Esta tesis aborda el desarrollo de un modelo de producción, transporte y depósito de sedimentos a escala de cuenca. Partiendo de una breve revisión del conocimiento de modelos de evolución del paisaje y específicamente de modelos de erosión se plantean las preguntas fundamentales que deben tenerse en cuenta en el modelo. Posteriormente se estudia la forma en que actualmente se resuelven dichas preguntas, basados tanto en el estado del arte del conocimiento como en la experiencia adquirida en la aplicación de modelos hidrológicos y sedimentológicos. Con estas bases teóricas y prácticas se formula el modelo y se desarrolla un código de programación con los postulados de la formulación, que será la hipótesis de trabajo. El modelo diseñado es una suma de conceptos y herramientas técnicas coherentemente integradas de forma tal que permitan al usuario aplicar todo el conocimiento disponible para resolver un problema particular. En su parte hidrológica el modelo se basa en el modelo TETIS desarrollado en el Departamento de Ingeniería Hidráulica y Medio Ambiente de la Universidad Politécnica de Valencia y en su parte sedimentológica se fundamenta en el modelo CASC2D-SED desarrollado en el Engineering Research Center de la Colorado State University. Por último se aplica el modelo en una cuenca natural y se valida la hipótesis de trabajo. La cuenca de análisis es la cuenca de Goodwin Creek en el estado de Mississippi, en Estados Unidos de América, que cuenta con medidas sistemáticas de lluvia, caudal líquido y sólido, información de topografía, suelos y usos del suelo. En la aplicación se reconocen las limitaciones y potencialidades del modelo. El modelo aprovecha convenientemente el conocimiento de condiciones físicas, por ejemplo la estructura topológica de la red de drenaje y deja de lado aspectos poco entendidos y difíciles de parametrizar, por ejemplo la estructura aleatoria de la red de surcos en ladera. De esta forma es robusto y parsimonioso, especialmente en su pa / Montoya Monsalve, JJ. (2008). Desarrollo de un modelo conceptual de producción, transporte y depósito de sedimentos [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/8303

La necesidad de conocer con suficiente tiempo de antelación los caudales futuros en ríos donde se asientan grandes ciudades e industrias es común en todas partes del mundo. Existen diversas metodologías que permiten resolver este problema, cada una con sus pros y sus contras. El acople y la comparación entre varios modelos de predicción de diferentes características es fundamental a la hora de analizar la situación futura en un caso de alerta, donde es necesario tomar decisiones trascendentales. En esta tesis se ha realizado una intensa revisión bibliográfica sobre los modelos de predicción con Redes Neuronales Artificiales (RNA) para conocer el estado del arte de esta metodología y, a partir de ese punto, proponer y estudiar mejoras que puedan contribuir a su avance. Con la intención de darle significado físico a este tipo de modelos, se ha propuesto una metodología de modelo híbrido que permite identificar automáticamente el estado hidrológico de una cuenca determinada, para permitir modelar por separado cada estado mediante RNA simples. También se ha incorporado el concepto físico en la elección de las variables de entrada al modelo, proponiendo análisis geomorfológicos de la cuenca y de tiempos de respuesta que ayuden a identificar las variables más influyentes. Por otro lado, dada la necesidad de conocer la función de distribución de las predicciones para casos reales, donde es necesario tomar decisiones a partir de estos resultados, se ha propuesto una metodología para el cálculo de la incertidumbre de las predicciones, pudiendo ser aplicado para cualquier tipo de modelo sin importar su complejidad. Para conferir un uso práctico a estas ideas, se ha desarrollado una aplicación informática (ANN) capaz de realizar los cálculos necesarios para la construcción de un modelo de predicción con RNA. / Pujol Reig, L. (2009). Predicción de caudales en tiempo real en grandes cuencas utilizando redes neuronales artificiales [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/6422