Debido a las recientes inundaciones en España y otros lugares, cada minuto de aviso dado a la gente antes de una posible inundación puede salvar vidas y propiedades. Un nuevo artículo en la revista. hidrología Un modelo de aprendizaje automático desarrollado por investigadores de Concordia podría ayudar a las autoridades a mejorar los protocolos de evacuación en caso de inundaciones.
El candidato a doctorado Mohammad Almetwali Ahmed y Samuel Lee, profesor y presidente del Departamento de Ingeniería Civil, Ambiental y de Construcción, desarrollaron un método que utiliza inteligencia artificial para predecir con mayor precisión las descargas fluviales a corto plazo.
Utilizando un novedoso conjunto de datos históricos y predicciones meteorológicas, los autores basaron su investigación en mediciones de arrastre (la tasa de movimiento del agua) entre dos estaciones hidrométricas en el río Ottawa. Se desarrolló un caso de prueba utilizando dos estaciones separadas aproximadamente por 30 km. La estación aguas abajo estuvo inactiva durante muchos años y la estación aguas arriba todavía estaba activa.
Los datos históricos recopilados por el Gobierno de Canadá durante décadas se complementaron con datos sobre precipitaciones, niveles de temperatura y humedad, entre otros parámetros. Una vez ingresados en un modelo de aprendizaje automático, estos parámetros proporcionan estimaciones confiables de la descarga diaria y datos en tiempo real sobre cuánta agua se ha movido a través de una sección transversal específica del río.
“La previsión subdiurna, es decir, menos de 24 horas, se utiliza principalmente para las evacuaciones. Este método nos da la posibilidad de realizar una previsión más precisa en comparación con la previsión diaria o de varios días”, dijo Ahmed. “Todos se basan en la probabilidad, y la probabilidad aumenta a medida que disminuye el tiempo de pronóstico”.
Un modelo transparente y transferible
Los investigadores han desarrollado un tipo de algoritmo existente llamado enfoque grupal para la gestión de datos. Este método crea modelos predictivos clasificando y combinando datos en grupos, donde se calculan repetidamente en diferentes combinaciones hasta que se identifican las mejores y más confiables combinaciones de datos.
“En este método, utilizamos nueve predictores: siete parámetros meteorológicos y datos históricos de dos centrales hidroeléctricas. El modelo reorganiza estos parámetros para crear múltiples combinaciones hasta realizar una selección digital de predictores. Es importante señalar que no necesariamente utiliza todos los predictores o ponderarlos por igual los que resulten ser los más precisos”, explica Ahmed.
El modelo varía según el período de tiempo. Uno que predice el alta con 12 horas de antelación será diferente de uno que predice el alta con ocho, nueve o 10 horas de antelación.
El modelo también varía de un río a otro. Para probar esto, Ahmed realizó cálculos adicionales con datos tomados de los ríos Boise y Missouri en Estados Unidos.
“A medida que esta técnica madure, creemos que podremos implementarla de manera funcional, donde las personas podrán verificar las estimaciones de descarga de los ríos en sus teléfonos, tal como lo hacen con los pronósticos meteorológicos”, dijo Lee. “En lugar de darles proyecciones de temperatura o precipitación en algún momento en el futuro, podemos darles niveles de agua”.
Para Ahmed, que estudia la preparación para la evacuación en caso de inundaciones, el modelo es sólo una herramienta que espera que las autoridades puedan utilizar antes de inundaciones catastróficas.
“Quiero que utilicen estos datos como aportación a sus modelos para zonas propensas a inundaciones”, afirma. “Con esta herramienta, podemos ayudarlos a predecir qué caminos estarán disponibles para la evacuación, brindando a los sistemas de transporte locales planes de acción en tiempo real que pueden salvar vidas y propiedades”.