PRONÓSTICO DE CRECIDAS EN TIEMPO REAL USANDO REDES NEURONALES RECURRENTES
MILENA MUÑOZ BONACIC.1
XIMENA VARGAS MESA.2
RESUMEN
En Chile, la mayoría de los sistemas de control de crecidas son reactivos, resultando imprescindible la utilización de modelos de previsión hidrológica, cambiando el modelo de acción defensiva por un modelo de acción proactiva. Se utilizan redes neuronales recurrentes (RNR), redes dinámicas que consideran que los parámetros descriptivos de una determinada cuenca son no estacionarios, capaces de modelar la alta no linealidad del fenómeno y almacenar historia relevante de la crecida. Específicamente, se modelan RNRs de Elman y RNRs de Hopfield para pronosticar crecidas pluviales y de deshielo en la parte alta de la cuenca del río Mapocho, ubicada al oriente de la ciudad de Santiago de Chile. Se concluye sobre la mejor eficiencia de una red neuronal (RN) de Elman frente a RNs de Hopfield y prealimentadas, con ventajas en el tratamiento de información y arquitectura neuronal. Se deduce que una sola crecida con grandes amplitudes espectrales, utilizada en el entrenamiento de la red resulta más útil que un set de crecidas unidas como datos conjuntos, independiente del tipo de RN utilizada y marcadamente en el caso de una red neuronal recurrente. En el caso de crecidas de deshielo se obtienen pronósticos certeros con más de 24 horas de anticipación y en el caso de crecidas pluviales hasta con 12 horas de anticipación.
_________________________
1Ingeniero Civil, Departamento de Ingeniería Hidráulica, Universidad de Chile – mail: milmunoz@ing.uchile.cl.
2Ingeniero Civil, Directora Departamento de Ingeniería Civil, Universidad de Chile – mail: xvargas@ing.uchile.cl.
Puede descargar el archivo en el siguiente link:
Dejar una contestacion
Lo siento, debes estar conectado para publicar un comentario.