Predicción de caudales máximos diarios del Río Magdalena a la altura del municipio de Calamar (Bolívar), usando el método de redes neuronales artificiales (Rna).

En la hidrología, es usual emplear modelos físicos tradicionales para determinar factores hidro-climáticos; sin embargo, éstos han presentado diversas limitaciones, entre ellas la practicidad y la precisión debido al comportamiento no lineal de los fenómenos naturales. En particular, la proyección en el tiempo de variables hidro-meteorológicas como caudales, se ha convertido en una necesidad imperativa para la óptima gestión de los recursos hídricos; específicamente en lo que refiere a la generación de energía eléctrica; ordenamiento territorial; diseño y operación de estructuras; abastecimiento y prevención de emergencias. La reciente evolución digital y perfeccionamiento de modelos informáticos, ha generado que el uso de herramientas tecnológicas aumente en diversas áreas de la ciencia. Las hidrociencias, por ejemplo, para solucionar problemas físicos y aproximar magnitudes desconocidas, han requerido metodologías de predicción no convencionales fundamentadas en inteligencia artificial (IA), considerando dentro de esta disciplina las redes neuronales artificiales (RNA) como potente en la capacidad de aprendizaje y adaptación. Este trabajo expone la implementación de cinco modelos de RNA en Matlab®2020a, para la predicción de caudales máximos diarios [Q_MX_D1] del río Magdalena, utilizando como atributos de entrada el día del año (DOY, por su nombre en inglés)2, el día pluviométrico [PTPM_CON3] y nivel máximo diario [NV_MX_D4] para diferentes series de tiempo. El análisis de los resultados se realizó a partir del índice de error cuadrático medio (MSE) y el coeficiente de correlación (R). El modelo de RNA más óptimo y con mayor cercanía a los datos reales fue, RNA_4_1 con MSE de 3,882E-07 y R igual a 1. El estudio se efectuó en una pequeña sección del río Magdalena, entre las estaciones SAN PEDRITO ALERTA Y CALAMAR. Los datos fueron tomados del banco de información del Instituto de hidrología, meteorología y estudios ambientales (IDEAM) de enero de 2017 a diciembre de 2020.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/28457
• Acceso en línea: http://hdl.handle.net/11349/28457
• Palabra clave: Hidrología; Caudal; Inteligencia artificial; Red neuronal artificial; Ingeniería Civil - Tesis y Disertaciones Académicas; Corrientes de agua - Mediciones; Hidrología - Mediciones; Hidrología - Investigaciones; Redes de neuronas artificiales - Uso; Hydrology; Flow; Artificial intelligence; Artificial neural network
• License: CC0 1.0 Universal