ANÁLISE DE SENSIBILIDADE DE MODELOS DE INTELIGÊNCIA ARTIFICAL NO MONITORAMENTO DE AQUÍFEROS USANDO DADOS DOS SATÉLITES GRACE E MEDIÇÕES DE SUPERFÍCIE

Código

XXV-SBRH0300

Autores

Clyvihk Renna Camacho, Augusto Getirana, Maria Antonieta Mourão, OTTO CORREA ROTUNNO FILHO

Tema

STE15 - Hidrologia Subterrânea: Modelagem, Monitoramento, Contaminação, Remediação e Avaliação de Risco (Groundwater Hydrology: Modeling, Monitoring, Contamination, Remediation and Risk Analysis)

Resumo

Modelos baseados em inteligência artificial (IA) são uma estrutura matemática para aprender representações a partir de dados, esses modelos podem ser aplicados em diversas áreas do estudo hidrogeológico, como gerar modelos de fluxo para ás águas subterrâneas, avaliar o armazenamento das águas subterrâneas ou mesmo simular o nível das águas subterrâneas em um aquífero. Adicionalmente, a utilização de dados dos satélites da missão GRACE (Gravity Recovery and Climate Experiment) tem auxiliando na compreensão das respostas do total de água armazenada (Total Water Storage - TWS) no país. A aplicação de dados GRACE associados a modelos de IA podem simular o armazenamento da águas subterrâneas com grande precisão. Dito isso, este trabalho avalia a capacidade de dez modelos baseados em IA e quatro modelos lineares para simular o armazenamento das águas subterrâneas no aquífero Parecis, Brasil, a partir dos dados GRACE e tendo como alvo observações in situ da Rede Integrada das Águas Subterrâneas (RIMAS). Como resultado é demonstrado que modelos baseados em IA podem simular com boa precisão o armazenamento das águas subterrâneas a partir dos dados TWS/GRACE e observações in situ promovidas pela RIMAS no aquífero Parecis, Brasil. Os modelos construídos a partir da técnica de árvore de decisão, como o XGB, LGBM e CtB apresentaram melhores métricas, seguidos pelas redes neurais. Essa resposta indica que modelos que implementam regressões não lineares retornam melhores simulações.