RECURRENT NEURAL NETWORKS FOR FORECASTING EXTREME RAINFALL EVENTS AND ANOMALY DETECTION

O aumento na frequência e intensidade de eventos extremos de chuva em todo o mundo tem impactado comunidades, ecossistemas e economias globais. A ocorrência desses eventos extremos destaca a necessidade de melhorar os modelos de previsão meteorológica, especialmente em ambientes urbanos. Prever chuvas extremas é bastante complexo, principalmente devido à sua natureza dinâmica e características estatísticas variáveis. Neste trabalho, propomos uma metodologia baseada em redes neurais recorrentes, especificamente redes LSTM, para prever chuvas extremas. O modelo é treinado exclusivamente com períodos de chuvas intensas, com o objetivo de melhorar a detecção de padrões específicos desses eventos. Essa estratégia pode aumentar a sensibilidade do modelo a variações abruptas e melhorar a identificação de anomalias. Aplicamos o método à cidade do Rio de Janeiro, onde chuvas intensas ocorrem com frequência. Os resultados mostram que a abordagem pode ajudar a mitigar os impactos socioeconômicos associados a esses eventos.