Modelamiento de precipitación - escorrentía aplicando un modelo híbrido y técnicas de inteligencia artificial en la Cuenca del Río Chancay Lambayeque
![Thumbnail](/themes/Mirage2/images/default.png)
Fecha
2024Autor(es)
Rafael Miñope, Willians Franklin
Metadatos
Mostrar el registro completo del ítemResumen
La presente indagación tuvo como propósito emplear un modelo híbrido y técnicas de
inteligencia artificial (IA) al modelamiento de precipitación-escorrentía en la cuenca del río
Chancay Lambayeque; la metodología radicó en el uso y tratamiento de datos registrados de
precipitación y escorrentía provenientes de doce estaciones y considerando un periodo de 30
años (1991 – 2020); partiendo del estudio y procesamiento de información como parte de los
resultados tenemos, que la calibración del modelo distribuido TETIS se efectuó en base al
70% de los registros, donde se obtuvo una eficiencia de Nash-Sutcliffe (NSE) de 0.6284,
mientras que el 30% de información restante se empleó para su validación, donde se obtuvo
un NSE de 0.6373, correspondiéndole el calificativo de “satisfactorio”; posteriormente la
calibración y validación del modelo híbrido basado en técnicas de IA, se ejecutó empleando
Redes de Memoria de Largo a Corto Plazo (LSTM), con el cual se alcanzó en la fase de
validación un NSE igual a 0.927, calificándolo como un modelamiento “muy bueno”;
finalmente, se concluye recomendando el uso de redes LSTM para modelamientos que
impliquen series temporales, pues la sencillez de su manejo y óptimos resultados que
alcanzan, los hacen muy útiles.
Materias
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia: