Acceso usuarios
Gilberto Massulo Neto, Emerson Leão Brito do Nascimento
A mudança climática é uma realidade que intensifica a frequência de eventos hidrológicos extremos, como cheias e secas severas, especialmente em regiões críticas do Amazonas. A Inteligência Artificial (IA) emerge como uma ferramenta com potencial para mitigar esses impactos, fornecendo métodos de previsão mais eficientes e precisos por meio de técnicas de aprendizado de máquina e análise de dados históricos. Este artigo compara modelos de IA na previsão de eventos extremos, como as cheias do Rio Amazonas e as secas que afetam o Polo Industrial de Manaus, utilizando dados históricos públicos disponíveis na internet. A partir desses dados, é possível desenvolver modelos estatísticos que, combinados com técnicas avançadas de aprendizado de máquina, geram previsões detalhadas e em tempo real, permitindo que gestores e autoridades implementem estratégias de resposta antecipada. O estudo comparou modelos como Random Forest, Gradient Boosting e LSTM, com o LSTM apresentando o melhor desempenho na previsão de níveis de rios, destacando sua capacidade de capturar dependências temporais e padrões sequenciais. Isso reforça o potencial da IA para melhorar a precisão das previsões ambientais e a eficácia na gestão de eventos hidrológicos.
