Um estudo recebeu apoio da FAPESP por meio do Centro de Inteligência Artificial (C4AI), um Centro de Pesquisa em Engenharia (CPE) constituído pela FAPESP e a IBM Brasil e com sede na Poli-USP. Esse estudo, envolve uma pesquisa que utilizou como espaço amostral a realidade da cidade de Santos-SP, empregando ferramentas avançadas de aprendizado de máquina para otimizar os sistemas atuais de previsão de eventos extremos.
Essa ferramenta possui um papel importante no que envolve a antecipação de eventos. Sendo essencial na preparação e proteção de regiões mais vulneráveis, envolvendo o nosso atual momento de mudança climática.
Um desses modelos, são os utilizados para realizar a previsões da altura da maré e da altura média das ondas são baseados no equacionamento físico dos fenômenos envolvidos. Os sistemas são compostos por sistemas de equações diferenciais que contemplam variáveis como relevo, maré astronômico, como por exemplo a (determinada pela posição relativa de três corpos: Sol, Terra, Lua), regime de ventos, velocidade de correntes, índice de salinização da água.
O pesquisador Marcel Barros, do Departamento de Engenharia de Computação e Sistemas Digitais da Poli-USP acrescenta que esse avanço técnico permite uma melhor modelagem de fenômenos naturais complexos e pode ser utilizado também na modelagem dos demais fenômenos que envolvam séries de temporais irregulares, como dados de saúde, redes de sensores em manufatura, indicadores financeiros, entre outros.
No Brasil, a cidade de Santos, no litoral paulista, tem proporcionado estudos de caso relevantes, pois enfrenta marés de tempestade, popularmente conhecidas por “ressacas”, que ameaçam tanto a infraestrutura quanto os ecossistemas locais.
Os métodos de aprendizado de máquina capazes de identificar padrões em dados e realizar extrapolações para situações novas. Mas tais métodos, em geral, precisam de um grande número de exemplos para serem treinados em tarefas complexas como as demandadas por esse tipo de previsão.
São relatados que as três maiores virtudes do modelo são: combinar modelos físicos com modelos numéricos; representar de uma nova maneira o tempo para redes neurais; trabalhar com dados de formatos distintos, por meio de uma arquitetura multimodal. Assim, são abordados pela professora Anna Helena Reali Costa, titular da Escola Politécnica da Universidade de São Paulo (Poli-USP), “ O estudo oferece uma metodologia capaz de melhorar a precisão das previsões de eventos extremos, como as marés de tempestade em Santos. Ao mesmo tempo destaca os desafios e potenciais soluções para a integração de modelos físicos e dados sensoriais em contextos complexos”
Quais são os desafios: A utilização de dados de sensores impõe desafios técnicos significativos, especialmente devido à natureza irregular desses dados, que podem apresentar problemas como lacunas de informações, deslocamentos temporais e variações nas frequências de amostragem. Em caso de falha, alguns sensores podem levar dias para serem restabelecidos, mas os mecanismos de previsão de marés de tempestade devem ser capazes de continuar operando mesmo sem toda a informação disponível.
Conforme resultado da pesquisa, um novo modelo de ferramenta está sendo proposto e combina diferentes tipos de redes neurais, de modo a integrar dados multimodais. Incluindo assim, imagens de satélite, informações tabulares e previsões de modelos numéricos, com a possibilidade de incorporar futuramente outras modalidades de dados, como texto e áudio.
Contudo, essa abordagem representa um passo importante na direção de sistemas de previsão mais robustos e adaptáveis, capazes de lidar com a complexidade e a variabilidade dos dados associados a eventos climáticos extremos.