Comparación de algoritmos de imputación para el parámetro de la precipitación de modelos hidrológicos empleando técnicas de ciencia de datos y Big Data

En los últimos años el cambio climático ha potenciado el riesgo de desastres en Colombia. Para 2018 la cifra de damnificados por un invierno intenso era cerca de 54.000, esto debido a que el incremento de las precipitaciones generó desbordamientos de ríos en diferentes departamentos del país (Revista Semana, 2018). Por esta razón, la prevención de riesgos se hace necesaria y depende del monitoreo de condiciones hidroclimatológicas que determinan el comportamiento de los ríos. Para ello hace uso de un modelo hidrológico que considera variables como humedad relativa, precipitación y temperatura. Sin embargo, durante la construcción y calibración del modelo se encuentra el problema de los datos faltantes asociados a carencia de lectura o fallas del instrumento, afectando la precisión o el registro de este. En este trabajo, se realiza la comparación de los algoritmos KNN y Curva de Doble Masa, para completar los datos faltantes en series de precipitación