PREDIÇÃO DA ADSORÇÃO DE PESTICIDA POR BIOCARVÃO: modelagem com variáveis edafoclimáticas por modelo ensemble rede neural artificial
Redes neurais profundas; modelo ensemble de inteligência artificial, biocarvão, variáveis edafoclimáticas.
O estudo avaliou um modelo ensemble de rede neural profunda, na estimação da capacidade adsortiva de um biocarvão para imobilizar herbicida Imazapic, com adição de variáveis climáticas (evapotranspiração diária real) e do solo (condutividade saturada do hidráulica). Os resultados obtidos demonstraram que o modelo pode abstrair, reduzir ou mesmo superar o esforço e resultados alcançado pelo experimento empírico tradicional, em bancada, disponibilizando informações precisas da influência e correlação entre as variáveis
complexas e não lineares envolvidas, a partir da aplicação de técnicas de análises explicativas diversas, pelo modelo neural. Além disso, a combinação de análises estatísticas com o ensemble proporcionou geração e análise robusta da qualidade da estimativa, através da geração das isotermas de Freundlich e Langmuir, comparativamente às experimentais disponíveis. O trabalho valida perspectivas futuras da aplicação promissora de modelagem com algoritmos de aprendizado profundo em processos envolvendo o biocarvão, através da combinação de novos modelos, geração de novas variáveis preditoras, experimentação de outros contaminantes-alvo, propriedades do solo, condições ambientais, matéria-prima e atributos envolvidos na formulação de biocarvão, além disso, esta proposta de modelagem poderá investigar simulações válidas, como o processo redox do biocarvão no solo, o seu envelhecimento (aging), a ciclagem de nutrientes, interação com ocorrência de novos contaminantes, como intensificação de pesticidas multissítio. O estudo pode servir também de base para novas investigações de outros problemas complexos, contribuindo o desenvolvimento de pesquisas ambientais, envolvendo a modelagem com ferramentas de inteligência artificial.