in the literature. The second and third steps have been considered the main problem in transactional association rule mining and have been addressed as two different problems: frequent pattern mining and association rule mining. Well known geographic dependences which generate well known patterns may appear in the three main steps of the spatial association rule mining process. Aiming to eliminate well known dependences and generate more interesting patterns, this thesis presents a framework with three main methods for mining frequent geographic patterns using knowledge constraints. Semantic knowledge is used to avoid the generation of patterns that are previously known as non-interesting. The first method reduces the input problem, and all well known dependences that can be eliminated without loosing information are removed in data preprocessing. The second method eliminates combinations of pairs of geographic objects with dependences, during the frequent set generation. A third method presents a new approach to generate non-redundant frequent sets, the maximal generalized frequent sets without dependences. This method reduces the number of frequent patterns very significantly, and by consequence, the number of association rules.

A técnica de mineração de regras de associação surgiu com o objetivo de encontrar conhecimento novo, útil e previamente desconhecido em bancos de dados transacionais, e uma grande quantidade de algoritmos de mineração de regras de associação tem sido proposta na última década. O maior e mais bem conhecido problema destes algoritmos é a geração de grandes quantidades de conjuntos freqüentes e regras de associação. Em bancos de dados geográficos o problema de mineração de regras de associação espacial aumenta significativamente. Além da grande quantidade de regras e padrões gerados a maioria são associações do domínio geográfico, e são bem conhecidas, normalmente explicitamente representadas no esquema do banco de dados. A maioria dos algoritmos de mineração de regras de associação não garantem a eliminação de dependências geográficas conhecidas a priori. O resultado é que as mesmas associações representadas nos esquemas do banco de dados são extraídas pelos algoritmos de mineração de regras de associação e apresentadas ao usuário. O problema de mineração de regras de associação espacial pode ser dividido em três etapas principais: extração dos relacionamentos espaciais, geração dos conjuntos freqüentes e geração das regras de associação. A primeira etapa é a mais custosa tanto em tempo de processamento quanto pelo esforço requerido do usuário. A segunda e terceira etapas têm sido consideradas o maior problema na mineração de regras de associação em bancos de dados transacionais e tem sido abordadas como dois problemas diferentes: “frequent pattern mining” e “association rule mining”. Dependências geográficas bem conhecidas aparecem nas três etapas do processo. Tendo como objetivo a eliminação dessas dependências na mineração de regras de associação espacial essa tese apresenta um framework com três novos métodos para mineração de regras de associação utilizando restrições semânticas como conhecimento a priori. O primeiro método reduz os dados de entrada do algoritmo, e dependências geográficas são eliminadas parcialmente sem que haja perda de informação. O segundo método elimina combinações de pares de objetos geográficos com dependências durante a geração dos conjuntos freqüentes. O terceiro método é uma nova abordagem para gerar conjuntos freqüentes não redundantes e sem dependências, gerando conjuntos freqüentes máximos. Esse método reduz consideravelmente o número final de conjuntos freqüentes, e como conseqüência, reduz o número de regras de associação espacial. / The association rule mining technique emerged with the objective to find novel, useful, and previously unknown associations from transactional databases, and a large amount of association rule mining algorithms have been proposed in the last decade. Their main drawback, which is a well known problem, is the generation of large amounts of frequent patterns and association rules. In geographic databases the problem of mining spatial association rules increases significantly. Besides the large amount of generated patterns and rules, many patterns are well known geographic domain associations, normally explicitly represented in geographic database schemas. The majority of existing algorithms do not warrant the elimination of all well known geographic dependences. The result is that the same associations represented in geographic database schemas are extracted by spatial association rule mining algorithms and presented to the user. The problem of mining spatial association rules from geographic databases requires at least three main steps: compute spatial relationships, generate frequent patterns, and extract association rules. The first step is the most effort demanding and time consuming task in the rule mining process, but has received little attention in the literature. The second and third steps have been considered the main problem in transactional association rule mining and have been addressed as two different problems: frequent pattern mining and association rule mining. Well known geographic dependences which generate well known patterns may appear in the three main steps of the spatial association rule mining process. Aiming to eliminate well known dependences and generate more interesting patterns, this thesis presents a framework with three main methods for mining frequent geographic patterns using knowledge constraints. Semantic knowledge is used to avoid the generation of patterns that are previously known as non-interesting. The first method reduces the input problem, and all well known dependences that can be eliminated without loosing information are removed in data preprocessing. The second method eliminates combinations of pairs of geographic objects with dependences, during the frequent set generation. A third method presents a new approach to generate non-redundant frequent sets, the maximal generalized frequent sets without dependences. This method reduces the number of frequent patterns very significantly, and by consequence, the number of association rules.

[pt] Os segmentos de geração, transmissão e distribuição constituem a cadeia produtiva do setor elétrico, sendo o consumidor ou carga o último elo que deve ser atendido pelas distribuidoras. A percepção de qualidade, e consequentemente a satisfação do cliente, está intrinsecamente relacionada, entre outros fatores, à continuidade do fornecimento assegurada pelas concessionárias. No Brasil, a Agência Nacional de Energia Elétrica (ANEEL) é responsável por regular o setor de distribuição e estabelecer indicadores de referência com o objetivo de avaliar a eficiência das concessionárias em termos de confiabilidade e qualidade do serviço prestado. Diversos fatores podem impactar a continuidade da distribuição de energia, sendo alguns mais conhecidos e gerenciáveis pelas empresas, como quedas de objetos na rede ou sobrecarga de equipamentos. No entanto, outros fatores, como restrições de acesso a determinadas áreas devido à violência e ao controle territorial por grupos criminosos, apresentam desafios complexos e de gerenciabilidade inexistente por parte das distribuidoras. Essas limitações dificultam a pronta recomposição do serviço em situações emergenciais, resultando em tempos de falha mais longos e afetando negativamente os indicadores de continuidade monitorados pela ANEEL, bem como a satisfação do consumidor. Neste contexto, a presente dissertação propõe uma metodologia focada em identificar os ativos da distribuidora localizados em áreas com evidências de violência, o que implica em acesso limitado pelas equipes de campo. É utilizada a base de dados geográfica da distribuidora (BDGD) para identificar as unidades transformadoras em áreas com evidências de violência, também delineadas por plataformas de dados públicos. Técnicas de clusterização e testes estatísticos são então utilizados para aferir se os índices de continuidade nessas áreas são significativamente diferentes e superiores aos de locais em que não se observa registros de violência. Sistemas de distribuição dos estados do Rio de Janeiro e Pernambuco são utilizados para testar a eficácia da metodologia proposta. Diversos testes são realizados e os resultados obtidos são plenamente discutidos. / [en] The segments of generation, transmission and distribution constitute the production chain of the electricity sector, with the consumer or load being the last link that must be served by the distributors. The perception of quality, and consequently customer satisfaction, is intrinsically related, among other factors, to the continuity of supply ensured by the concessionaires. In Brazil, the National Electric Energy Agency (ANEEL) is responsible for regulating the distribution sector and establishing benchmarks in order to assess the efficiency of concessionaires in terms of reliability and quality of service provided. Several factors can impact the continuity of energy distribution, some of which are better known and manageable by companies, such as falling objects on the network or overloading equipment. However, other factors, such as access restrictions to certain areas due to violence and territorial control by criminal groups, present complex challenges and non-existent manageability on the part of the distributors. These limitations make it difficult to promptly restore the service in emergency situations, resulting in longer failure durations and negatively affecting the continuity indicators monitored by ANEEL, as well as consumer satisfaction. In this context, this dissertation proposes a methodology focused on identifying the distributor s assets located in areas with evidence of violence, which implies limited access by field service teams. The distribution company s geographic database (BDGD) is used to identify transforming units in areas with evidence of violence, also delineated by public data platforms. Clustering techniques and statistical tests are then used to assess whether the continuity indices in these areas are significantly different and higher than those in places where there are no records of violence. Distribution systems in the states of Rio de Janeiro and Pernambuco are used to test the effectiveness of the proposed methodology. Several tests are carried out and the results obtained are fully discussed.

A presente pesquisa concentra-se no estudo hidrológico utilizando o potencial das geotecnologias na modelagem do escoamento na bacia do rio Bengalas, cujo rio principal de mesmo nome, corta o município de Nova Friburgo, RJ, no sentido Sul-Norte. Esse município, um dos mais importantes da região serrana, sofre frequentemente com inundações e deslizamentos, onde, dados históricos e acontecimentos recentes mostram que a ocupação inadequada de encostas e calhas dos rios são as áreas destacada e negativamente afetadas. A metodologia tem suporte no uso de um SIG, extraindo informações, que por sua vez, serão entrada de dados na fase de modelagem, e reforçando a apresentação dos resultados das simulações através de mapas. Ela está divida basicamente em três etapas: "SIG", "Modelagem" e "Suporte à Tomada de Decisão/Simulação". Esse primeiro estudo permitiu compor um banco de dados geográfico com as características fisiográficas da bacia; a seleção criteriosa de uma modelagem matemática e encadeamento de seus parâmetros com os componentes do ciclo hidrológico; realizar a calibração do modelo de transformação chuva-vazão, Soil Conservation Service (CN); e simular a passagem dos volumes gerados pela precipitação efetiva na calha do rio Bengalas, com o objetivo de identificar e analisar as áreas suscetíveis a inundações na porção central da cidade de Nova Friburgo. Modelagem dessa natureza vem sendo empregada, principalmente, no gerenciamento de recursos hídricos, onde a tomada de decisões embasada nos resultados de simulações computacionais, contribuem para evitar prejuízos materiais e financeiros, e ainda, perdas de vidas humanas em áreas de risco, neste caso, aquelas suscetíveis a inundações. Analisando os resultados encontrados temos que a área suscetível à inundação para uma chuva com tempo de recorrência de 50 anos, o mais crítico estudado, seja de aproximadamente 1,0 km, distribuídos nos seus 8,5km na região central de Nova Friburgo-RJ, sendo está, ora delimitada, prioritariamente edificada. / This research focuses on the hydrological study using the potential of geotechnology into runoff modeling of the Bengalas Basin, whose main river, with same name, crosses the city of Nova Friburgo - RJ, in a south-north orientation. This city, one of the most important in "Região Serrana", suffers often with floods and landslides, which, historical data and recent events show that the inappropriate occupation of hillsides and margins of rivers are the highlighted and negatively affected areas. The methodology has basis in a GIS application, extracting information, which in turn, are input in the modeling phase, and enhancing the presentation of simulation results through maps. It is basically divided into three stages: "SIG", "Modelagem" and "Suporte à Tomada de Decisão/Simulação." This first study allowed to compose a geographic database with the physiographic features of the basin; the careful selection of a chain of mathematical modeling and its parameters with the hydrological cycle components, perform the calibration of the rainfall-runoff transformation model, Soil Conservation Service (CN) and simulate the transition of volumes generated by an effective precipitation in the Bengalas river, in order to identify and analyze the susceptible flooding areas in the central part of Nova Friburgo. A kind of this modeling has been used, mainly, in the water resource management, in which decision-making are based on results of computer simulations, helps to avoid a range of losses, such as material, financial and, especially, humans, that in this case, people who lives in areas susceptible to flooding. Analyzing the results, it was found that an area susceptible to flooding by a rainfall with a recurrence time of 50 years, the most critical studied, results in approximately 1.0 km, distributed in its 8.5km (central part of Nova Friburgo - RJ) which this bounded area has a great part with buildings.

A presente pesquisa concentra-se no estudo hidrológico utilizando o potencial das geotecnologias na modelagem do escoamento na bacia do rio Bengalas, cujo rio principal de mesmo nome, corta o município de Nova Friburgo, RJ, no sentido Sul-Norte. Esse município, um dos mais importantes da região serrana, sofre frequentemente com inundações e deslizamentos, onde, dados históricos e acontecimentos recentes mostram que a ocupação inadequada de encostas e calhas dos rios são as áreas destacada e negativamente afetadas. A metodologia tem suporte no uso de um SIG, extraindo informações, que por sua vez, serão entrada de dados na fase de modelagem, e reforçando a apresentação dos resultados das simulações através de mapas. Ela está divida basicamente em três etapas: "SIG", "Modelagem" e "Suporte à Tomada de Decisão/Simulação". Esse primeiro estudo permitiu compor um banco de dados geográfico com as características fisiográficas da bacia; a seleção criteriosa de uma modelagem matemática e encadeamento de seus parâmetros com os componentes do ciclo hidrológico; realizar a calibração do modelo de transformação chuva-vazão, Soil Conservation Service (CN); e simular a passagem dos volumes gerados pela precipitação efetiva na calha do rio Bengalas, com o objetivo de identificar e analisar as áreas suscetíveis a inundações na porção central da cidade de Nova Friburgo. Modelagem dessa natureza vem sendo empregada, principalmente, no gerenciamento de recursos hídricos, onde a tomada de decisões embasada nos resultados de simulações computacionais, contribuem para evitar prejuízos materiais e financeiros, e ainda, perdas de vidas humanas em áreas de risco, neste caso, aquelas suscetíveis a inundações. Analisando os resultados encontrados temos que a área suscetível à inundação para uma chuva com tempo de recorrência de 50 anos, o mais crítico estudado, seja de aproximadamente 1,0 km, distribuídos nos seus 8,5km na região central de Nova Friburgo-RJ, sendo está, ora delimitada, prioritariamente edificada. / This research focuses on the hydrological study using the potential of geotechnology into runoff modeling of the Bengalas Basin, whose main river, with same name, crosses the city of Nova Friburgo - RJ, in a south-north orientation. This city, one of the most important in "Região Serrana", suffers often with floods and landslides, which, historical data and recent events show that the inappropriate occupation of hillsides and margins of rivers are the highlighted and negatively affected areas. The methodology has basis in a GIS application, extracting information, which in turn, are input in the modeling phase, and enhancing the presentation of simulation results through maps. It is basically divided into three stages: "SIG", "Modelagem" and "Suporte à Tomada de Decisão/Simulação." This first study allowed to compose a geographic database with the physiographic features of the basin; the careful selection of a chain of mathematical modeling and its parameters with the hydrological cycle components, perform the calibration of the rainfall-runoff transformation model, Soil Conservation Service (CN) and simulate the transition of volumes generated by an effective precipitation in the Bengalas river, in order to identify and analyze the susceptible flooding areas in the central part of Nova Friburgo. A kind of this modeling has been used, mainly, in the water resource management, in which decision-making are based on results of computer simulations, helps to avoid a range of losses, such as material, financial and, especially, humans, that in this case, people who lives in areas susceptible to flooding. Analyzing the results, it was found that an area susceptible to flooding by a rainfall with a recurrence time of 50 years, the most critical studied, results in approximately 1.0 km, distributed in its 8.5km (central part of Nova Friburgo - RJ) which this bounded area has a great part with buildings.