Previsión de niveles a corto plazo con redes neuronales artificiales en el río Paraguay: estación de Asunción

Abstract

Para la previsión a corto plazo de niveles fluviométricos del río Paraguay en la estación de Asunción, se adoptó como área de estudio, el tramo de río comprendido entre las ciudades de Concepción y Asunción, aplicándose el modelo empírico de redes neuronales artificiales, cuyos datos de entrada fueron observaciones diarias de precipitación y niveles, de estaciones hidrométricas que se encuentran en el área de estudio; para niveles se utilizaron las estaciones de Concepción y Asunción, para las precipitaciones se utilizaron las estaciones del Aeropuerto Internacional Silvio Pettirossi (Asunción), Aeródromo de Concepción, Aeródromo de San Pedro del Ycuamandyyú y San Estanislao. Preliminarmente, fueron realizadas correlaciones y autocorrelaciones de todos los datos, para la definición de las entradas de los modelos. Para tener en cuenta las condiciones de humedad antecedente fue utilizado el recurso de medias móviles ponderadas exponencialmente de las lluvias pasadas. El modelo de redes neuronales artificiales posee una arquitectura de múltiples capas, con una sola capa intermedia y la función de activación del tipo sigmoide bipolar, siendo entrenado con el algoritmo retropropagativo. Para evitar el super ajuste se utilizó la técnica de validación cruzada, y una forma original de repartición de las muestras de entrenamiento, validación y verificación, basada, no en la cantidad de registros, pero si en la representatividad de estos, para el entrenamiento. Los horizontes temporales estudiados van de 1 a 30 días. La aplicación del modelo, demostró tener un buen desempeño hasta alcances del orden de 15 días, con error medio de 32 cm y coeficiente de Nash-Sutcliffe del orden de 0.904, así también se destaca que se obtuvieron menores errores y mayores proporciones de varianzas explicadas cuanto menor fue el horizonte temporal. Los modelos de redes neuronales artificiales se mostraron mejores que la alternativa de prever para el futuro los mismos niveles observados en el tiempo actual. Se concluye, por lo tanto, que, incluso en ríos que presentan regímenes lentos, como el río Paraguay en Asunción, puede ser importante contar con previsiones en tiempo actual, obtenidas con el uso de redes neuronales artificiales.