AGROPERÚ Informa Revista del agro peruano
El Senamhi Perú desarrolló el trabajo de investigación “Modelación hidrológica subdiaria utilizando redes de memoria a corto plazo para la prevención de crecidas rápidas en la cuenca del río Rímac”, que emplea inteligencia artificial para contribuir a las acciones de prevención de eventos hidrológicos extremos.
Los eventos de crecidas repentinas han incrementado su frecuencia en las últimas décadas, y en Perú se presentan especialmente entre los meses de noviembre y abril. Los modelos tradicionales de predicción de crecidas son cruciales para la evaluación de peligros y la gestión de eventos, aunque suelen ser complejos y a veces presentan rendimientos no tan satisfactorios.
Este trabajo desarrolla un modelo de inteligencia artificial (IA) basado en el aprendizaje profundo, específicamente utilizando redes “Long Short-Term Memory” (LSTM), el cual se centra en la asimilación de datos climáticos y parámetros hidrometeorológicos para la cuenca del río Rímac durante los meses de noviembre a mayo.
Para la generación del modelo LSTM se utilizó información de precipitaciones observadas de estaciones meteorológicas automáticas (EMA), precipitaciones satelitales, información de estaciones hidrológicas automáticas (EHA) y datos de eventos extremos que generaron crecidas en la cuenca del Rímac. El modelo LSTM constituye una herramienta alternativa y eficaz para la previsión de crecidas repentinas, dado que los resultados obtenidos muestran desempeños estadísticos sobresalientes para horizontes de pronóstico de 24 horas.
La tesis “Modelación Hidrológica Subdiaria Utilizando Redes de Memoria A Corto Plazo para la Prevención de Crecidas Rápidas en la Cuenca del Río Rímac” fue sustentada con honores por el especialista de la Dirección de Hidrología del Senamhi, James Vidal, en la maestría en Recursos Hídricos de la Universidad Nacional Agraria la Molina y dirigida por el subdirector de Estudios e Investigaciones Hidrológicas, Dr. Waldo Lavado Casimiro.
