Aplicación de técnicas de modelación hidrológicas para pronóstico a corto plazo en El Salvador, caso de estudio : cuenca del río Torola

Abstract

En este documento se pretende explorar técnicas de modelación hidrológica para el pronóstico de caudales en El Salvador. Dichos modelos establecen relaciones entre variables hidrometeorológicos tales como evapotranspiración, precipitación y caudal. Entre las herramientas ocupadas están los modelos auto-correlativos, Regresión Lineal Múltiple (MLR), Modelo de Árbol (M5-MT) y las Redes Neuronales Artificiales (ANN) con diferentes funciones de activación. La primera parte de la investigación se enfoca en encontrar las variables hidrometeorológicas pasadas que brindan mayor información a los caudales pronosticados en la cuenca del Rio Torola, usando las características físicas de la cuenca y herramientas estadísticas como el Coeficiente de Correlación (CoC) y la Información Mutua Promedio (AMI). Una vez definido las variables de entrada del modelo, se evaluaron los resultados de las diferentes herramientas de modelación hidrológica ocupando funciones de evaluación tales como el Error Medio (ME), Eficiencia Nash-Sutcliffe (NSE), Coeficiente de determinación (R2), Raíz del Error Cuadrático de la Media (RMSE) y su valor normalizado (NRMSE). Los resultados muestran que, para pronóstico hidrológico con 1 hora de tiempo de ventaja, la arquitectura de Redes Neuronales Artificiales (ANN) con función de activación hiperbólica reproduce de forma precisa los caudales observados. Sin embargo, existen algunas subestimaciones del modelo, los cuales son debido a la falta de información de precipitación horaria en la parte alta y media de la cuenca. Adicionalmente, se evaluaron modelos de pronósticos para 2 y 3 horas de tiempo de ventaja, los cuales aumentan su error con respecto al caudal observado de 1 hora de tiempo de ventaja, pero se mantienen dentro de un rango muy bueno en su desempeño.