Aplicação híbrida de inteligência artificial e método físico para a prevenção de inundações e desastres hidrológicos
Inteligência artificial, modelagem hidrológica, previsão de inundações, Muskingum-Cunge, machine learning, deep learning, tomada de decisão
Os desastres hidrológicos têm se tornado cada vez mais frequentes, tornando essencial o desenvolvimento de métodos preditivos com elevado grau de confiabilidade. Neste contexto, o presente estudo propõe a integração da Inteligência Artificial (IA) com a modelagem física de propagação de cheias por meio do método de Muskingum-Cunge, visando aprimorar a eficácia das previsões de inundações em tempo real. Dados históricos de precipitação, vazão e nível d'água, provenientes da bacia do rio Belém e disponibilizados pela Defesa Civil do município de Curitiba-PR, serão utilizados como entrada para o modelo de Muskingum-Cunge. Os resultados obtidos por este modelo alimentarão um algoritmo de IA permitindo a análise em tempo real da precipitação, da vazão e do hidrograma, e consequentemente, a previsão de ocorrência de inundações com maior precisão. A proposta visa aumentar a eficiência dos sistemas de alerta antecipado, reduzindo a ocorrência de erros e otimizando os processos de tomada de decisão. Espera-se que os resultados ofereçam um modelo robusto de previsão hidrológica, contribuindo para a mitigação de desastres e para a gestão eficiente dos recursos hídricos.