segunda-feira , 17 fevereiro 2020
Capa » Pesquisa » Modelagem de dados hidrometeorológicos com técnicas de inteligência computacional aplicada à previsão de curto prazo de inundações

Modelagem de dados hidrometeorológicos com técnicas de inteligência computacional aplicada à previsão de curto prazo de inundações

Apresentação

A pesquisa tem por objetivo construir modelos hidrológicos com base em dados da rede observacional do Cemaden e/ou de instituições parceiras a serem utilizados no monitoramento e previsão do comportamento dinâmico do nível de rios em bacias de resposta rápida suscetíveis à ocorrência de fenômenos deflagradores (chuvas intensas) de enxurradas e inundações onde, por haver ocupação humana e/ou outros bens a serem preservados, tais eventos podem se transformar em desastres naturais. Dentre outros, a antecedência e a precisão são dois requisitos importantes para a qualidade dos alertas emitidos para estes desastres. Entretanto, há situações, por exemplo, quando os fenômenos deflagradores ocorrem em escala espaço-temporal muito curta, nas quais o conflito entre esses requisitos se intensifica e a tarefa de atender a ambos torna-se mais complexa. Neste escopo, os modelos hidrológicos preditivos desenvolvidos nesta pesquisa podem melhorar o compromisso antecedência-precisão dos alertas de enxurradas e inundações e auxiliar o trabalho de operadores e tomadores de decisão do Cemaden como mais uma ferramenta de apoio.

Além de técnicas estatísticas, os modelos hidrológicos são construídos utilizando-se, principalmente, técnicas de inteligência computacional (IC) como ‘árvores de decisão’, ‘inferência fuzzy’ e ‘agrupamentos’. No entanto, a maior ênfase é dada à utilização de ‘redes neurais artificiais’ (RNA). As RNA são, desde os anos 90, muito aplicadas a problemas de modelagem hidrológica devido ao seu comprovado potencial para processar as complexas relações não lineares entre as diversas variáveis físico-ambientais associadas e produzir uma solução adequada (por exemplo, um modelo preditivo) com tempos computacionais e de projeto relativamente reduzidos e utilizando apenas um conjunto de pares de dados entrada-saída observados. Neste sentido, é notável a robustez das RNA contra dados (de treinamento) ruidosos e/ou incompletos. Além disso, a técnica permite incorporar o conhecimento a priori de especialistas. Considerando-se essas características, o desenvolvimento desta pesquisa se justifica sob a hipótese de que os modelos baseados em dados e em RNA (ou outra técnica IC) apresentem algumas vantagens em relação aos “modelos físicos” das bacias, como a possibilidade de se fazer com boa precisão previsões de curtíssimo prazo (nowcasting) para enxurradas e inundações frequentemente necessárias em muitas bacias de resposta rápida brasileiras.

Os modelos preditivos neurais atualmente em desenvolvimento utilizam séries históricas de dados de chuva e nível de rio de uma bacia de resposta rápida (rio Grande) da região serrana do Rio de Janeiro.

pesquisador: Glauston R. Teixeira de Lima

Possui graduação em Engenharia Eletrica pela Universidade Federal de Minas Gerais (1995), mestrado em Engenharia Elétrica pela Universidade Federal de Minas Gerais (1997), doutorado em Engenharia Eletrônica e Computação pelo Instituto Tecnológico de Aeronáutica (2008). Trabalhou como bolsista PCI do CNPQ em projetos desenvolvidos no Laboratório Associado de Computação e Matemática Aplicada (LAC) do Instituto Nacional de Pesquisas Espaciais (INPE), entre 2008 e 2014, atuando principalmente nos seguintes temas: desenvolvimento de ferramentas de mineração de dados baseadas em técnicas de Inteligência Computacional para modelagem de dados científicos do INPE (predominantemente dados meteorológicos e dados relacionados a fenômenos do Clima Espacial) aplicável no monitoramento de padrões meteorológicos associados a eventos convectivos severos e à predição de cintilação ionosférica. Atualmente é pesquisador adjunto do Centro Nacional de Monitoramento e Alertas de Desastres Naturais-CEMADEN, na área de modelagem de desastres naturais, atuando no desenvolvimento de modelos preditivos neurais baseados em dados de chuva e nível de rio para emissão de alertas de desastres hidrológicos.

e-mail: glauston.lima@cemaden.gov.br

Lattes: http://lattes.cnpq.br/7867516471353997

Confira também

Processos dinâmicos em Redes Complexas – vulnerabilidade e outras análises topológicas em bancos de dados geográficos

Dados de mobilidade urbana são importantes a estudos em diversas áreas, de planejamento urbano a …