Inostroza González, Fernanda Monserrat2025-11-122025-11-122024-09https://repositorio.usm.cl/handle/123456789/77174Este estudio evalúa modelos GAMLSS (Modelos Aditivos Generalizados para Localización, Escala y Forma) y los compara con un modelo de Regresión Lineal Multivariable (MRLM) para predecir caudales estacionales en la cuenca alta del río Maipo, durante las temporadas de primavera y verano. Se utilizaron diferentes tiempos de anticipación (0 y 3 meses) para calibrar y validar los modelos. Las distribuciones analizadas incluyen Gamma, Gamma Generalizada, Log Normal y Log Normal 2, utilizando predictores climáticos e hidrometeorológicos como el Niño 3.4, el AAO, caudales mensuales previos y anomalías de la temperatura superficial del mar (SST). Los resultados muestran que la distribución Gamma es la más adecuada, con un buen equilibrio entre ajuste del modelo, precisión y capacidad predictiva. Sin embargo, la capacidad predictiva de los modelos GAMLSS disminuye a mayor tiempo de desfase, especialmente en verano, aumentando la incertidumbre en las predicciones. Aunque los modelos GAMLSS capturan mejor la incertidumbre en comparación con el MRLM, no siempre son los más precisos para predecir los valores más probables de los caudales. Por tanto, es necesario explorar modelos alternativos que mejoren la precisión y reduzcan la incertidumbre en la predicción de caudales bajo diversos escenarios climáticos.32Predicción de caudales estacionalesModelos GAMLSSDistribución GammaIncertidumbreRegresión lineal multivariable (MRLM)35609002888626 Agua limpia y saneamiento9 Industria, innovación e infraestructura15 Vida de ecosistemas terrestres13 Acción por el clima