Desenvolvimento de modelo de machine learning para previsão de leitura de sensores de umidade do solo em áreas de risco

Abstract

Os deslizamentos de terra são desastres que assolam com maior frequência regiões urbanizadas, sem planejamento prévio, cujas consequências podem ser estimadas em prejuízos na ordem de bilhões de dólares por ano, além da perda de vidas humanas na casa dos milhares. Diferentes sistemas de alerta prévio de deslizamento de terra foram desenvolvidos, com o objetivo de alertar as populações locais e permitir a evacuação das áreas em tempo hábil. Em geral, estes sistemas utilizam dados provenientes do monitoramento das condições do solo, nas encostas que oferecem risco, além de dados meteorológicos, para alimentar modelos computacionais físicos ou estatísticos voltados para prever a ocorrência destes desastres. Neste trabalho, onde foi feito o uso da linguagem de programação Python, foi desenvolvida uma rede neural, com algoritmo de aprendizado de back-propagation e otimizador Adam, com o intuito de realizar previsões de leituras de um sensor de umidade do solo, em duas profundidades, a partir de suas leituras prévias e dados de precipitação acumulada. O modelo desenvolvido, baseado em machine-learning, obteve erros menores do que aqueles de previsões realizadas por regressão linear, em 27 das 40 configurações testadas, demonstrando desempenho superior na previsão de leituras de umidade do solo, na camada mais próxima à superfície.