Evaluación del modelo estadístico SARIMAX para el pronóstico de caudales de crecida en la cuenca del río Maipo

Abstract

Los estudios hidrológicos continuos en la Cuenca del Río Maipo son fundamentales no solo por ser una de las principales fuentes de agua potable para Santiago de Chile y su capacidad para generar energía, sino también debido a los graves daños ocasionados por las inundaciones en esta cuenca. Siendo inundación más reciente, la ocurrida durante junio del 2023 la cual tuvo severas consecuencias para las personas e infraestructura (Martínez et al., 2023). Este trabajo propone la utilización de una modelación estadística basada en modelos estacionales autorregresivos integrados de medias móviles con variables exógenas (SARIMAX), con el objetivo principal de representar y pronosticar series temporales de crecidas en el caudal horario en la estación Río Maipo en El Manzano, dentro de la Cuenca del Río Maipo. Se generaron modelos utilizando distintas combinaciones de predictores (Temperatura, Precipitación y Caudal Aguas Arriba) para representar el caudal horario en la cuenca. El estudio abarcó aproximadamente 15 años de datos de caudal, enfocándose en las crecidas desde el año 2010 en adelante. Adicionalmente, se analizó el comportamiento de los modelos para tiempos de adelanto de 1 a 6 horas, obteniendo resultados favorables en los pronósticos a corto plazo (con tiempos de adelanto de 1 a 3 horas), los resultados muestran un decrecimiento en la precisión a medida que aumentan los tiempos de adelanto, especialmente en las predicciones a 5 y 6 horas. A pesar de que la precisión disminuye con el tiempo, los resultados aún se mantienen dentro de un rango aceptable en distintas métricas de error. En particular, se obtienen para cada uno de los tiempos de adelanto, pronósticos con un valor del coeficiente de determinación R2 mayor a un 0,85, lo que permite su uso en aplicaciones prácticas, como los sistemas de alerta temprana. Los resultados obtenidos en este estudio demuestran que los modelos SARIMAX son efectivos para el pronóstico de crecidas en la Cuenca del Río Maipo a corto plazo. A pesar de la disminución de precisión a medida que aumentan los tiempos de adelanto, los pronósticos siguen siendo útiles para aplicaciones prácticas, como los sistemas de alerta temprana. En cuanto a las perspectivas futuras, es crucial continuar con la mejora y validación de estos modelos utilizando datos adicionales y con el ajuste de nuevos predictores, con el fin de aumentar la precisión de los pronósticos a plazos más largos. Además, el desarrollo de una herramienta de monitoreo en tiempo real podría ser clave para anticipar y mitigar los impactos de futuras crecidas, optimizando así la gestión de recursos y la protección de la infraestructura en la región.

Continuous hydrological studies in the Maipo River Basin are essential not only because it is one of the main sources of water supply for Santiago, Chile, and a key source of energy generation, but also due to the significant damage caused by flooding in the basin. One of the most recent floods was the one that occurred in June 2023, which had severe consequences for both people and infrastructure (Martínez et al., 2023). This study proposes the use of a statistical model based on Seasonal Autoregressive Integrated Moving Average (SARIMAX) models with exogenous variables, aiming to represent and forecast hourly flow time series at the Río Maipo station in El Manzano, within the Maipo River Basin. Models were generated using different combinations of predictors (Temperature, Precipitation, and Upstream Flow) to represent the hourly flow in the basin. The study covered approximately 15 years of flow data, focusing on floods from 2010 onward. Additionally, the behavior of the models was analyzed for lead times from 1 to 6 hours, with favorable results in short-term forecasts (with lead times of 1 to 3 hours). The results show a decrease in accuracy as lead times increase, especially in predictions at 5 and 6 hours. Although accuracy decreases over time, the results still remain within an acceptable range across various error metrics. In particular, for each lead time, forecasts with a coefficient of determination (R²) greater than 0.85 were obtained, making them suitable for practical applications such as early warning systems. The results obtained in this study demonstrate that SARIMAX models are effective for flood forecasting in the Maipo River Basin in the short term. Despite the decrease in accuracy as lead times increase, the forecasts remain useful for practical applications, such as early warning systems. As for future perspectives, it is crucial to continue improving and validating these models using additional data and adjusting new predictors in order to increase the accuracy of forecasts for longer time horizons. Furthermore, the development of a real-time monitoring tool could be key to anticipating and mitigating the impacts of future floods, thus optimizing resource management and protecting infrastructure in the region.