Técnicas de inteligência artificial aprimoram previsão de condições oceânicas em áreas portuárias

Capaz de aumentar em 20% a confiabilidade das estimativas, tecnologia criada no Centro de Inteligência Artificial da USP está em teste no Porto de Santos

Agência FAPESP* – Prever o comportamento do oceano é fundamental para otimizar a operação dos portos. Saber quais navios poderão entrar ou sair do cais conforme as condições de maré, neblina e vento para as manobras é imprescindível para o bom funcionamento dos trabalhos portuários.

Diante desse contexto, pesquisadores do Centro de Inteligência Artificial (C4AI) desenvolveram novos algoritmos capazes de prever condições meteorológicas e oceânicas com uma precisão 20% maior que a dos métodos convencionais.

O C4AI é um Centro de Pesquisa em Engenharia (CPE) constituído por FAPESP e IBM no Centro de Inovação da Universidade de São Paulo (Inova-USP).

“A previsão é feita da seguinte forma: nós ensinamos para a inteligência artificial o que aconteceu em séries históricas de fenômenos climáticos. A máquina, então, aprende as consequências de determinadas ocorrências – chuvas intensas, temperaturas mais altas etc. – e passa a prever os desdobramentos de cada condição, auxiliando a tomada de decisão, que fica mais rápida e precisa”, explica Marlon Sproesser Mathias, pesquisador do Instituto de Estudos Avançados (IEA) da USP e membro do C4AI.

Os dados usados para as estimativas são obtidos por meio de informações meteorológicas e de sensores instalados em várias partes do oceano, tanto em canais de navegação como em alto-mar.

“Nos dias atuais, as previsões oceânicas e meteorológicas de ventos, correntes, ondas, neblinas e das marés estão cada vez melhores, mas há ainda espaço para o aumento dos níveis de agilidade e confiabilidade. Uma melhor previsibilidade permite que o porto tenha mais segurança, tarifas menores, menos tempo de espera e uma logística mais eficiente”, afirma o professor da Escola Politécnica (Poli) da USP Eduardo Aoun Tannuri, que também é membro do C4AI.

Com um sistema de previsão confiável também é possível promover ações portuárias mais sustentáveis, pois medidas como a dragagem (remoção de partes do fundo do mar a fim de torná-lo mais fundo para receber navios de grande porte) podem ser otimizadas e ter seus impactos ambientais reduzidos. Aproveitando a abundância de informações e ampliando o conhecimento a respeito do que deve ser feito a partir das análises do sistema, a capacidade de atendimento de um porto pode ser estendida com menor dano ao ambiente.

“Assim é possível receber navios com calados maiores [parte submersa do navio] com menor dragagem e impacto ambiental, aumentando a capacidade de operação do porto”, completa o docente.

A fusão da física com a IA

Em meio a tantas informações obtidas por meio de sensores e outras fontes, realizar estimativas e previsões pelos métodos tradicionais, utilizando apenas modelos físicos, seria difícil e demorado. Por isso, os pesquisadores decidiram unir duas áreas do conhecimento: a inteligência artificial e a física, promovendo a fusão do machine learning com a engenharia costeira e a oceanografia.

“Se chover muito em um canal, por exemplo, nós sabemos que essa situação pode causar o aumento da corrente, isso é uma relação física. Porém, a inteligência artificial leva certo tempo para aprender esse cenário, pois precisa que aquilo aconteça muitas vezes para que essa correlação fique clara. Assim, no caso de um evento ainda não ocorrido ou mais extremo, a máquina não terá essa compreensão, o que se torna ainda mais relevante em um cenário com mudanças climáticas cada vez mais intensas. Ao adicionarmos conhecimento físico ao modelo de IA, ele consegue se adaptar melhor a diferentes cenários, porque terá a informação do que é fisicamente possível. Vai além de uma modelagem com dados ou de uma simulação física, tentamos unir o melhor dessas duas abordagens”, explica Mathias.

No âmbito internacional já existem sistemas automáticos de monitoramento ambiental. No entanto, a proposta de utilizar a fusão dos fenômenos físicos com o aprendizado de máquina para previsões oceânicas em áreas portuárias é inédita, diferenciando-se das análises já realizadas com o modelo em outros locais, como em represas.

Unindo a física com os dados históricos, as previsões nos portos de Santos e de Paranaguá, no Paraná, onde o método do C4AI tem sido testado, melhoraram consideravelmente. A previsibilidade se tornou mais rápida e confiável, permitindo que, em um futuro próximo, testes em escalas maiores sejam realizados tanto nesses como em outros locais, uma vez que o modelo pode ser aplicado em qualquer porto.

* Com informações de Henrique Fontes, do Centro de Inteligência Artificial (C4AI).