Tal y como revelaron las recientes inundaciones en España, y en otros lugares del mundo, cada minuto de advertencia que se da a las personas antes de una posible inundación puede salvar vidas y bienes materiales. Un nuevo artículo en la revista Hydrology puede ayudar a las autoridades a mejorar los protocolos de evacuación por inundaciones con la ayuda de un modelo de aprendizaje automático desarrollado por investigadores de la Universidad Concordia.
El candidato a doctorado Mohamed Almetwally Ahmed y Samuel Li, profesor y director del Departamento de Ingeniería de Edificaciones, Civil y Ambiental, crearon un método que utiliza inteligencia artificial para predecir con mayor precisión el caudal a corto plazo de los ríos.
Utilizando datos históricos y un nuevo conjunto de predictores basados en el clima, los autores basaron su investigación en medir la advección —la tasa de movimiento del agua— entre dos estaciones hidrométricas en el río Ottawa. Se creó un caso de prueba utilizando dos estaciones ubicadas aproximadamente a 30 kilómetros de distancia. La estación aguas abajo había estado desactivada durante muchos años, mientras que la estación aguas arriba seguía activa.
Los datos históricos recopilados durante décadas por el Gobierno de Canadá se complementaron con información sobre precipitaciones, temperatura y niveles de humedad, entre otros parámetros. Una vez introducidos en el modelo de aprendizaje automático, estos parámetros proporcionaron estimaciones fiables del caudal diario y datos en tiempo real sobre la cantidad de agua que fluía a través de una sección transversal específica del río.
“La predicción subdiurna, que significa menos de 24 horas, se utiliza principalmente para evacuaciones. Este método nos ofrece probabilidades de pronóstico más precisas en comparación con aquellas que hacen predicciones diarias o a lo largo de varios días”, dice Ahmed. “Todo se basa en probabilidades, y la probabilidad aumenta a medida que disminuye el tiempo de pronóstico”.
Un modelo transparente y transferible
Los investigadores se basaron en un tipo de algoritmo llamado método de manejo de datos en grupo (group method of data handling). Este método construye modelos predictivos clasificando y combinando datos en grupos, donde se calculan en diferentes combinaciones repetidamente hasta identificar la mejor y más fiable combinación de datos.
“En este método, usamos nueve predictores: siete parámetros climáticos y los datos históricos de las dos estaciones hidroeléctricas. El modelo clasifica y reordena estos parámetros para crear múltiples combinaciones hasta que realiza una selección digital de predictores. Es importante destacar que no necesariamente utiliza todos los predictores ni los pondera por igual. Usa los que demuestran ser más precisos”, explica Ahmed.
El modelo cambia según el marco temporal. Uno que predice el caudal con 12 horas de antelación será diferente a otro que predice con ocho, nueve o 10 horas de antelación.
El modelo también varía de un río a otro. Para probarlo, Ahmed realizó cálculos adicionales con datos tomados de los ríos Boise y Missouri en los Estados Unidos.
“A medida que esta técnica madure, creemos que podremos implementarla de forma operativa, donde las personas podrán consultar las estimaciones de caudal de los ríos en sus teléfonos, al igual que hacen con los pronósticos del tiempo”, dice Li. “En lugar de darles estimaciones de temperaturas o precipitaciones para algún momento futuro, podremos proporcionarles los niveles de agua”.
Para Ahmed, quien está realizando estudios sobre preparación para evacuaciones por inundaciones, este modelo es solo una herramienta que espera que las autoridades utilicen antes de inundaciones desastrosas.
“Quiero que utilicen estos datos como insumo para sus modelos en áreas propensas a inundaciones”, dice. “Con esta herramienta, podemos ayudarles a predecir qué caminos estarán disponibles para la evacuación, lo que proporcionaría al sistema de transporte local planes de acción en tiempo real que pueden salvar vidas y propiedades”.
Este estudio recibió apoyo del Consejo de Investigación de Ciencias Naturales e Ingeniería de Canadá (NSERC).
Lee el contenido original en Smart Water Magazine.
