Análisis de la relación entre variables hidrometereológicas y zonas inundables por medio de sistemas inteligentes artificiales en un tramo del río Bogotá comprendido entre estaciones de Puente Florencia (Gachancipá) y Tocancipá

Abstract

Esta investigación presenta la comparación entre modelos físicos (Hec-Ras) y modelos inteligentes (Redes Neuronales ANN – Redes Neurodifusas ANFIS) para la predicción de inundaciones. La investigación fue diseñada para comparar los pronósticos de caudal simulado mediante diferentes modelos tanto físicos como inteligentes con el objetivo de hallar el más eficaz. La simulación se realizó en el software computacional Matlab ® 2013, con datos de caudal tomados por la Corporación Autónoma Regional de Cundinamarca (CAR), desde el mes de septiembre de 2009 hasta octubre de 2013, sobre la cuenca alta del rio Bogotá en un tramo ubicado en los municipios de Gachancipá y Tocancipá. Los hallazgos sugieren que mediante el uso modelos inteligencia artificial se puede llegar a un pronóstico más acertado, cerca del 92% de Coeficiente de Correlación implementando un ANN, lo que sugiere que el modelo simulado tiene un enfoque más preciso en la dinámica de predicción del caudal del rio. El modelo de ANN con una distribución sigmoidal-sigmoidal fue capaz de superar los pronósticos del modelo ANFIS y el modelo Hec-Ras con un mean square error (MSE) del 10.1%, y el mean absolute percentage error (MAPE) del 11.9% lo que hace que la predicción sea catalogada como muy buena. A partir de los resultados arrojados por los modelos simulados se generaron los mapas de zonas inundadas, por medio de un Sistema de Información Geográfica simulado en ArGis, la cartografía suministrada por el Instituto Geográfico Agustín Codazzi IGAC) y un Modelo digital de elevación (DEM) de 3 metros suministrado por la Corporación Autónoma Regional de Cundinamarca (CAR). ​