TX, 20/12/2022
Por Bu
Quando se trata de prever desastres causados por eventos extremos (pense em terremotos, pandemias ou "ondas traiçoeiras" que podem destruir estruturas costeiras), a modelagem computacional enfrenta um desafio quase intransponível: estatisticamente falando, esses eventos são tão raros que simplesmente não há dados suficientes sobre eles para usar modelos preditivos para prever com precisão quando eles acontecerão a seguir.
Mas uma equipe de pesquisadores da Brown University e do Massachusetts Institute of Technology diz que não precisa ser assim.
Em um novo estudo na Nature Computational Scienc, os cientistas descrevem como combinaram algoritmos estatísticos – que precisam de menos dados para fazer previsões precisas e eficientes – com uma poderosa técnica de aprendizado de máquina desenvolvida em Brown e treinada para prever cenários, probabilidades e, às vezes, até a linha do tempo de eventos raros, apesar da falta de registro histórico sobre eles.