INVESTIGADORES
ZIMMERMANN Erik Daniel
congresos y reuniones científicas
Título:
Redes Funcionales Aplicadas al Pronóstico de Niveles para un Curso de Llanura del Gran Rosario
Autor/es:
CARLOS SCUDERI,; RICCARDI GERARDO,; ZIMMERMANN, ERIK DANIEL
Lugar:
Resistencia
Reunión:
Congreso; XXIII Congreso Nacional del Agua y VI Simposio de Recursos Hídricos del Cono Sur; 2011
Institución organizadora:
Comite Permanente por los Congresos del Agua
Resumen:
Se presenta la aplicación de redes funcionales (RF) al pronóstico de niveles en un curso de llanura con futura implementación a un sistema de alerta contra inundaciones. El objetivo del trabajo es evaluar el comportamiento de diferentes RF aplicadas al cálculo de niveles para el arroyo Ludueña (zona del Gran Rosario, sur de Santa Fe, Argentina). La cuenca en estudio, de 740 km2, posee 15 sensores, 4 pluviométricos y 11 limnimétricos, con transmisión automática cada 15 minutos. El registro de datos abarca desde el 01/07/2007 al 30/06/2010, es decir 3 años. La cuenca fue dividida en 10 subcuencas en correspondencia con los sensores limnimétricos, mientras que la precipitación asociada a cada subcuenca fue estimada por la metodología de Thiessen. Se consideraron aquellos eventos con una precipitación total mayor a 10 mm y aumento de nivel en la sección de medición superior a 10 cm; obteniendo así un promedio de 14 eventos por subcuenca. Los eventos resultantes, para cada subcuenca, fueron divididos en dos grupos; uno para entrenamiento y otro para validación de las RF. Se propusieron y analizaron tres familias de funciones: polinómica, exponencial y de Fourier. Se utilizaron como datos de entrada la precipitación y el nivel en un tiempo T0 para obtener los niveles a distintos horizontes de pronóstico, desde 1 hasta 6 horas como datos de salida. Los resultados, en términos de niveles, fueron evaluados a través de los índices: coeficiente de determinación R2 y raíz del error cuadrático medio RMSE; así como en forma visual fueron comparadas las diferencias entre tiempo al pico pronosticado y observado, y entre nivel máximo pronosticado y observado. En general, los mejores resultados se obtuvieron para la función polinómica. Por otro lado, a medida que el horizonte de pronóstico aumenta la calidad de los pronósticos disminuye. Los resultados obtenidos hasta el presente son alentadores evidenciando la capacidad de ‘aprendizaje’ y reproducción de eventos de este tipo de modelo. Sin embargo, una duda latente es el comportamiento que tienen los mismos frente a eventos de mayor magnitud a los utilizados en la etapa de entrenamiento.
rds']