Modelo de “ensemble” para incrementar la robusted de la predicción de avenidas utilizando redes neuronales artificiales: aplicación a la cuenca Gardon (sureste de Francia)

Resumen

En las últimas décadas el uso de redes neuronales en la modelización hidrológica ha aumentado, debido a su propiedad fundamental como aproximador universal y parsimónico de funciones no lineales. En el campo de la previsión de inundaciones, los perceptrones de alimentación directa (feed-forward) y de tipo multicapa recurrentes (recurrent multilayer) han confirmado su eficiencia. Sin embargo, la capacidad predictiva depende de los parámetros de inicialización del sistema neuronal. La eficacia del método de validación cruzada para seleccionar las condiciones óptimas de inicialización que conducen a las mejores predicciones ha sido analizada. La dependencia de la inicialización en los modelos de retroalimentación y de multicapa recurrente ha sido comparada para las predicciones con antelación de una hora. Nuestro trabajo demuestra que la validación cruzada no permite la selección de la mejor inicialización. Un modelo más robusto ha sido desarrollado gracias al uso de la mediana de los resultados de varios modelos; en ese contexto, este trabajo analiza la estructura de los meta modelos tanto para los sistemas basados en redes retroalimentadas como para aquellos basados en redes multicapa recurrentes.