Senamhi utiliza inteligencia artificial para predecir el aumento de caudal en cuencas de alto riesgo en Perú último | PERÚ – El diario andino
El Servicio Nacional de Meteorología e Hidrología del Perú (Senamhi), adscrito al Ministerio del Medio Ambientedio a conocer avances científicos en el uso de modelos híbridos basados en técnicas de aprendizaje profundo (Inteligencia artificial) con el fin de optimizar la predicción hidrológica en las cuencas de la vertiente del Pacífico, una de las zonas más expuestas a eventos hidroclimáticos extremos.
El especialista de la Dirección de Hidrología del Senamhi, Harold Llauca, destacó el impacto que generan los recientes eventos extremos y la urgente necesidad de anticiparse a ellos.
Asimismo, señaló que la medición constituye el punto de partida y que, a finales de diciembre de 2025, el Senamhi tiene 131 estaciones hidrológico operacional.
Huánuco: Joven muere tras caer 400 metros durante instalación de cable en proyecto de electrificación
¿Por qué utilizar estos modelos híbridos?
Se utilizan modelos híbridos que integran redes neuronales profundas (LSTM y CNN) con modelos conceptuales como GR4Jpara combinar el poder predictivo de la inteligencia artificial con la interpretabilidad de la hidrología,
El estudio evaluó 13 cuencas en la vertiente del Pacíficodesde Tumbes hasta Arequipa, incluyendo aquellos con alta intervención humana, donde los modelos tradicionales presentan menores niveles de desempeño.
Un ejemplo es el Cuenca Puyango-Tumbesubicado en Tumbes y compartido con Ecuador, donde la ausencia de estaciones de monitoreo en el lado ecuatoriano limita la capacidad de predecir aumentos en caudal.
Midis registra más de 4,6 millones de servicios sociales en zonas rurales de sierra y selva
Sin embargo, la aplicación de técnicas de Deep Learning ha permitido mejoras sustanciales en la simulación hidrológica en comparación con los modelos convencionales, aumentando su rendimiento en aproximadamente 30% a niveles cercanos al 80% en ciertos escenarios.
Cabe señalar que gracias a la evidencia científica obtenida a partir de las técnicas de AITambién se puede aplicar en áreas donde no hay datos de flujo a través de procesos de regionalización. hidrológico.
