Previsões detalhadas sobre como um tsunami que se aproxima afetará a costa nordeste do Japão podem ser feitas em frações de segundo, em vez de meia hora ou mais – ganhando um tempo precioso para que as pessoas tomem as medidas apropriadas. Essa tecnologia potencialmente salva-vidas explora o poder do machine learning.
O tsunami catastrófico que atingiu o nordeste do Japão em 11 de março de 2011 custou a vida de cerca de 18.500 pessoas. Muitas vidas poderiam ter sido salvas se o alerta antecipado do tsunami iminente tivesse incluído previsões precisas de quão alto a água atingiria em diferentes pontos ao longo da costa e no interior.
A costa agora possui a maior rede mundial de sensores para monitorar o movimento do fundo do oceano. As 150 estações offshore que compõem esta rede fornecem alerta antecipado de tsunamis. Mas, para serem significativos, os dados gerados pelos sensores precisam ser convertidos em alturas e extensões de tsunami ao longo da costa.
Isso geralmente requer resolver numericamente equações não lineares difíceis, o que normalmente leva cerca de 30 minutos em um computador padrão. Mas o tsunami de 2011 atingiu algumas partes da costa apenas 45 minutos após o terremoto.
Agora, Iyan Mulia, do RIKEN Prediction Science Laboratory, e seus colegas de trabalho usaram o machine learning para reduzir o tempo de cálculo para menos de um segundo.
“A principal vantagem do nosso método é a velocidade das previsões, que é crucial para o alerta precoce”, explica Mulia. “A modelagem convencional de tsunami fornece previsões após 30 minutos, o que é tarde demais. Mas nosso modelo pode fazer previsões em segundos.”
Como os tsunamis são ocorrências raras, a equipe treinou seu sistema de machine learning usando mais de 3.000 eventos de tsunami gerados por computador. Eles então testaram com 480 outros cenários de tsunami e três tsunamis reais. Seu modelo baseado em machine learning pode atingir uma precisão comparável com apenas 1% do esforço computacional.
A mesma abordagem de deep learning pode ser usada para outros cenários de desastres em que o tempo é essencial. “O céu é o limite – você pode aplicar este método a qualquer tipo de previsão de desastres onde a restrição de tempo é muito limitada”, diz Mulia, que se interessou pelo estudo de tsunamis depois que o tsunami de 2004 no Oceano Índico devastou regiões costeiras em seu país natal, Indonésia. “Agora estou trabalhando em uma previsão de tempestades, também usando machine learning.”
O trabalho foi publicado na revista Nature Communications.
Mulia observa que o método só é preciso para grandes tsunamis com mais de 1,5 metro de altura, então ele e sua equipe estão agora tentando melhorar sua precisão para tsunamis menores.
Publicado em 01/01/2023 12h20
Artigo original:
Estudo original: