Chegar à sua praia favorita apenas para descobrir que está fechada devido à contaminação bacteriana pode ser uma chatice. Mas ainda pior seria nadar sem saber em águas poluídas com material fecal - uma possibilidade muito real, dado que os métodos de detecção atuais podem exigir até 24 horas para obter resultados. Agora, pesquisadores relatando no jornal ACS Ciência e Tecnologia Ambiental identificaram modelos de computador que fornecem previsões precisas de curto prazo, ou "nowcasts, "de qualidade da água da praia.

O número de fechamentos de praias devido a micróbios fecais aumentou nos últimos anos. Nos E.U.A., as praias da região dos Grandes Lagos estão entre as que apresentam os piores problemas. De acordo com o Departamento de Qualidade Ambiental de Michigan, 30 praias do estado foram fechadas ou tiveram avisos associados a elas no início de julho de 2018 por causa dos altos níveis de bactérias. Coletar amostras de água e depois analisá-las no laboratório leva tempo, mesmo com técnicas modernas, o que coloca os nadadores em risco de infecção por insetos estomacais desagradáveis ​​enquanto os testes estão em andamento. Mas as simulações de computador para prever a qualidade da água são complexas e nem sempre confiáveis. Jie Niu e Mantha S. Phanikumar se perguntaram se poderiam identificar modelos de computador mais simples que poderiam prever com precisão as condições atuais da praia a partir de dados anteriores.

Os pesquisadores compararam as habilidades de cinco modelos de computador para prever os níveis bacterianos em quatro locais no sul do Lago Michigan. Os modelos variaram no número de parâmetros de entrada, apenas de níveis anteriores de bactérias nos locais, para dados mais complexos, como precipitação diária, temperatura da água e turbidez da água. A equipe descobriu que os dois melhores modelos incorporaram níveis bacterianos anteriores e vários dos outros parâmetros. Contudo, um novo modelo desenvolvido pelos pesquisadores também teve bom desempenho. Esta abordagem, que combinou duas técnicas chamadas de transformada wavelet e análise de rede neural artificial, exigia apenas dados bacterianos do passado, sem entradas adicionais. Os pesquisadores concluíram que o novo modelo é uma ferramenta potencialmente útil para o gerenciamento de praias, especialmente quando dados detalhados sobre as condições da praia não estão disponíveis.