Physics-informed machine learning aplicado para previsões de condições metoceânicas

• Processo: 20/16746-5
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de março de 2021
• Data de Término da vigência: 29 de fevereiro de 2024
• Área de conhecimento: Engenharias - Engenharia Elétrica
• Acordo de Cooperação: IBM Brasil
• Pesquisador responsável: Eduardo Aoun Tannuri
• Beneficiário: Felipe Marino Moreno
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Empresa: Universidade de São Paulo (USP). Centro de Inovação da USP (INOVA)
• Vinculado ao auxílio: 19/07665-4 - Centro de Inteligência Artificial, AP.eScience.CPE
• Assunto(s): Aprendizado computacional Aprendizagem profunda Algoritmos Simulação numérica Navegação marítima Circulação oceânica Previsão climatológica Zona costeira Brasil
• Palavra(s)-Chave do Pesquisador: Forecasting | Metocean | Physics-Informed Machine Learning | Aprendizado de Máquina

Resumo

Operações marítimas são extremamente afetadas pelas condições ambientais metoceânicas (vento, ondas e correntes), necessitando portanto de previsões precisas dessas condições para fins de planejamento. Simulações numéricas, baseadas nas equações físicas do fluído, são frequentemente empregadas para se prever essas condições metoceânicas, porém sua acurácia é limitada pela quantia e qualidade das informações disponíveis sobre as condições de contorno e forçantes. Uma abordagem para melhorar essas previsões é combinar o modelo físico com aprendizado de máquina (essa abordagem é conhecida como Physics-Informed Machine Learning - PILM), aproveitando a capacidade de reconhecimento de padrões dos algoritmos de aprendizado de máquina enquanto se obtém uma previsão fisicamente consistente. Esse trabalho visa aplicar PILM para melhorar as previsões de condições metoceânicas em regiões costeiras importantes do Brasil. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

MORENO, FELIPE M.; SCHIAVETO NETO, LUIZ A.; COZMAN, FABIO G.; DOTTORI, MARCELO; TANNURI, EDUARDO A.; IEEE. Enhancing the Forecast of Ocean Physical Variables through Physics Informed Machine Learning in the Santos Estuary, Brazil. OCEANS 2022, v. N/A, p. 7-pg., 2022-01-01. (19/07665-4, 20/16746-5)

MORENO, FELIPE M.; TANNURI, EDUARDO A.; COZMAN, FABIO G.. Automatic Clustering of Metocean Conditions on the Brazilian Coast. JOURNAL OF OFFSHORE MECHANICS AND ARCTIC ENGINEERING-TRANSACTIONS OF THE ASME, v. 145, n. 4, p. 7-pg., 2023-08-01. (20/16746-5, 19/07665-4)