IA na gestão da água

A IA na gestão da água consiste em treinar um modelo com séries de medições que as entidades gestoras já têm: níveis da água, caudais, precipitação, análises laboratoriais e dados dos processos de tratamento. Assim, é possível prever um nível da água ou um caudal, identificar uma medição anómala ou sugerir uma configuração para uma estação de tratamento. São algumas das aplicações de IA que desenvolvemos, muitas vezes para o setor público.

A água também está presente nas nossas páginas regionais: nas pontes e vias navegáveis de Rotterdam, nas entidades gestoras nacionais em Utrecht e nas redes e na água em Groningen.

Com um modelo que combina o caudal medido, a precipitação, a precipitação prevista e a evaporação. A Waterschap Limburg publicou no Registo de Algoritmos um modelo deste tipo para o caudal do rio Roer: uma regressão linear que fornece previsões de hora a hora para apoiar decisões. Um especialista interpreta o resultado e toma a decisão.

A Rijkswaterstaat utiliza o Delft-FEWS, um sistema da Deltares, para fazer previsões ao longo do Reno e do Mosa. Um modelo próprio complementa esse sistema onde este não responde às necessidades locais. A dificuldade é que os níveis de cheia são raros, pelo que há poucos exemplos da situação que mais importa. Saiba mais sobre forecasting.

Normalmente, mais do que utilizam: telemetria de estações de bombagem e açudes, poços de monitorização, análises laboratoriais da qualidade da água e dados dos processos de tratamento. No Waterinfo, a Rijkswaterstaat publica medições atuais, previstas e históricas das águas sob gestão nacional, como níveis da água, alturas das ondas, dados de correntes e qualidade da água.

Para a troca de dados, existe a norma Aquo, mantida pela Informatiehuis Water, uma parceria entre províncias, Rijkswaterstaat e entidades gestoras da água. Seguir as suas definições facilita a combinação de séries provenientes de diferentes bases de dados. Para perceber onde estas fontes se reúnem, consulte a página sobre a plataforma de dados e IA.

Uma estação de tratamento recolhe medições continuamente, o que a torna adequada para um modelo. Para a Waternet, desenvolvemos um modelo de machine learning para minimizar as emissões de óxido nitroso numa estação de tratamento de águas residuais. Estamos agora a desenvolver um modelo para reduzir a utilização de cloreto de ferro no pré-tratamento de água do rio destinada ao consumo.

As emissões de óxido nitroso merecem muita atenção por parte das entidades gestoras da água. A STOWA publicou um manual para monitorizar o óxido nitroso em estações de tratamento de águas residuais urbanas e, através do Lachgas Versnellingsprogramma, cada vez mais instalações fazem medições contínuas. Essas medições constituem o histórico a partir do qual um modelo pode aprender.

Monitorizando-o. A substituição de um sensor, uma mudança no funcionamento de uma estação de bombagem ou um inverno mais chuvoso alteram os dados de entrada, tornando as previsões menos precisas. A isto chama-se drift. Para a Rijkswaterstaat, criámos um pacote genérico que monitoriza todos os seus modelos em produção para detetar data drift, prediction drift e valores atípicos.

Defina antecipadamente quem recebe um alerta e quem aprova uma nova versão. Pode ler como isto funciona tecnicamente na página sobre MLOps; a gestão pode ficar com a sua equipa ou connosco, através do serviço de gestão e melhoria contínua.

A Diretiva-Quadro da Água é a diretiva europeia relativa à qualidade das águas superficiais e subterrâneas. Os Estados-Membros acordaram alcançar um bom estado até 2027, o mais tardar, e o progresso é acompanhado através de medições da qualidade da água.

Um modelo não torna a água mais limpa, mas pode ajudar a identificar uma medição anómala ou a perceber que medida parece estar a produzir efeito. As análises laboratoriais são feitas apenas de vez em quando, pelo que o histórico de cada ponto de medição é muitas vezes reduzido. Comece por perguntar que decisão sobre medições ou medidas precisa de melhorar.

O anexo III do Regulamento da IA classifica como de alto risco a IA utilizada como componente de segurança no fornecimento de água, gás, aquecimento ou eletricidade. Segundo a Comissão Europeia, essas obrigações aplicam-se a partir de 2 de dezembro de 2027. Cabe ao seu departamento jurídico ou de conformidade avaliar se um modelo para uma estação de bombagem ou de tratamento se enquadra nessa categoria; podemos ajudar a fazer o levantamento.

As entidades públicas publicam os seus algoritmos no Registo de Algoritmos, como acontece com o modelo de caudal do rio Roer. Saiba como fazê-lo de forma responsável nas páginas sobre Responsible AI e AI Act.

Quando uma regra fixa no controlo da estação de bombagem já funciona bem, quando a decisão raramente é necessária ou quando basta analisar as séries de medições. Nesses casos, um dashboard Power BI com dados de telemetria é mais útil do que um modelo.

Se houver falhas nas séries ou ninguém souber quando um sensor foi substituído, comece pela fundação de dados. Se uma solução mais simples for mais adequada, dizemo-lo.