SciELO - Scientific Electronic Library Online

 
vol.8 número2Potencial de fitoextracción de plantas de humedales para el cobre en cuerpos de aguaReactivación de lodo granular aerobio hipersalino después de almacenamiento a baja temperatura índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Tecnología y ciencias del agua

versión On-line ISSN 2007-2422

Resumen

KAN, Guangyuan et al. Simulación de caudales diarios mediante el método de aprendizaje automático mejorado. Tecnol. cienc. agua [online]. 2017, vol.8, n.2, pp.51-60. ISSN 2007-2422.  https://doi.org/10.24850/j-tyca-2017-02-05.

La simulación de caudales diarios se ha implementado por lo general mediante modelos hidrológicos distribuidos o conceptuales. En la actualidad, los datos hidrológicos, que pueden obtenerse con facilidad de sistemas automáticos de medición, son más que suficientes. Por lo tanto, el aprendizaje automático (machine learning) se ha convertido en una herramienta eficaz y popular, muy adecuada para la tarea de simulación de caudales. En este trabajo se propone un método de aprendizaje automático mejorado denominado modelo PKEK, basado en el modelo NU-PEK, previamente propuesto para generar resultados de simulación de flujo diario más precisos y estables. Los resultados de la comparación entre el modelo PKEK y el modelo NU-PEK indican que el modelo mejorado ofrece mayor exactitud y estabilidad, y tiene un excelente potencial de aplicación en la simulación de caudales diarios.

Palabras llave : aprendizaje automático; simulación de caudales diarios; modelo hidrológico; inundación; pronósticos de inundación; optimización global.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )