Aplicación de un modelo hidrológico de pronóstico para el desarrollo inicial de un sistema de alerta temprana (SAT) en el valle del Alto Cachapoal VI Región

Abstract

El pronóstico de caudales de crecida y su utilidad para la prevención de catástrofes ha llevado a la comunidad internacional desde los inicios del siglo XXI, con la Organización de Naciones Unidas (ONU) como líder, a impulsar la creación de Sistemas de Alertas Tempranas de crecidas en diversos países propensos a riesgo de eventos meteorológicos extremos. Muchos enfoques que se han tomado por parte de la comunidad científica experta en hidrología para fines de pronóstico de caudales ha sido el uso de la inteligencia artificial y su gran poder predictivo. En esta investigación se generan, entrenan y testean seis modelos de Redes Neuronales Recurrentes Long-Short Term Memory (LSTM) con el propósito de impulsar un Sistema de Alertas Tempranas (SAT), que sirva de ayuda para pronosticar crecidas en los ríos de Pangal y Cachapoal en el valle del Alto Cachapoal de la VI Región. Para lograr esto se utilizan los datos horarios de precipitación y caudal de las estaciones Pangal en Pangal y Cachapoal 5 km aguas abajo junta Cortaderal y se seleccionan las crecidas con un periodo de retorno mayor a un año para utilizar como base de información. Los modelos están ensamblados para que tengan un tiempo de predicción definido de uno, tres y cinco horas de adelanto para cada cuenca. Los resultados indican que los pronósticos de una hora de tiempo de adelanto logran reproducir de manera exitosa las dinámicas de caudal para las crecidas de testeo, llegando a tener indicadores R2 de 0,98 y 0,82 para los sets de testeo de Cachapoal y Pangal respectivamente. A medida que se aumentan los tiempos de adelanto los resultados disminuyen su calidad y se produce un fenómeno de límite superior de predicción en donde el modelo no logra predecir caudales de más de 200 y 150 (m3/s) para cada cuenca, respectivamente. Las pruebas realizadas para evaluar la capacidad de los modelos hidrológicos utilizando datos de otras cuencas arrojaron resultados prometedores en cuanto a su capacidad de generalización. En particular, se encontró que el modelo de Cachapoal presentó un ajuste de mayor R2 que el modelo específico de la cuenca de Pangal. Este resultado sugiere que el modelo de Cachapoal tiene una mayor capacidad de adaptación a diferentes condiciones hidrológicas y una mayor precisión en la predicción de crecidas en cuencas distintas a la que fue ajustado originalmente Finalmente, se explicitan los pasos necesarios para continuar con el desarrollo del proyecto, se comentan líneas de investigación afines y útiles para el complemento del proyecto, se entregan directrices para la utilización de los modelos y se recomienda la incorporación de una nueva estación fluviométricas para la cuenca del Río Cipreses.