INVESTIGADORES
ZIMMERMANN Erik Daniel
congresos y reuniones científicas
Título:
Aplicación de Redes Funcionales al Pronóstico de Niveles de un Curso de Llanura
Autor/es:
CARLOS SCUDERI,; GERARDO RICCARDI,; ZIMMERMANN, ERIK DANIEL
Lugar:
Punta del Este
Reunión:
Congreso; XXIV Congreso Latinoamericano de Hidráulica, Asociación Internacional de Investigaciones Hidráulicas División Latinoamericana; 2010
Institución organizadora:
Asociación Internacional de Investigaciones Hidráulicas División Latinoamericana
Resumen:
La zona del Gran Rosario (Santa Fe, Argentina) ha sido afectada por eventos pluviométricos intensos en forma periódica, el último de ellos en marzo de 2007. Este hecho sumado a la creciente presión antrópica incrementan la vulnerabilidad de la población frente a las inundaciones, por lo que la protección de vidas humanas y bienes materiales cobra cada vez mayor importancia. A comienzos de 2007, la autoridad provincial del agua tramitó la instalación de una red de sensores registradores de precipitación y niveles en cursos de agua a tiempo real; con el objeto de constituir un sistema de alerta contra inundaciones (Riccardi et al., 2008 y 2009). Un sistema de alerta contra inundaciones está compuesto por una red de sensores que recolectan datos hidrológicos (principalmente lluvia y niveles de agua), un sistema de transmisión de datos a tiempo real (vía radio, telefónica, fibra óptica o satelital) y un modelo matemático de previsión de niveles. Aldana Valverde (2002) indica las cualidades que debe cumplir la modelación de sistemas de alerta para ser utilizada en tiempo real: sencillez de operación, precisión de resultados, tiempo de ejecución breve y capacidad de autocalibración de parámetros. Los modelos de previsión pueden ser de dos tipos, distribuídos o concentrados; los primeros están físicamente basados representando con mayor rigurosidad los procesos fisicos que se desarrollan en la cuenca durante una crecida. Por el contrario, los modelos concentrados (o tipo caja negra) al no considerar la fisica del proceso, relacionan la precipitación con el nivel de agua en los cursos de forma muy simplificada. Sin embargo, esta simpleza es lo que hace que comiencen a ser vistos como una opción válida para el pronóstico de crecidas; entre los modelos más populares destacan las redes neuronales (RN) y las redes funcionales (RF). Una RF está compuesta por los siguientes elementos (Castillo, 1998): (a) una primer capa de unidades de entrada, la cual contiene los datos de entrada, (b) una o varias capas de neuronas o unidades de cómputo, donde ingresa un conjunto de valores de entrada (suministrados por la capa anterior) y se obtiene un conjunto de valores de salida hacia la próxima capa, (c) una capa de unidades de salida, cuyo contenido son los datos de salida, y (d) un conjunto de vinculos dirigidos que conectan la capa de entrada con la primer capa de neuronas, las neuronas de una capa con las neuronas de la siguiente capa, y la última capa de neuronas a las unidades de salida. Dado que las RF pueden ser consideradas como una generalización de las RN, a continuación se presentan las principales diferencias entre ambos modelos. En las RN la topología es elegida por ensayo y error mientras que en las RF la topología es dependiente del problema, pudiendo ser simplificada mediante ecuaciones funcionales. Por otro lado en las RN las funciones neuronales son especificadas mientras que los pesos son ajustados en el proceso de entrenamiento; en contrapartida en el caso de las RF no es necesario especificar las funciones neuronales ya que estas aprenden a partir de los datos de entrada. Una tercer diferencia conceptual es que en las RN todas las funciones neuronales son idénticas, univariadas y de un solo argumento; en tanto que en las RF las funciones neuronales pueden ser diferentes, multivariadas y de múltiples argumentos.