Water flows modelling and forecasting using a RBF neural network

Aquí se presenta un modelo hidrológico de estimación basado en el uso de una red neuronal de base radial, con el cual se busca desarrollar sistema automática de estimación de flujos de caudal. El problema de la estimación de caudales no es una tarea trivial debido a (i) que los diversos mecanismos que rigen el sistema que determina el flujo de caudales actúan dentro de un rango muy amplio de escalas espacio – temporales y (ii) casi todos los elementos que intervienen y afectan el flujo de caudales presentan cierto grado de no linealidad. La red neuronal propuesta ha sido utilizada para estimar el pronóstico diario de caudal de una cuenca, obteniéndose resultados satisfactorios frente a otras técnicas. El modelo propuesto ha sido utilizado para realizar estimaciones en el río Ulloa, una cuenca ubicada al noroeste de la Península Ibérica. Aquí se presentan y discuten los resultados obtenidos con los experimentos realizados

• Autores: Fajardo Toro, Carlos Hernán; Fernández Riverola, Florentino; Soto González, Benedicto; González Peña, Daniel
• Tipo de recurso: Article of investigation
• Fecha de publicación: 2008
• Institución: Universidad ICESI
• Repositorio: Repositorio ICESI
• Idioma: spa
• OAI Identifier: oai:repository.icesi.edu.co:10906/1836
• Acceso en línea: http://hdl.handle.net/10906/1836; http://www.icesi.edu.co/revistas/index.php/sistemas_telematica/article/view/996; http://biblioteca2.icesi.edu.co/cgi-olib/?infile=details.glu&loid=199166; https://doi.org/10.18046/syt.v6i12.996
• Palabra clave: Red neuronal de base radial - RBF; Pronóstico de caudal; Modelos hidrológicos; Modelos de caja negra; Modelos autorregresivos; Sistemas & Telemática; Porducción Intelectual Registrada - Universidad Icesi; River Flow Forecasting; Hydrologic models
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-nd/4.0/