Un modelo de computadora que puede "aprender" de manera similar al cerebro humano podría ayudar a los administradores de recursos hídricos a mitigar los daños en casos de inundaciones extremas, según una investigación publicada en el Pertanika Journal of Science & Technology.
Las redes neuronales artificiales ANN son un método de computación inspirado biológicamente que puede recibir grandes cantidades de datos, encontrar patrones, aprender de ellos y luego desarrollar predicciones para eventos futuros. Se han propuesto como una herramienta útil para procesar el complejorelaciones entre grandes cantidades de datos relacionados con la transformación de la lluvia en escorrentía. Esta relación es uno de los problemas hidrológicos más difíciles que enfrentan los administradores de recursos hídricos.
Investigadores de la Universidad de Putra Malasia "enseñaron" un ANN para predecir la escorrentía diaria del río Bertam hacia el embalse de Ringlet a 200 km al norte de Kuala Lumpur. Recopilaron datos de lluvia diaria y flujo de la corriente del área de captación del río Bertam durante diez añosperíodo, de 2003 a 2012, y la evaporación diaria estimada del agua utilizando los datos de temperatura recogidos de la estación más cercana al embalse. Setenta por ciento de estos datos se ingresaron en el modelo para "entrenarlo", mientras que el 30% restante de los datos se utilizó parapruebe la precisión del modelo utilizando mediciones de evaluación estadística. El ANN fue desarrollado para mapear la relación entre la lluvia y la escorrentía. Cuantos más factores se usen, más precisos serán los resultados. El ANN fue capaz de predecir el flujo de la corriente del río en el embalse con un 76% de precisión.
"Los resultados indican que la red neuronal artificial es una herramienta poderosa para modelar la escorrentía de lluvia", escriben los investigadores en su estudio. "Los resultados obtenidos podrían ayudar a los administradores de los recursos hídricos a operar el reservorio adecuadamente en caso de eventos extremoscomo inundaciones y sequías ", agregan.
El poder predictivo de la ANN podría mejorarse mediante la inclusión de insumos adicionales como la deforestación, las actividades agrícolas y el uso de la tierra, dicen los investigadores.
Fuente de la historia :
Materiales proporcionado por Universiti Putra Malasia UPM . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :