Desarrollo de un modelo hidrológico semidistribuido a nivel diario mediante redes neuronales en cuencas de la costa peruana

Abstract

La falta de información hidrometeorológica presente en el Perú, así como la complejidad de la naturaleza de la cuenca, hace de un reto para los ingenieros que se dedican en esta área de la ingeniería. A fin de solucionar esta problemática es que se aplican los modelos hidrológicos, sin embargo, la realidad es que estos modelos, en su gran mayoría, no son desarrollados en el Perú, por lo que su aplicabilidad es limitada y con un cierto grado de incertidumbre. Es en este contexto en el que se desarrolla la presente tesis, donde se busca evaluar las redes neuronales como una herramienta capaz de brindar un modelo que contemple la realidad peruana. Para el desarrollo de la tesis se tuvieron en cuenta la disponibilidad de información hidrometeorológica, las cuales son caudal, precipitación y temperatura a nivel diario, el tipo de suelo y la topografía, dentro del área de la costa peruana, identificándose tres subcuencas del río Piura, una subcuenca del río Chillón y una del río Fortaleza. El modelo a desarrollar es del tipo semidistribuido, por lo que se definieron las Unidades de Respuesta Hidrológica para cada una de las subcuencas, de acuerdo al tipo de suelo y la dirección de pendiente. Por otro lado, las redes neuronales a evaluar son las redes neuronales prealimentadas y las redes tipo NARX, en sus dos versiones, debido a su capacidad de resolver problemas del tipo regresión. De manera específica se busca, no solo evaluar la aplicabilidad de las RNA, sino también un grupo de características de las mismas, la influencia que tiene el tipo de red, la arquitectura, los datos de entrada, el tiempo de retardo y el tiempo de aprendizaje, además de comparar las RNA con el modelo GR4J. Los resultados muestran que las redes del tipo NARX, la cual consideran al caudal de días anteriores como un dato de entrada, presentan los mejores desempeños de acuerdo al indicador NSE, con valores que no bajan de 0.6 en las pruebas de testeo, y en calibración no baja de 0.8, sin embargo al ser evaluado en la simulación de eventos extraordinarios como el caso del FEN del 83, se observa que, de acuerdo a la metodología usada, la red no es capaz de representar el caudal a escala diaria, pero si a escala mensual. Por otra parte, del tipo de dato de entrada, la RNA es capaz de prescindir de la temperatura y la evapotranspiración, generada a partir de la temperatura. En comparación con el modelo GR4J, la RNA supera con diferencia a dicho modelo de acuerdo al NSE, por otro lado, en la simulación de eventos extraordinarios, a escala diaria no existe esta diferencia, pero si para una escala mensual.

The lack of hydrometeorological information present in Peru, as well as the complexity of the nature of the basin, makes it a challenge for engineers who are engaged in this area of engineering. In order to solve this problem, hydrological models are applied, however, the reality is that these models, for the most part, are not developed in Peru, so their applicability is limited and with a certain degree of uncertainty. It is in this context that the present thesis is developed, where it is sought to evaluate the neural networks as a tool capable of providing a model that contemplates the Peruvian reality. For the development of the thesis, the availability of hydrometeorological information was taken into account, which are daily flow, precipitation and temperature, soil type and topography, within the Peruvian coast area, identifying three sub-basins of the Piura River, a sub-basin of the Chillón river and one of the Fortaleza river. The model to be developed is of the semi-distributed type, so the Hydrological Response Units were defined for each of the sub-basins, according to the type of soil and the slope direction. On the other hand, the neural networks to be evaluated are pre-fed neural networks and NARX-type networks, in their two versions, due to their ability to solve regression-type problems. Specifically, it is sought not only to evaluate the applicability of ANNs, but also a group of their characteristics, the influence of the type of network, the architecture, the input data, the delay time and the time of learning, in addition to comparing ANNs with the GR4J model. The results show that NARX type networks, which consider the flow of previous days as an input, have the best performance according to the NSE indicator, with values that do not fall below 0.6 in the test tests, and in calibration It does not fall below 0.8, however, when it is evaluated in the simulation of extraordinary events such as the case of the ENSO of 83, it is observed that, according to the methodology used, the network is not able to represent the flow rate on a daily scale, but if On a monthly scale. On the other hand, of the type of input data, ANN is capable of dispensing with temperature and evapotranspiration, generated from temperature. In comparison with the GR4J model, the ANN exceeds this model according to the NSE, on the other hand, in the simulation of extraordinary events, this difference does not exist on a daily scale, but for a monthly scale.