Carvalho, G.F.M.G., Corrêa, D.F., Pelta, D.A., Knupp, D.C. e Silva Neto, A.J.S., Efficient Simulation of Pollutant Dispersion Using Machine Learning, pp 372-383. In: García Bringas, P., et al. Hybrid Artificial Intelligent Systems (HAIS 2023). Lecture Notes in Computer Science, vol 14001. Springer, Cham, 2024.
Um sistema eficiente e preciso capaz de prever a localização da fonte de contaminantes é importante para a monitorização ambiental e os sistemas de segurança. No entanto, um dos principais desafios no desenvolvimento de um sistema deste tipo é o elevado custo computacional associado à modelação dos aspectos físicos da dispersão atmosférica. O presente trabalho aborda esta questão propondo uma solução mais rápida que utiliza uma rede neural Multi Layer Perceptron (MLP) para prever as leituras dos sensores com base nas coordenadas de localização da fonte. A MLP é treinada utilizando dados sintéticos gerados através da resolução numérica da equação de difusão por advecção, e recolhidos em locais e tempos pré-determinados do sensor. O método proposto gera previsões precisas numa fração do tempo necessário para o método convencional. Esta abordagem pode ajudar a detetar e identificar contaminantes de forma rápida e eficiente, e tem aplicações potenciais em sistemas de monitorização ambiental e de segurança, tornando-se uma ferramenta importante para a proteção da saúde e segurança públicas.