En Chile la mayoría de las centrales hidroeléctricas en operación, que abastecen al Sistema Interconectado Central (SIC), se ubican al norte de la cuenca del Bío Bío, alimentadas por ríos de régimen predominantemente nival. Inclusive las centrales que se ubican en la desembocadura de los ríos en el Océano Pacífico, los que presentan un régimen pluvial, dependen igualmente del escurrimiento proveniente del deshielo. Es incuestionable que en la medida que se tenga un conocimiento más completo de la magnitud de los recursos hídricos se podrá tener mayor control sobre ellos. Es en este contexto que en Chile se realizan desde mediados de los años 50 pronósticos del escurrimiento de deshielo, los que permiten elaborar programas de generación y de planificación de las actividades desarrolladas. El presente Trabajo de Título tiene como principal objetivo la elaboración de modelos de pronóstico de caudales medios mensuales de deshielo para las cuencas de los ríos Baker y Pascua, pertenecientes a la XI región de Aysén del General Carlos Ibáñez del Campo. La memoria se realiza para la Empresa de Ingeniería Ingendesa, apoyando los estudios del Proyecto Hidroeléctrico Aysén (PHA), responsabilidad del conglomerado HidroAysén formado por Endesa S.A. y Colbún S.A., que considera la construcción de cinco centrales de embalse, dos en el río Baker y tres en el Pascua. Los objetivos planteados se enfrentaron a través de modelos de pronóstico en que se incluyeron las variables relevantes del fenómeno en estudio relacionadas mediante la aplicación de métodos estadísticos. Para esto se utilizó tres tipos de modelos; basados en el planteamiento de regresiones múltiples; fundados en el análisis de las componentes principales y los modelos de redes neuronales. Los modelos de regresiones múltiples y los de componentes principales son de tipo lineal, es decir, relacionan la variable dependiente, en este caso el volumen de deshielo, con las variables independientes a través de una función lineal. Por otra parte los modelos de redes neuronales relacionan la variable dependiente con las variables independientes a través de una red formada de neuronas que se conectan y transmiten información utilizando una función que puede ser del tipo no lineal. En el presente trabajo de título se utiliza la función sigmoide por ser representativa de la generación de escorrentía. La región de Aysén presenta un patrón de precipitaciones distribuidas en mayor medida en el invierno, pero con un porcentaje no menor en el período estival, lo que se afrontó a través del desarrollo de dos tipos de modelos; primero incluyendo solo variables conocidas al día de realización del pronóstico; y los segundos incorporando las precipitaciones de deshielo. Solo los primeros modelos serán útiles para el pronóstico, los del segundo tipo son únicamente de uso referencial. Otra de las finalidades del presente trabajo consiste en concluir en base a los resultados de los modelos de pronóstico para cada punto de control acerca de la necesidad de complementar la red hidrometeorológica actual en caso que sea necesario. Para ello se presenta una recomendación de los tipos de datos que se requieren y la ubicación tentativa de las estaciones en que se medirían. Finalmente se concluye que los modelos que mejor representan el fenómeno en estudio son los basados en las redes neuronales, con los cuales se obtuvo un coeficiente de correlación del orden de 0.9 para todos los puntos de pronóstico y se minimizaron los errores en comparación a los modelos lineales, por lo que se recomienda dicha metodología para el pronóstico en la zona. Por lo demás se sugiere mejorar y complementar los modelos con la inclusión de otras variables o de datos de otras estaciones de la zona.

Uno de los principales problemas que enfrentan las autoridades gubernamentales, particularmente organismos de emergencia, para adoptar medidas de mitigación adecuadas durante la ocurrencia de un temporal es la carencia de información precisa. En este sentido, es útil contar con sistemas de alerta de crecidas, los cuales son un complemento de las medidas estructurales de prevención de inundaciones (espigones, gaviones, etc.). La Tesis trata sobre la confección de un Sistema Alerta Temprana por Inundaciones o falla de Obras Hidráulicas a nivel Regional, y tiene como propósito el uso de dos técnicas de incipiente empleo en el área de la Hidrología; Lógica Difusa y Algoritmo Genético, las cuales se enmarcan en el campo de los Sistemas Expertos o también denominado Inteligencia Artificial. Se realizó una revisión del marco teórico y estado del arte de las técnicas empleadas. En particular, Lógica Difusa, Algoritmo Genético, Generación de índices de Riesgo y modelos lineales de Función Transferencia. Bajo este esquema se materializó la metodología de análisis y definición de los conceptos propuestos. El diseño del Sistema en su conjunto involucró entre otros aspectos, el pronóstico de caudales, definición de Índices de Riesgo y modo de implementación, efectuándose la recolección de antecedentes correspondiente y caracterización de la Zona de Estudio. Mediante el tratamiento en profundidad de estos tópicos se define y analizan tanto los alcances del uso de Lógica Difusa, como del resto de los métodos empleados. Se utilizó Lógica Difusa para dos implementaciones tipo, la primera consiste el uso del Esquema general planteado por Sugeno (Sugeno, 1985) aplicado al pronóstico de caudales, este tipo de modelos fue calibrado con un Algoritmo Genético. Para analizar, mediante comparación, los modelos de Lógica Difusa se identifican modelos de pronóstico de caudales del tipo Función de Transferencia. La segunda implementación de los modelos de Lógica Difusa tuvo por objeto la generación de Índices de Riesgo Agregados por zonas geográficas (comunas), empleando en este caso el esquema conceptual base planteado por Mandami (Mandami et al., 1975). Se concluye la validez y conveniencia del uso de Lógica Difusa para la generación de Índices de Riesgo Agregados, esta metodología permite interpretar los Índices de Riesgo de manera global, los cuales tienen como propiedad ser continuos o discretos, según se requiera, y con una escala fija. Los modelos de Lógica Difusa para el pronóstico de caudales no aportan una mejora significativa con respecto a los modelos de función de transferencia. La calibración mediante el uso del Algoritmo Genético no asegura la obtención de parámetros “óptimos” de los modelos de Lógica Difusa ajustados. Se constata que el desempeño del Algoritmo Genético está altamente sujeto al operador evolutivo “Mutación”.