Um estudo inovador conduzido na Universidade Estadual Paulista (Unesp), localizada no campus de Guaratinguetá, emprega inteligência artificial para prever informações ausentes nas avaliações hídricas de cursos d’água no Vale do Paraíba, interior de São Paulo.
Origem da pesquisa e impactos da pandemia
O projeto académico foi elaborado pelo engenheiro eletricista Wilson dos Santos Júnior ao longo de seu curso de mestrado na instituição de ensino superior. A base para o treinamento do algoritmo consistiu em registros históricos fornecidos pela Companhia Ambiental do Estado de São Paulo (Cetesb), obtidos através da plataforma Infoáguas e compreendidos entre 2013 e 2023.
A motivação para o desenvolvimento da ferramenta surgiu, principalmente, devido à constatação de falhas de acompanhamento provocadas pela crise sanitária da Covid-19, período em que equipes técnicas enfrentaram obstáculos para efetuar coletas presenciais.
“Você vai ser capaz de preencher essas lacunas e não perder esse controle do acompanhamento”, explicou Wilson.
Como o sistema preditivo opera
A metodologia se apoia no histórico de informações para reconhecer comportamentos recorrentes e calcular estimativas para métricas que deixaram de ser coletadas em campo. O cálculo do Índice de Qualidade da Água (IQA) abrange variáveis como acidez, temperatura e concentração de coliformes.
Durante os testes práticos, a projeção direta do indicador registrou margem de erro inferior a 10%. Por outro lado, o método alternativo de computar primeiro a variável ausente para depois consolidar o índice demonstrou uma taxa de imprecisão cerca de duas vezes menor.
Aplicações práticas e futuras
O autor do estudo destaca ainda a viabilidade de cruzar as estatísticas hídricas com registros pluviométricos, o que favorece a compreensão dos efeitos gerados por estiagens prolongadas ou temporais severos sobre os ecossistemas fluviais.
Vale ressaltar que a inovação tecnológica não anula ou substitui o trabalho presencial de coleta executado pela Companhia Ambiental do Estado de São Paulo (Cetesb), atuando estritamente como um suporte complementar.
A professora Marcela Machado, docente do curso de Engenharia da Unesp de Guaratinguetá e orientadora do projeto, reforça que a ferramenta potencializa o aproveitamento de bases estatísticas já consolidadas.
“O que a gente fez é mais um modelo matemático para ajudar com os dados já existentes, que são coletados pela Cetesb. A gente só elaborou modelos para ajudar nos cálculos e nas predições”, afirmou.
