Modelo de pronóstico de escasez y sobreoferta de agua en una cuenca altoandida basado en análisis Big Data
Antecedentes: El agua es uno de los recursos naturales más abundantes a nivel mundial, además es de vital importancia para el desarrollo de la vida. En Colombia anualmente pueden caer más 11000 mm de agua mediante precipitación dependiendo de la región del país llegando a contar con cerca de 60 L/s...
| Author: | |
|---|---|
| Format: | master thesis |
| Status: | Published version |
| Publication Date: | 2018 |
| Country: | Colombia |
| Institution: | Universidad del Cauca |
| Repository: | Repositorio Unicauca |
| Language: | Spanish |
| OAI Identifier: | oai:repositorio.unicauca.edu.co:123456789/1370 |
| Online Access: | http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1370 |
| Access Level: | Open access |
| Keyword: | Precipitation Flow Prediction Random Forest High Andean Basin Precipitación Caudal Predicción Cuenca Altoandina |
| Summary: | Antecedentes: El agua es uno de los recursos naturales más abundantes a nivel mundial, además es de vital importancia para el desarrollo de la vida. En Colombia anualmente pueden caer más 11000 mm de agua mediante precipitación dependiendo de la región del país llegando a contar con cerca de 60 L/s por km2 a partir de la escorrentía. No obstante, durante las épocas de sequía este rendimiento hídrico se ve afectado, por esta razón es necesario contar con modelos que permitan adelantarse a este tipo de eventos. En este sentido, la predicción de eventos de sequía y sobreoferta de recurso hídrico juega un papel importante para todos los sectores socioeconómicos que depende de este recurso. Objetivos: Desarrollar un modelo de estimación de eventos de sequía y sobreoferta de recurso hídrico en una cuenca, que de soporte a las decisiones de las autoridades ambientales y/o entidades encargadas de la Gestión Integrada del Recurso Hídrico (GIRH). Métodos: Se propone un modelo de estimación de caudal mediante el uso de información de múltiples fuentes a diferente escala espacial y una herramienta para la conformación de una base de datos con estas características; el enfoque principal de este modelo se encuentra en el uso de información con relación directa e indirecta con la precipitación y el caudal de los afluentes en una cuenca altoandina. La herramienta desarrollada, realiza de manera semiautomática los procesos de minería de datos necesarios para la conformación de una base de datos de calidad. El modelo de estimación de caudal está basado en técnicas de aprendizaje máquina lo que permite tener un buen ajuste entre el valor de caudal predicho y el valor real. Resultados: Dos conjuntos de datos para la estimación de la precipitación y la estimación de caudal en una cuenca altoandina, una herramienta semiautomática para la conformación del conjunto de datos multiescala, un modelo de estimación de la precipitación y un modelo de estimación de caudal en una cuenca altoandina. Conclusiones: El modelo basado en la técnica de aprendizaje máquina Random Forest presentó un mejor desempeño al momento de estimar la cantidad de agua precipitada y el caudal respecto a otras técnicas de aprendizaje máquina. Se requiere de más información para lograr resultados donde se observe una menor subestimación de la precipitación y el caudal. |
|---|