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.