Predicción del caudal aportante en la laguna Cáhuil a través de un modelo hidrológico sobre la Subcuenca Nilahue

Abstract

Este trabajo de investigación analiza los datos diarios de precipitaciones y caudales, buscando establecer correlaciones entre ellos para construir modelos estadísticos capaces de predecir caudales futuros a partir de la información histórica disponible. La zona de estudio comprende la Subcuenca Nilahue, que forma parte de la cuenca Costera Rapel-Estero Nilahue. Se utilizan predictores de día anteriores de caudales y precipitaciones para construir modelos lineales múltiples (LM) y Modelos Aditivos Generalizados para la Localización, Escala y Forma (GAMLSS). Estos modelos se validan mediante el "Leave one year out crossvalidation", utilizando métricas de precisión como AIC, BIAS, NSE, R y RMSE. Los resultados sugieren que los modelos pueden optimizarse al dividir la base de datos principal en dos grupos: una temporada influenciada por precipitaciones, denominada invierno, y una temporada seca sin influencia de precipitaciones. Además, la temporada de invierno se subdivide para considerar el comportamiento diferenciado de los caudales medios y los picos de crecida, los cuales están acompañados de curvas de ascenso y descenso. Los valores de R obtenidos muestran un buen rendimiento en la predicción de caudales durante las fases de ascenso, crecida y descenso, con valores de 0.84, 0.75 y 0.9, respectivamente, mientras que para los caudales medios el R es de 0.47. El análisis del comportamiento de las variables hidráulicas sugiere que el uso de herramientas avanzadas como el machine learning y bases de datos horarias podría mejorar significativamente los resultados en futuros modelos.