Uso de redes neuronales artificiales calibradas en el periodo histórico para el pronóstico de caudales de deshielo proyectados en el periodo 2020-2050 en la Cuenca del río Maipo en el Manzano

Abstract

La variabilidad hidrológica es un factor importante en varios ámbitos del desarrollo de países, la falta de manejo y planificación futura de este recurso puede tener repercusiones graves como escasez, déficit de energía, etc. Dicho esto, es importante conocer el comportamiento de la disponibilidad del recurso hídrico en el período de deshielo con el fin de evitar impactos negativos en su gestión, más aún si se sabe que este ya no es totalmente estacionario debido al cambio climático. En este contexto, surge la idea de analizar si un modelo estocástico de pronóstico de variables hidrológicas calibrado a base de ejemplos pasados es posible de ser usada en el futuro. Utilizando Redes Neuronales Artificiales (desde ahora RNA) se realiza un pronóstico de caudales para la temporada de deshielo que se calibra en base a información histórica para validar su uso en el periodo 2020-2050 en la cuenca definida por la estación fluviométrica Maipo en el Manzano. Se trabaja a escala semanal, mensual y semestral para obtener los caudales medios y volumen total del período de deshielo (octubre a marzo). Para la calibración y validación de la RNA se utiliza información hidrometeorológica generada en el proyecto Actualización del Balance Hídrico Nacional que desde el año 2017 se lleva a cabo en el Departamento de Ingeniería Civil de la Universidad de Chile. En particular, se utilizaron las forzantes climáticas de los modelos climáticos MIROC-ESM, CSSM4, CSIRO e IPSL y los resultados de caudales obtenidos para el período futuro que se simulan en dicho estudio usando el modelo hidrológico VIC. La calibración de las RNA resultó en valores de NSE y KGE mayores a 0,9 y NMSE menores a 0,1, además se eligieron las estructuras más parsimoniosas según el criterio de AKAIKE para cada paso temporal donde las variables más relevantes fueron el caudal (Q) y equivalente de agua en nieve (SWE). El pronóstico mostró un 90% de las temporadas con error bajo el 20% (DGA, 2018) si el tiempo de adelanto es una temporada completa (modelo 1) y 100% de las temporadas con error bajo el 20% si el tiempo de adelanto es menor (modelo 2), lo que es considerado aceptable por la DGA. Además, se encuentra una disminución importante de la incertidumbre al analizar los resultados del modelo 2. Lo anterior indica que si es factible el uso de RNA calibradas en el periodo histórico para futuros no estacionarios en la cuenca de estudio.