Modelamiento de precipitación - escorrentía aplicando un modelo híbrido y técnicas de inteligencia artificial en la Cuenca del Río Chancay Lambayeque

Abstract

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.