Aplicación de Inteligencia Artificial para la Obtención de Datos Faltantes de Precipitación Pluvial en la Cuenca Ravelo para la Captación de Agua Dulce

Abstract

El objetivo general es mejorar la obtención de datos faltantes de precipitación pluvial de la cuenta de Ravelo para la captación de agua dulce. Se sistematizaron métodos convencionales y de Inteligencia Artificial (IA) para imputar precipitaciones pluviales. Los métodos convencionales fueron: Servicio Meteorológico Nacional de EE.UU., Razón Normal y Regresión Lineal Simple. En IA, se aplicaron: Regresión Lineal Múltiple, Redes Neuronales Artificiales, Series Temporales, Árbol de Decisión, Perceptrón Multicapa, Bosques Aleatorios y Redes Neuronales Recurrentes, que requieren grandes volúmenes de datos. ELAPAS proporcionó datos de las estaciones de Tumpeka, Ravelo y Cajamarca (2018-2024). Se desarrollaron programas en Python para aplicar métodos convencionales e IA, usando los datos proporcionados para el entrenamiento y pruebas. La comparación de métodos se basó en el error cuadrático medio porcentual. La Regresión Lineal Simple resultó ser el mejor método convencional y el Árbol de Decisión fue el mejor método de IA. Los métodos convencionales dependen de estaciones meteorológicas cercanas, limitando su uso en áreas sin estas estaciones. Los métodos de IA, no requieren esta información y proporcionan estimaciones precisas con pocos años. Este estudio, realizado en la Cuenca de Ravelo, demostró que los modelos de IA son efectivos para estimar la precipitación pluvial.