Aplicación de Redes Neuronales Artificiales para la Estimación de Pre-cipitaciones: Caso de Estudio de la Cuenca del Río Pastaza, Ecuador

Abstract

La cuenca del Río Pastaza en Ecuador, crucial por su biodiversidad y gestión hídrica, enfrenta desafíos significativos debido al cambio climático. Este estudio presenta la aplicación de redes neuronales artificiales (RNA) para abordar las deficiencias en los datos pluviométricos de esta cuenca. Implementando un modelo optimizado con 5000 iteraciones, se logró una fiabilidad del 95% en la estimación de datos pluviométricos. Se analizaron datos de múltiples estaciones meteorológicas, ajustando el modelo según las distancias entre estaciones, y se demostró una mejora en precisión y coherencia en comparación con métodos tradicionales. Los resultados destacan la capacidad de las RNA para adaptarse a variaciones significativas en los datos, mejorando la planificación hídrica y mitigando los efectos de eventos climáticos extremos mediante una mejor predicción pluviométrica. La capacidad de las RNA para procesar grandes volúmenes de datos con complejas interacciones es particularmente relevante en el campo hidrometeorológico, donde la variabilidad espacial y temporal de los datos es sustancial. Este avance evidencia la aplicabilidad de las RNA en hidrología y climatología, contribuyendo al entendimiento de la variabilidad climática de la región. La integración de técnicas avanzadas de inteligencia artificial en la estimación y homogeneización de datos hidrológicos proporciona una base sólida para desarrollar estrategias de adaptación y mitigación más efectivas frente al cambio climático. A medida que la tecnología evoluciona, se abren nuevas perspectivas para aplicar técnicas similares en otras cuencas hidrográficas de la región, mejorando la gestión de los recursos hídricos en Ecuador.