Desenvolvimento de um sistema inteligente de monitoramento contínuo para detecção de piping em barragens de terra

Abstract

A segurança de barragens de terra representa um desafio para a engenharia geotécnica, sendo o fenômeno de piping (erosão interna) uma das principais causas de rupturas estruturais. Os métodos tradicionais de monitoramento, muitas vezes manuais e intermitentes, apresentam limitações na detecção precoce de anomalias hidráulicas complexas. O presente trabalho propõe o desenvolvimento de um sistema autônomo de monitoramento geotécnico voltado à detecção automática de piping, integrando conceitos de Internet das Coisas (IoT) e Inteligência Artificial. A metodologia consistiu na criação de um ambiente computacional em linguagem Python, utilizando um modelo ARX para simular séries temporais piezométricas e variáveis exógenas (chuva e nível de reservatório). Para a detecção de falhas, implementou-se um ensemble de algoritmos de Machine Learning composto por Autoencoder Variacional (Transformer VAE), Local Outlier Factor (LOF) e um classificador LightGBM. O sistema foi validado por meio de simulações de Monte Carlo e calibração baseada na métrica F2-Score. Os resultados demonstraram alta eficácia, alcançando Precisão e Recall de 99,33%, com uma taxa de falsos alarmes inferior a 0,10%. O modelo identificou corretamente tendências de longo prazo e variações abruptas de poropressão, distinguindo anomalias reais de ruídos operacionais. Conclui-se que a aplicação de inteligência artificial em dados de instrumentação automatizada viabiliza um monitoramento preditivo robusto, contribuindo significativamente para a mitigação de riscos e a segurança operacional de barragens.