Pronóstico del nivel diario de un río basado en el desarrollo de una red neuronal artificial: estudio de caso en La Virginia – Risaralda
DOI:
https://doi.org/10.17533/udea.redin.n76a06Palabras clave:
pronóstico de inundaciones, riesgo de inundación, redes neuronales artificialesResumen
El municipio de La Virginia (Risaralda, Colombia) está constantemente afectado por inundaciones que se originan debido al aumento de los niveles de agua en el río Cauca. Los organismos de socorro y atención de desastres actualmente no tienen sistemas adecuados de vigilancia para identifi car eventos potenciales de desbordamiento en el tiempo, y así evitar daños por inundaciones a las viviendas o daños a la población en general. En este trabajo, se proponen diversos modelos de simulación para la predicción de inundaciones que contribuye como una herramienta técnica para el desarrollo e implementación de sistemas de alerta temprana para mejorar la capacidad de respuesta de los organismos de socorro. Los modelos, están basados en redes neuronales artifi ciales y toman la información hidroclimatológica de diferentes estaciones existentes a lo largo de la cuenca del río Cauca, donde la tendencia indica el nivel medio diario del río durante las siguientes 48 horas. Esta metodología se puede aplicar fácilmente a otras zonas urbanas expuestas a los riesgos de inundación en países en desarrollo.
Descargas
Citas
J. Pulecio. Mitigación de inundaciones ocasionadas por los ríos Risaralda y Cauca en el Municipio de La Virginia, Departamento de Risaralda. Informe final de Consultoría a la Corporación Autónoma Regional de Risaralda (CARDER). Pereira, Colombia. 2010. pp. 1-24.
H. Vásquez, M. Holguín, G. Osorio. Base Ambiental con Énfasis en Riesgos. Municipio de La Virginia. Documento técnico de la Corporación Autónoma Regional del Risaralda -CARDER-. Pereira, Colombia. 2002. pp. 1-104.
Alcaldía de La Virginia - Risaralda. Nuestro Municipio: Geografía. Available on: http://www.lavirginia-risaralda.gov.co/informacion_general.shtml. Accessed: March 22, 2011.
Departamento Administrativo Nacional de Estadística (DANE). Boletín Censo General 2005. Perfil La Virginia, Risaralda. DANE. Bogotá, Colombia. 2010. pp. 1-6.
Dirección de Gestión de Riesgos (DGR), Corporación OSSO. Disaster Information System – DESINVENTAR. Available on: http://www.desinventar.net/DesInventar/main.jsp?countrycode=col. Accessed: May 15, 2011.
Comité Local para la Prevención y Atención de Desastres del Municipio de La Virginia (CLOPAD). Plan Local de Emergencia y Contingencia Municipio de La Virginia. CLOPAD. La Virginia, Colombia. 2009. pp. 1-151.
Corporación Autónoma Regional del Risaralda (CARDER). Diagnóstico de Riesgos Ambientales, Municipio de La Virginia. CARDER. Pereira, Colombia. 2002. pp. 1-50.
Consorcio Evaluación de Riesgos Naturales (ERN). Metodología de evaluación probabilista de riesgos naturales. Central American Probabilistic Risk Assessment (CAPRA). Available on: http://www.ecapra.org/es/metodolog%C3%ADa-de-evaluaci%C3%B3nprobabilista-de-riesgos-naturales. Accessed: February 26, 2011.
D. Matich. Redes Neuronales: Conceptos Básicos y Aplicaciones. Informe. Universidad Tecnológica Nacional. Rosario, Argentina. 2001. Available on: http:// www.scribd.com/doc/48697993/Virus-Hack-RedesNeuronales-Conceptos-Basicos-y-Aplicaciones. Accessed: March 3, 2011.
E. Caicedo, J. López. Una aproximación práctica a las redes Neuronales Artificiales. 1st ed. Ed. Programa Editorial Universidad del Valle. Cali, Colombia. 2009. pp. 1-217.
R. González, X. Vargas, A. López, L. Belmar. Sistema de alerta de crecidas en el río Biobío. Uso recursivo de un modelo de Redes Neuronales. Proceedings of the III Encuentro de Aguas. Santiago, Chile. 2002. Available on: http://www.bvsde.paho.org/bvsacd/encuen/gonza. pdf. Accessed: March 14, 2011.
C. Guerreño, O. Ferreira, L. Chamorro, R. Almirón. “Análisis de Modelos Matemáticos Aplicados al Estudio del Río Paraguay”. Revista de Ciencia y Tecnología. Vol. 1. 2001. pp. 111-118.
S. Hag. “Artificial Neural Networks (ANNs) for flood forecasting at Dongola Station in the River Nile, Sudan”. Alexandria Engineering Journal. Vol. 53. 2014. pp. 655-662.
W. Chih. “Comparing lazy and eager learning models for water level forecasting in river-reservoir basins of inundation regions”. Environmental Modelling & Software. Vol. 63. 2015. pp. 137-155.
B. Unal, M. Mamak, G. Seckin, M. Cobaner. “Comparison of an ANN approach with 1-D and 2-D methods for estimating discharge capacity of straight compound channels”. Advances in Engineering Software. Vol. 41. 2010. pp. 120-129.
C. Wei, L. Wen, H. Ming. “Comparison of ANN approach with 2D and 3D hydrodynamic models for simulating estuary water stage”. Advances in Engineering Software. Vol. 45. 2012. pp. 69-79.
B. Balouchi, M. Nikoo, J. Adamowski. “Development of expert systems for the prediction of scour depth under live-bed conditions at river confluences: Application of ANNs and the M5P model tree”. Applied Soft Computing Journal. Vol. 34. 2015. pp. 51-59.
H. Badrzadeh, R. Sarukkalige, A. Jayawardena. “Impact of multi-resolution analysis of artificial intelligence models inputs on multi-step ahead river flow forecasting”. Journal of Hydrology. Vol. 507. 2013. pp. 75-85.
F. Chang, P. Chen, Y. Lu, E. Huang, K. Chang. “Realtime multi-step-ahead water level forecasting by recurrent neural networks for urban flood control”. Journal of Hydrology. Vol. 517. 2014. pp. 836-846.
G. Ovando, M. Bocco, S. Sayago. “Redes Neuronales para Modelar la Predicción de Heladas”. Revista Agricultura Técnica. Vol. 65. 2005. pp. 65-73.
Universidad del Valle, Corporación Autónoma Regional del Valle del Cauca (CVC). Volumen I: Caracterización del Río Cauca Tramo Salvajina – La Virginia. Available on: http://www.cvc.gov.co/cvc/Mosaic/Publicacionesf1.html#volumen1. Accessed: April 12, 2011.
Universidad del Valle, Corporación Autónoma Regional del Valle del Cauca (CVC). Volumen IV y V: Caracterización de Ríos Tributarios del Rio Cauca Tramo Salvajina – La Virginia. Available on: http://www.cvc.gov.co/cvc/Mosaic/Publicacionesf1.html#volumen4. Accessed: April 3, 2011.
M. Gestal. Introducción a las Redes de Neuronas Artificiales. Universidade da Coruña. http://sabia.tic.udc.es/mgestal/cv/RNAtutorial/TutorialRNA.pdf. Accessed: March 20, 2011.
F. Sánchez. Medidas Puntuales de Permeabilidad. Universidad de Salamanca. Available on: http://hidrologia.usal.es/temas/Slug_tests.pdf. Accessed: March 20, 2011.
M. Wanielista, R. Kersten, R. Eaglin. Hydrology: water quantity and quality control. 2nd ed. Ed. John Wiley & Sons. New York, USA. 1997. pp. 1-592.
M. Bruen, J. Yang. “Functional networks in real-time flood forecasting -a novel application”. Advances in Water Resources. Vol. 28. 2005. pp. 899-909.
L. Feng, J. Lu. “The practical research on flood forecasting based on artificial neural networks”. Expert Systems with Applications. Vol. 37. 2010. pp. 2974-2977.
J. García, A. López, J. Romero, A. García, C. Camacho, J. Cantero, et. al. “Hojas de cálculo para la simulación de redes de neuronas artificiales (RNA)”. Questiió. Vol. 26. 2002. pp. 289-305.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2015 Revista Facultad de Ingeniería Universidad de Antioquia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter