PREDICCIÓN DE CAUDALES MEDIANTE REDES NEURONALES ARTIFICIALES EMPLEANDO INFORMACION DE SENSORES REMOTOS EN LA CUENCA EXPERIMENTAL DEL RÍO ICHU

Abstract

El objetivo de esta investigación es la predicción de caudales en la cuenca experimental del rio Ichu, mediante un modelo de red neuronal artificial exógeno autorregresivo no lineal (NARX). El área de estudio es la cuenca experimental del rio Ichu con un área de 620.10 km2, ubicado en la ciudad de Huancavelica región centro del Perú. Se desarrolló tres modelos de redes neuronales tipo NARX entrenados y validados, denominados NARX-CHIRPS, NARX-PISCO y NARX-GPM; teniendo como entradas externas cada productos de precipitación remota a escala diaria (CHIRPS v2, PISCO v2, GPM-IMERG v7). Para comparar los datos de estos productos con los datos de estaciones terrestres se usaron tres índices estadísticos, la raíz del error cuadrático medio (RMSE), suma cuadrada de residuos (SSE) y el Coeficiente de determinación (R2). Con los trabajos de campo (aforos realizados) y registro de niveles, se ha calibrado y obtenido al ecuación de descarga (altura-caudal) en la sección de aforo del rio Ichu para transformar niveles de flujo en caudales. Finalmente en esta investigación se comparó lo observado y lo predicho con los modelos NARX-CHIRPS, NARX-PISCO y NARX-GPM, en un conjunto Independiente de datos que no fueron utilizados en el entrenamiento ni en la validación de los tres modelos, los estadísticos analizados fueron la raíz del Error cuadrático medio (RMSE), suma cuadrada de residuos (SSE) y dieron Como resultados que los modelos tipo NARX, pueden predecir con éxito el Caudal del rio Ichu en un intervalo de tiempo de 1 a 2 días de anticipación con valores de contabilidad de 0.99, predicciones hasta el día 4 con valores de confiabilidad entre 0.727-0.905 y superior a los 4 días la confiabilidad nula, todo en función de las cantidades actuales de precipitación remota diaria. Palabras claves: Predicción de caudales, red neuronal autorregresiva no lineal con entrada exógena (NARX), precipitación remota.