Integración de un sistema de alerta temprana mediante modelación hidrodinámica y predicción de flujos con redes neuronales. Caso de estudio: río Tomebamba

La zona urbana de la ciudad de Cuenca se ha visto afectada por las crecidas de sus ríos, provocando inundaciones en áreas residenciales; y, con ello pérdidas materiales o de vidas humanas. De modo que, conocer con anticipación el caudal que producirá daños es importante. Por esa razón, el objetivo del estudio es integrar un sistema de alerta temprana para pronosticar caudales diarios y evaluar la vulnerabilidad a inundaciones del río Tomebamba. En primer lugar, se construyó una red neuronal perceptrón multicapa de retro-propagación con Matlab para pronosticar caudales hasta tres días empleando datos de lluvia y caudal. A partir de una evaluación cualitativa (comparación gráfica) y cuantitativa (MSE, NS, R y PBIAS) se obtuvo un modelo capaz de predecir caudales de hasta un día; a pesar de ello, se presentaron sobreestimaciones de caudales bajos y subestimaciones de caudales altos en todas las modelaciones. En segundo lugar, se realizó una modelación fluvial con HEC-RAS para calibración y con Iber para modelar seis hidrogramas de crecida, lo que dio como resultado la ubicación de puntos de desbordamiento, áreas máximas, alertas y mapas de inundación de la zona. Así pues, los dos modelos en conjunto constituyen un sistema integral para pronóstico de crecidas en el río Tomebamba; en el que, el caudal pronosticado es comparado con umbrales fijados para tener una aproximación de los daños que podría ocasionar. Y con ello, establecer las acciones necesarias para su difusión y alerta por parte del organismo que maneje el sistema.The urban area of the city of Cuenca has been affected by the flooding of its rivers causing flooding in residential areas and with it, material losses or human lives. Therefore, knowing in advance the flow that will cause damage is important. For that reason, the objective of the study is to integrate an early warning system to forecast daily flows and assess the vulnerability to floods of the Tomebamba River. First, a multilayer perceptron back-propagation neural network was constructed with Matlab to forecast flows up to three days using rainfall and flow data. From a qualitative (graphical comparison) and quantitative (MSE, NS, R and PBIAS) evaluation, a model capable of predicting flows up to one day was obtained. Nonetheless, there were overestimations of low flows and underestimations of high flows in all models. Secondly, a river modeling was performed with HEC-RAS for calibration and with Iber to model six flood hydrographs, which resulted in the location of overflow points, maximum areas, alerts and flood maps of the area. Hence, the two models together constitute an integral system for flood forecasting on the Tomebamba River. Wherein, the predicted flow is compared with established thresholds to have an approximation of the damages that could cause. By this means, establish the necessary actions for its dissemination and alert by the body that manages the system.Magíster en Investigación en Ciencias de la Ingeniería para la Gestión de los Recursos HídricosCuenc