Pronóstico de lluvia en espacio y tiempo, cuenca del Río Chirgua usando redes neuronales artificiales. (Municipio Bejuma. Estado Carabobo)

Abstract

"El uso de combustibles fósiles por parte del hombre para hacer funcionar las maquinarias industriales ha traído como consecuencia la emisión de gases contaminantes hacia la atmósfera. Estas han contribuido con el efecto invernadero aumentando el calentamiento global dando como resultado una alteración del clima; este descontrol no permite establecer de manera efectiva un patrón de las lluvias en una región determinada. El presente trabajo de investigación tiene como finalidad proponer una herramienta basada en El Software MATLAB con la aplicación de Redes Neuronales Artificiales (RNA) y series de tiempo para establecer un Patrón de Lluvias para la Cuenca del Río Chirgua, ubicado en El Municipio Bejuma, del Estado Carabobo que le permita a los productores agrícolas de esta zona aprovechar las lluvias para adecuar el ciclo de siembra y así de esta manera mejorar la producción de alimentos. Se plantearon los siguientes objetivos: Caracterizar la lluvia- escorrentía mediante obtención de datos de un pluviógrafo con almacenamiento electrónico y registros antecedente; Calibrar modelos de pronósticos mediante la técnica de red neuronal artificial y Validar el pronóstico de la lluvia observada aplicando la técnica de red neuronal artificial. Para establecer el Patrón de Lluvias, se comenzó con la toma de mediciones de las lluvias a través de un pluviógrafo y con información suministrada por el Sistema Nacional de Información Hidrológica y Meteorología se descargó la información y se procedió a caracterizar las lluvias empleando Hietogramas. Luego se procedió a calibrar los modelos de pronósticos de lluvias con la técnica de RNA empleando la lluvia media mensual de las estaciones instaladas en dicha Cuenca. El tipo de investigación fue descriptiva, con un tipo de diseño no experimental bajo la modalidad de proyecto factible. La recolección de datos realizó de manera directa a través de un pluviógrafo; se aplicaron dos matrices; una de un vector y la otra de 12 vectores. Para analizar los datos se empleó el índice de coeficiente correlación de datos que arrojó como resultado que la RNA que mejor se adapta para realizar el pronóstico de lluvias es la matriz de 12 vectores para un retardo de 6 meses.