Procesos de escorrentía y rendimiento de sedimentos en una cuenca fluvial tropical del este de India: un enfoque de múltiples máquinas de aprendizaje
Autores: Moghaddam Nia, Alireza; Misra, Debasmita; Kashani, Mahsa Hasanpour; Ghafari, Mohsen; Sahoo, Madhumita; Ghodsi, Marzieh; Tahmoures, Mohammad; Taheri, Somayeh; Jaafarzadeh, Maryam Sadat
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Procesos de escorrentía y rendimiento de sedimentos en una cuenca fluvial tropical del este de India: un enfoque de múltiples máquinas de aprendizaje
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Tropical
Cuencas fluviales indias
Carga de sedimentos
Algoritmos de aprendizaje automático
Escorrentía
Patrones de precipitación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Las cuencas fluviales tropicales de la India son bien conocidas por sus altos y bajos caudales, con picos de inundación durante el verano y el resto del año, respectivamente. Una alta intensidad de lluvia debido a vientos ciclónicos y de monzón ha provocado que los ríos tropicales de la India experimenten más escorrentía. Estos ríos también son conocidos por transportar una cantidad significativa de carga de sedimentos. La naturaleza compleja y no lineal del rendimiento de sedimentos y los procesos de escorrentía, así como la variabilidad de estos procesos, dependen de los patrones de precipitación y las características de la cuenca fluvial. Hay varios otros elementos que dificultan la previsión con gran precisión. El presente estudio intenta modelar la escorrentía-rendimiento de sedimentos-lluvia con la ayuda de cinco algoritmos de aprendizaje automático (ML): regresión de vectores de soporte (SVR), red neuronal artificial (ANN) con red de Elman, red neuronal artificial con red de perceptrón multicapa, sistema de inferencia neuro-difusa adaptativa (ANFIS) y regresión lineal local, que son útiles en cuencas fluviales con escasos datos hidrológicos. Se simularon series temporales diarias, semanales y mensuales de escorrentía y rendimiento de sedimentos (SY) de la cuenca del río Vamsadhara, India, durante el período del 1 de junio al 31 de octubre de los años 1984 a 1995 utilizando modelos basados en estos múltiples algoritmos de aprendizaje automático. Los resultados simulados fueron probados y comparados mediante tres criterios de evaluación, a saber, el coeficiente de correlación de Pearson, la eficiencia de Nash-Sutcliffe y la diferencia de pendiente. Los resultados sugirieron que las predicciones diarias y semanales de escorrentía basadas en todos los modelos pueden ser empleadas con éxito junto con las observaciones de precipitación para predecir el futuro rendimiento de sedimentos en la cuenca de estudio. Los modelos preparados en el presente estudio pueden ser útiles para proporcionar una visión esencial sobre la dinámica de erosión-deposición de la cuenca fluvial.
Descripción
Las cuencas fluviales tropicales de la India son bien conocidas por sus altos y bajos caudales, con picos de inundación durante el verano y el resto del año, respectivamente. Una alta intensidad de lluvia debido a vientos ciclónicos y de monzón ha provocado que los ríos tropicales de la India experimenten más escorrentía. Estos ríos también son conocidos por transportar una cantidad significativa de carga de sedimentos. La naturaleza compleja y no lineal del rendimiento de sedimentos y los procesos de escorrentía, así como la variabilidad de estos procesos, dependen de los patrones de precipitación y las características de la cuenca fluvial. Hay varios otros elementos que dificultan la previsión con gran precisión. El presente estudio intenta modelar la escorrentía-rendimiento de sedimentos-lluvia con la ayuda de cinco algoritmos de aprendizaje automático (ML): regresión de vectores de soporte (SVR), red neuronal artificial (ANN) con red de Elman, red neuronal artificial con red de perceptrón multicapa, sistema de inferencia neuro-difusa adaptativa (ANFIS) y regresión lineal local, que son útiles en cuencas fluviales con escasos datos hidrológicos. Se simularon series temporales diarias, semanales y mensuales de escorrentía y rendimiento de sedimentos (SY) de la cuenca del río Vamsadhara, India, durante el período del 1 de junio al 31 de octubre de los años 1984 a 1995 utilizando modelos basados en estos múltiples algoritmos de aprendizaje automático. Los resultados simulados fueron probados y comparados mediante tres criterios de evaluación, a saber, el coeficiente de correlación de Pearson, la eficiencia de Nash-Sutcliffe y la diferencia de pendiente. Los resultados sugirieron que las predicciones diarias y semanales de escorrentía basadas en todos los modelos pueden ser empleadas con éxito junto con las observaciones de precipitación para predecir el futuro rendimiento de sedimentos en la cuenca de estudio. Los modelos preparados en el presente estudio pueden ser útiles para proporcionar una visión esencial sobre la dinámica de erosión-deposición de la cuenca fluvial.