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

• Autor: Rafael Miñope, Willians Franklin
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/12637
• Enlace del recurso: https://hdl.handle.net/20.500.12802/12637
• Nivel de acceso: acceso abierto
• Materia: Tetis; Modelo híbrido; Inteligencia artificial; https://purl.org/pe-repo/ocde/ford#2.01.01

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.