Sistemas Inteligentes para el ajuste de Modelos Hidrológicos.Aplicación al río Paraná

Author

La Red Martínez, María del Carmen Montserrat

Director

Crespo Fidalgo, José Luis

Date of defense

2013-07-29

Legal Deposit

SA.476-2013

Pages

232 p.



Department/Institute

Universidad de Cantabria. Departamento de Matemática Aplicada y Ciencias de la Computación

Abstract

El objetivo es la implementación de sistemas inteligentes para ajustar modelos hidrológicos, comparando las series temporales con redes neuronales, que permitan el aprendizaje y ajuste de parámetros para la obtención de modelos que realicen predicciones óptimas de alturas del río Paraná, en períodos de inundaciones. El interés radica en su aplicación en la provincia de Corrientes, Argentina, afectada por inundaciones que ocasionan pérdidas en la economía regional. Se realiza un análisis previo con series temporales que permite establecer las variables y factores que determinan las alturas hidrométricas, en períodos de inundación en la localidad de Corrientes. Posteriormente se presenta un pronóstico a corto plazo en períodos de crecidas, que predice las alturas hidrométricas a tres días implementando redes neuronales con función de penalización modificada. Se finaliza con un pronóstico a mediano plazo, para períodos de inundación, de alturas hidrométricas a siete días que se realiza con redes neuronales con diferentes arquitecturas.


The aim is the implementation of intelligent systems to adjust hydrological models comparing time series and neural networks which allow learning and setting parameters for models that make optimal predictions of the Paraná river heights in flood periods. The interest lies in its implementation in the province of Corrientes, Argentina, hit by floods causing losses in regional economy. We performed a time-series analysis to discover the variables and factors that influence the hydrometric height in flood periods in the town of Corrientes. Subsequently we present a short-term prediction for flood periods, which predicts the hydrometric heights three days in advance, using neural networks with a modified penalty function. Then we obtain a medium-term forecast for flood periods, seven days in advance, using neural networks with different architectures.

Keywords

sistemas inteligentes; modelos hidrológicos; aprendizaje automático; redes neuronales; redes neuronales modificadas; series temporales; inundaciones; Río Paraná; intelligent systems; hydrological models; machine learning; neural networks; modified neural networks; time series; floods

Subjects

004 - Computer science and technology. Computing. Data processing; 51 - Mathematics; 60 - Biotechnology; 626/627 - Hydraulic engineering and construction. Water (aquatic) structures

Knowledge Area

Inteligencia Aritificial. Matemática Aplicada

Documents

TesisMCMRM.pdf

16.58Mb

 

Rights

ADVERTENCIA. El acceso a los contenidos de esta tesis doctoral y su utilización debe respetar los derechos de la persona autora. Puede ser utilizada para consulta o estudio personal, así como en actividades o materiales de investigación y docencia en los términos establecidos en el art. 32 del Texto Refundido de la Ley de Propiedad Intelectual (RDL 1/1996). Para otros usos se requiere la autorización previa y expresa de la persona autora. En cualquier caso, en la utilización de sus contenidos se deberá indicar de forma clara el nombre y apellidos de la persona autora y el título de la tesis doctoral. No se autoriza su reproducción u otras formas de explotación efectuadas con fines lucrativos ni su comunicación pública desde un sitio ajeno al servicio TDR. Tampoco se autoriza la presentación de su contenido en una ventana o marco ajeno a TDR (framing). Esta reserva de derechos afecta tanto al contenido de la tesis como a sus resúmenes e índices.

This item appears in the following Collection(s)