Ingeniero Civil / Durante los últimos años en el mundo se ha observado un aumento de la frecuencia de inundaciones, las que pueden ser muy destructivas, siendo necesario proveer de sistemas de alerta que permitan estar preparados ante estos eventos extremos. Los sistemas de alerta de crecidas han demostrado ser rentables ya que sus costos son bajos en comparación a los impactos que éstas generan.
Actualmente en Chile existe un sistema de monitoreo realizado por la Dirección General de Aguas (DGA), en el que si un caudal umbral se sobrepasa se declara una alerta. Además, existen relaciones de pronóstico de caudales en algunas estaciones mediante el uso de modelos autorregresivos con variable exógena (ARX), generados en el año 1987 por BF Ingenieros. Sin embargo, muchas de estas relaciones no se encuentran operativas, por diversas razones.
Este trabajo propone actualizar el sistema de alerta de crecidas utilizando modelos de redes neuronales, que han demostrado obtener mejores resultados en la predicción de caudales en tiempo real que los modelos utilizados en el Sistema Nacional de Alerta de Crecidas (SNAC), para lo cual se utilizan las cuencas piloto Curanilahue en Curanilahue y Cautín en Cajón. Además, para cuencas pequeñas de rápida respuesta hidrológica se propone aplicar el Sistema Guía para Crecidas Repentinas (SGCR) junto con la aplicación del hidrograma unitario con pulsos horarios de precipitación, para lo cual se utiliza la cuenca piloto Curanilahue en Curanilahue.
La aplicación de la metodología permitió encontrar redes neuronales óptimas para cada cuenca, una para la cuenca del río Curanilahue con predicciones aceptables hasta las 3 horas de antelación, con eficiencias NSE y R2 superiores a 0,81 y otra para la cuenca del río Cautín en Cajón con predicciones aceptables hasta las 12 horas de antelación, con eficiencias NSE y R2 superiores a 0,95. Además, para la cuenca del río Curanilahue en Curanilahue los resultados del SGCR son aceptables cuando se utiliza un pronóstico perfecto de precipitación (con porcentajes de acierto entre 67 y 100% dependiendo del tipo de alerta y sin falsas alarmas), sin embargo, es altamente dependiente de que estos pronósticos sean precisos. Algo parecido ocurre con la metodología del hidrograma unitario, la cual es más conservadora (con porcentajes de acierto similares y porcentajes de falsa alarma entre 0 y 50% dependiendo del tipo de alerta).
Se concluye que los modelos de redes neuronales presentan mejores resultados en comparación a la situación actual, por lo que se podrían utilizar como sistemas de alerta con mayores tiempos de antelación. Para crecidas repentinas es útil la implementación de metodologías como el SGCR y el hidrograma unitario, cuando se tengan pronósticos precisos de precipitación.
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/167794 |
| Date | January 2018 |
| Creators | Ávila Mercado, Claudio Andrés |
| Contributors | Vargas Mesa, Ximena, Rubio Álvarez, Eduardo, González Valenzuela, Ricardo |
| Publisher | Universidad de Chile |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
Page generated in 0.0024 seconds