Apliquei redes neurais convolucionais com arquiteturas baseadas em sub-redes para prever cheias
e secas extremas na bacia do Rio Negro, localizada na região norte da América do Sul. A bacia é
caracterizada por formações geológicas diversas, incluindo uma variedade de tipos de rochas que
influenciam a infiltração e os padrões de escoamento, além de fatores climáticos que moldam
a dinâmica das precipitações. Adicionalmente, a hidrodinâmica da bacia, impulsionada pelas
interações entre suas formações geológicas e o fluxo de água, bem como sua topografia, que
governa a direção e a velocidade do escoamento superficial, desempenham papéis cruciais em
seu comportamento hidrológico. O regime de chuvas e a sazonalidade determinam ainda a
distribuição temporal dos níveis de água. Os tipos de cobertura do solo também desempenham
um papel significativo ao alterar as taxas de infiltração e o escoamento superficial. Analisando
dados hidrológicos de cinco estações, a saber, Cucuí, Serrinha, Caracaraí, Santa Maria do Boiaçú
e Moura, esta pesquisa busca modelar e prever eventos hidrológicos extremos. A aplicação
da abordagem de aprendizado profundo destaca a importância de integrar dados de múltiplas
estações para capturar variações localizadas e diferenças regionais. Esses achados ressaltam o
potencial da inteligência artificial como uma ferramenta complementar aos modelos existentes
usados pelas autoridades competentes para monitoramento, auxiliando na mitigação dos impactos
de inundações e secas extremas. Embora não seja uma solução autônoma, o modelo fornece
compreensão valiosa e enfatiza a necessidade de melhorias adicionais, especialmente por meio
de ajustes de hiperparâmetros, para aumentar sua confiabilidade e precisão.
|
