Modelación hidrológica de largo plazo en la cuenca baja del Río Magdalena

Abstract

A long term forecast of river levels is beneficial for entities in charge of preparing control measures, flood risk prevention, as well as for other entities interested in these long term level forecasts. The objective of this research project is to implement a long term hydrological model, these models will be made through the use of the ARIMA function in its "AR" or auto-regression form, also the model based on an artificial neural network (RNA) of multilayer perception type will be implemented, when implementing these two models it is sought to measure their efficiency by means of the coefficient of efficiency NSE, its quadratic error RMSE, finally, the Mann-Kendall analysis will identify sets of trends in the input data obtained from the IDEAM database, each of these parameters will help to define which forecast model has a better behavior in relation to its real data. Discussions and conclusions will be drawn from these forecasts and the parameters used to measure their efficiency and error.

Un pronóstico de largo plazo de los niveles del río es beneficioso para las entidades encargadas de la preparación de medidas de control, prevención del riesgo de inundaciones, como también para otras entidades interesadas en estos pronósticos de niveles a largo plazo. El objetivo de este proyecto de investigación es implementar un modelo hidrológico de largo plazo, estos modelos se realizarán a través del uso de la función ARIMA en su forma “AR” o auto regresiva, también se implementará el modelo basado en una red neuronal artificial (RNA) de tipo perceptrón multicapa, al implementar estos dos modelos se busca medir su eficiencia por medio del coeficiente de eficiencia NSE, su error cuadrático RMSE, finalmente el análisis Mann-Kendall el cual permitirá identificar conjuntos de tendencias en los datos de entrada de nivel del rio obtenidos por medio de la base de datos del IDEAM, cada uno de estos parámetros serán de ayuda para definir qué modelo de pronóstico presenta un mejor comportamiento en relación a su dato real, se plantearan discusiones y conclusiones a partir de estos pronósticos arrojados y los parámetros usados para medir su eficiencia y error.