Title: Pronóstico de lluvia en espacio y tiempo, cuenca del Río Chirgua usando redes neuronales artificiales. (Municipio Bejuma. Estado Carabobo)
Author: Rivas Primerano, Jesús Enrique
Abstract: "El uso de combustibles fósiles por parte del hombre para hacer funcionar las maquinarias
industriales ha traído como consecuencia la emisión de gases contaminantes hacia la
atmósfera. Estas han contribuido con el efecto invernadero aumentando el calentamiento
global dando como resultado una alteración del clima; este descontrol no permite establecer
de manera efectiva un patrón de las lluvias en una región determinada. El presente trabajo de
investigación tiene como finalidad proponer una herramienta basada en El Software
MATLAB con la aplicación de Redes Neuronales Artificiales (RNA) y series de tiempo para
establecer un Patrón de Lluvias para la Cuenca del Río Chirgua, ubicado en El Municipio
Bejuma, del Estado Carabobo que le permita a los productores agrícolas de esta zona
aprovechar las lluvias para adecuar el ciclo de siembra y así de esta manera mejorar la
producción de alimentos. Se plantearon los siguientes objetivos: Caracterizar la lluvia-
escorrentía mediante obtención de datos de un pluviógrafo con almacenamiento electrónico y
registros antecedente; Calibrar modelos de pronósticos mediante la técnica de red neuronal
artificial y Validar el pronóstico de la lluvia observada aplicando la técnica de red neuronal
artificial. Para establecer el Patrón de Lluvias, se comenzó con la toma de mediciones de las
lluvias a través de un pluviógrafo y con información suministrada por el Sistema Nacional de
Información Hidrológica y Meteorología se descargó la información y se procedió a
caracterizar las lluvias empleando Hietogramas. Luego se procedió a calibrar los modelos de
pronósticos de lluvias con la técnica de RNA empleando la lluvia media mensual de las
estaciones instaladas en dicha Cuenca. El tipo de investigación fue descriptiva, con un tipo de
diseño no experimental bajo la modalidad de proyecto factible. La recolección de datos
realizó de manera directa a través de un pluviógrafo; se aplicaron dos matrices; una de un
vector y la otra de 12 vectores. Para analizar los datos se empleó el índice de coeficiente
correlación de datos que arrojó como resultado que la RNA que mejor se adapta para realizar
el pronóstico de lluvias es la matriz de 12 vectores para un retardo de 6 meses.