Predicción de caudal del río Chira usando redes neuronales artificiales

Resumen

En este artículo se propone un modelo de redes neuronales artificiales para la predicción del caudal del río Chira, específicamente utilizando el modelo LSTM (Long Short-Term Memory), diseñado para el procesamiento de secuencias de datos como las series temporales. Este modelo es particularmente adecuado para esta tarea debido a su capacidad para capturar dependencias a largo plazo en los datos, lo cual es esencial cuando se trabaja con información hidrológica variable. Basándonos en datos registrados y obtenidos de la Plataforma Nacional de Datos Abiertos, buscamos desarrollar un sistema que permita estimar el nivel de caudal del río Chira con alta precisión. Este sistema será de gran utilidad no solo para los pobladores cercanos al río, quienes podrán recibir alertas tempranas sobre posibles crecidas y así tomar las medidas necesarias para protegerse, sino también para ingenieros especializados en la rama hidrológica. Los ingenieros podrán utilizar estas predicciones para planificar y gestionar mejor los recursos hídricos, realizar estudios de impacto ambiental y diseñar infraestructuras más eficientes y seguras. Además, la implementación de este modelo contribuirá a la investigación científica en el campo de la hidrología y las ciencias ambientales, proporcionando una herramienta avanzada para el análisis de patrones de flujo de agua y el comportamiento del río Chira bajo diversas condiciones climáticas y estacionales.