Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina

Autores/as

  • Carlos M. Scuderi Departamento de Hidráulica y Centro Universitario Rosario de Investigaciones HidroAmbientales.
  • Gerardo A. Riccardi Departamento de Hidráulica y Centro Universitario Rosario de Investigaciones HidroAmbientales. Investigador CIC-CIUNR. Universidad Nacional de Rosario.
  • Erik. D. Zimmermann Departamento de Hidráulica y Centro Universitario Rosario de Investigaciones HidroAmbientales. Investigador CONICET. Universidad Nacional de Rosario.

DOI:

https://doi.org/10.59069/7gdvmw93

Palabras clave:

cuencas de llanura, modelos de caja negra, pronóstico de niveles, redes funcionales

Resumen

Se presentan diferentes modelos de redes funcionales orientados a pronóstico de niveles, que fueron aplicados en cuencas del Gran Rosario. Las variables de entrada son precipitación y nivel vinculado a un tiempo t0, mientras que la salida está dada por niveles asociados a diferentes horizontes temporales tpi. A partir de los eventos observados, en promedio 10 tormentas sobre 15 estaciones limnimétricas, se calculan las combinaciones posibles para constituir dos grupos: uno para aprendizaje y otro para validación de la red. La evaluación de los modelos se efectúa por medio de distintos estadísticos, entre ellos: diferencia máxima en el nivel pico (Dpico), coeficiente de eficiencia de Nash-Sutcliffe (NS) y raíz del error cuadrático medio (RECM). Para los cuatro limnímetros presentados en este trabajo el valor de Dpico varía entre 0,04 m y 1,07 m, el de NS varía entre 0,99 y 0,75 y el de RECM fluctúa entre 0,03 m y 0,32 m, para tiempos de pronóstico desde 15 minutos hasta 6 horas respectivamente. Este tipo de modelos puede ser implementado en cualquier cuenca que posea datos de precipitación y niveles. Los resultados obtenidos hasta el presente son favorables, demostrando la capacidad de “aprendizaje” y simulación de eventos de estos modelos.

Referencias

Berga Casafont, L., 1990. La problemática de las inundaciones. Actuaciones estructurales y no estructurales frente a las avenidas. Revista de Obras Públicas, diciembre 1990, p. 17-23.

Berga Casafont, L, 1995. Aplicación de los sistemas de previsión de avenidas. Experiencias y problemática. Jornadas sobre el SAIH en la Gestión Hídrica, Ministerio de Obras Públicas, Transportes y Medio Ambiente. Dirección General de Obras Hidráulicas. Confederación Hidrográfica del Ebro, Marzo de 1995.

Bruen, M. and Yang, J., 2005. Functional networks in real-time flood forecasting – a novel application. Advances in Water Resources, 28: 899-909.

Campolo, M., Andreussi, P. & Soldati, A., 1999. River flood forecasting with a neural network model. Water Resources Research, 35(4):1191-1197.

Castillo, E., 1998. Functional Networks. Neural Processing Letters, 7:151-159.

Castillo, E. y Gutiérrez, J., 1998. Nonlinear time series modeling and prediction using functional networks. Extracting information masked by chaos. Physics Letters A, 244:71-84.

Dawson C. and Wilby, R., 1998. An artificial neural network approach to rainfall-runoff modelling. Hydrological Sciences – Journal – des Sciences Hydrologiques, 43(1):47-66.

Dueñas Molina, C., 1995. El SAIH y su aplicación a la Protección Civil. Jornadas sobre el SAIH en la Gestión Hídrica, Ministerio de Obras Públicas, Transportes y Medio Ambiente. Dirección General de Obras Hidráulicas. Confederación Hidrográfica del Ebro, Marzo de 1995.

Gruntfest, E., 1995. Long term social and economic impacts of extreme floods. US-Italy Research Workshop on the Hydrometeorology, Impacts and Management of Extreme Floods. Perugia (Italy). November 1995.

Hsu, K., Gupta, V. and Sorooshian, S., 1995. Artificial neural network modeling of the rainfall-runoff process. Water Resources Research, 31:2517-2530.

INTA, 1983. Instituto Nacional de Tecnología Agropecuaria. Cartas de Suelos de la República Argentina, Provincia de Santa Fe. Cartas varias.

Lekkas, D., Maxey, R. and Wheater, H., 2004. Intercomparison of forecasting methods for flood warning in the river cam catchment. Global Nest: the International Journal, 5(2):89-97.

Maier, H. and Dandy, G., 2000. Neural networks for the prediction and forecasting of water resources variables: a review of modelling issues and applications. Environmental Modelling & Software, 15:101-124.

Ogden, F., Sharif, H., Senarath, S., Smith, J., Baeck, M. and Richardson, J., 2000. Hydrologic analysis of the Fort Collins, Colorado, flash flood of 1997. Journal of Hydrology, 228:82-100.

Riccardi, G., Scuderi, C. y Stenta, H., 2002. Modelado de escurrimiento superficial con alto nivel de detalle en la cuenca del arroyo Ludueña, Santa Fe, Argentina. XIX Congreso Nacional del Agua, T33, Villa Carlos Paz, Córdoba, Argentina.

Riccardi, G., Zimmermann, E., Basile, P., Mancinelli, A., Scuderi, C., Rentería J. y García P., 2008. Rehidrología y Modelo de Simulación a Tiempo Real en Sistema de Alerta Hidrológico en las Cuencas de los Arroyos Ludueña y Saladillo. Informes Técnicos. Convenio entre el Ministerio del Aguas, Servicios Públicos y Medio Ambiente de Santa Fe y la Facultad de Ciencias Exactas, Ingeniería y Agrimensura de Rosario.

Scuderi, C., Riccardi, G. y Zimmermann, E., 2009. Sistema de alerta a tiempo real en la zona del Gran Rosario. Resultados Preliminares. XXII Congreso Nacional del Agua, Trelew, Chubut, nov. de 2009, 11 p.

Scuderi, C., Riccardi, G. y Zimmermann, E., 2011. Redes funcionales aplicadas al pronóstico de niveles para un curso de llanura del Gran Rosario. XXIII Congreso Nacional del Agua, Resistencia, Chaco, 28 p.

Scuderi, C., Riccardi, G. y Zimmermann, E., 2012. Aplicación de Redes Funcionales al pronóstico de niveles en dos cursos de llanura del Gran Rosario. 1er. Encuentro de Investigadores en Formación en Recursos Hídricos, Ezeiza, Buenos Aires, Junio 2012, 15 p.

Shrestha, R., Theobald, S. and Nestmann, F., 2005. Simulation of flood flow in river system using artificial neural networks. Hydrology and Earth System Sciences, 9(4):313-321.

Thirumalaiah, K. and Deo, M. 1998. Real-Time Flood Forecasting Using Neural Networks. Computer-Aided Civil and Infrastructure Engineering, 13:101–111.

Tucci, C. y Bertoni, C., 2003. Inundações Urbanas na América do Sul. Porto Alegre: Associação Brasileira de Recursos Hídricos, 150 p.

Descargas

Publicado

2015-06-30

Número

Sección

Artículos originales

Cómo citar

Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina. (2015). Revista De Geología Aplicada a La Ingeniería Y Al Ambiente, 34, 11-20. https://doi.org/10.59069/7gdvmw93