MIA: sistema de inteligência artificial para previsão sub-sazonal de variáveis hidrometeorológicas no Brasil

• Processo: 20/00566-8
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de novembro de 2020
• Data de Término da vigência: 31 de julho de 2021
• Área do conhecimento: Ciências Exatas e da Terra - Geociências - Meteorologia
• Pesquisador responsável: Thomas Christian Marcel Martin
• Beneficiário: Thomas Christian Marcel Martin
• Empresa: Meteoia Datascience Ltda
• CNAE: Pesquisa e desenvolvimento experimental em ciências físicas e naturais
• Município: São Paulo
• Pesquisadores associados: Amanda Sabatini Dufek ; Edson Luiz Shoitchi Yatabe Barbosa ; Humberto Ribeiro da Rocha ; Paola Gimenes Bueno ; Pedro Leite da Silva Dias
• Auxílio(s) vinculado(s): 21/14700-0 - MIA: Sistema de inteligência artificial para previsão sub-sazonal de variáveis hidrometeorológicas no Brasil, AP.PIPE
• Bolsa(s) vinculada(s): 21/02110-4 - MIA: sistema de inteligência artificial para previsão sub-sazonal de variáveis hidrometeorológicas no Brasil, BP.PIPE
• Assunto(s): Hidrometeorologia Previsão hidrológica Sazonalidade Inteligência artificial Aprendizado computacional Redes neurais (computação) Indústria 4.0
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Maquina | Hidrometeorologia | Inteligência Artificial | Previsão Climática | Previsão sub-sazonal | Redes neurais | previsão

Resumo

A presente proposta tem como objetivo o desenvolvimento de um sistema automatizado de inteligência artificial que forneça previsões hidrometeorológicas competitivas na escala sub-sazonal (sistema "MIA"). As inovações desse projeto encontram-se na ordem de processos e de serviços. Em termos de processo, o projeto irá conectar técnicas avançadas de inteligência artificial, ainda pouco exploradas na meteorologia, em um sistema completamente automatizado de treinamento de modelos, previsão e otimização de hiper-parâmetros. Em termos de serviço, o sistema proposto será um dos poucos no mundo especializados na escala sub-sazonal, visando melhorar a previsibilidade entre as escalas de tempo e clima, onde encontram-se as maiores limitações das metodologias tradicionais de modelagem climática. A execução da proposta deverá diminuir as incertezas e melhorar o planejamento do mercado nacional à variabilidade hídrica associada a fatores climáticos e enquadrar a empresa dentro dos contextos recentes de Indústria 4.0 e aprendizado de máquina automatizado (AutoML). (AU)