Em seu estado natural, a água tem uma quantidade baixa de matéria orgânica, mantida num nível suficiente para garantir o equilíbrio do ecossistema. O descarte de resíduos com teor de matéria orgânica elevado, como o oriundo de práticas agrícolas, tratamento de esgoto inadequado, e a produção industrial e de energia, pode provocar a proliferação do fitoplâncton, algas microscópicas apresentam riscos à saúde humana e animal, e por isso servem como indicador de nível de poluiçlão.
As agências de proteção ambiental costumam monitorar os níveis de fitoplâncton pela quantificação de uma molécula de clorofila que eles possuem, o que é feito de forma indireta, utilizando uma propriedade da luz chamada de refletância. O sinal de refletância costuma ser obtido por sensores remotos, sendo tratado matematicamente para determinar a concentração de clorofila. Entretanto, o cálculo depende de características próprias da água em cada localidade, o que torna o processo bastante complexo.
Em um trabalho a ser publicado em junho, pesquisadores da Universidade de Stirling, na Escócia, desenvolveram um método que usa inteligência artificial para produzir medidas úteis de classificação de poluição sem ser necessária fazer a conversão dos dados de refletância em concentração de clorofila, assim eliminando a necessidade de considerar as características particulares da água em análise. O algoritmo desenvolvido utilizou uma stack de quatro métodos de classificação que partem de premissas estatísticas diferentes, sendo dois baseados em árvores de decisão, um classificador Naive Bayes, e uma rede neural. Os métodos foram combinados por meta-aprendizagem, ou seja, cada método retornava um resultado, os quais foram combinados através de outro algoritmo, uma nova rede neural, para gerar o resultado final. A metodologia foi testada utilizando 567 observações realizadas em 49 localidades distribuídas ao redor do mundo. Além da maior facilidade de uso, os resultados foram 6,75% mais precisos do que aqueles obtidos pelo método atualmente em uso, alcançando 90% de precisão total, nos casos de poluição elevada. Os cientistas então avaliaram as classificações incorretas e observaram que estas observações eram caracterizadas por propriedades óticas de alta absorção ou espalhamento da luz, sugerindo que a inclusão de outras variáveis poderiam aperfeiçoar o sistema.
Os pesquisadores consideram que métodos que facilitem o controle de qualidade da água podem ajudar a entender os impactos das mudanças climáticas nos corpos de água, o que por si só tem relevância para a saúde e a economia, já que muitos desses corpos são reservatórios de água para consumo ou para atividades como a pesca.
Gostei muito do seu trabalho, gostaria de ter acesso a informações sobre IA em tratamento de água para o consumo populacional.
Antônio este trabalho não é nosso, somos apenas divulgadores de aplicações interessantes com IA e não temos conhecimento nesta área específica.