HIDROGEOTECNICAS, Conocimiento e Ingeniería

  Objetivo : Estimar el tiempo de retorno de un evento de avenida en una cuenca utilizando modelos de IA. Actividad : Proporcionar datos históricos de precipitaciones extremas y registros de caudales. Utilizar IA para identificar patrones en los eventos extremos y calcular probabilidades de recurrencia, empleando modelos como Random Forest o métodos probabilísticos. Comparar los resultados obtenidos con métodos tradicionales de estadística como Gumbel o Log-Pearson tipo III. Software sugerido : Python (biblioteca  statsmodels  o  scikit-learn  para Random Forest).

  Objetivo : Predecir el caudal máximo de una avenida con datos históricos y variables meteorológicas. Actividad : Proporcionar series temporales de datos hidrológicos (precipitaciones, niveles de agua) y características físicas de la cuenca (pendientes, vegetación). Usar algoritmos de aprendizaje supervisado (como regresión lineal múltiple o redes neuronales recurrentes) para entrenar modelos predictivos que estimen el caudal máximo. Evaluar la precisión del modelo en base a eventos históricos de avenidas en la cuenca. Software sugerido : TensorFlow o PyTorch para modelos de redes neuronales, o herramientas de análisis en tiempo real.

  Objetivo : Calcular el tiempo que tarda el agua en fluir desde el punto más lejano de la cuenca hasta la salida (punto de control). Actividad : Proporcionar a los estudiantes un conjunto de datos reales que incluya el área de la cuenca, la pendiente, el tipo de suelo y el uso del terreno. Utilizar herramientas de IA (como modelos de predicción o redes neuronales) para predecir el tiempo de concentración de la cuenca. Comparar los resultados de la IA con métodos empíricos tradicionales como el método de Kirpich o el de Giandotti. Software sugerido : Python con bibliotecas como  sklearn  para modelos predictivos, o Google Colab para cálculos en la nube. Te sugiero ver primero este video: https://www.youtube.com/watch?v=a5LKmjsx45A

  Les comparto el siguiente artículo que hemos realizado en la Universidad de La Laguna The Average Direct, Indirect and Total Effects of Environmental Concern on Pro-Environmental Behavior https://lnkd.in/dtDC6H8E El objetivo del artículo es analizar por qué los niveles de comportamiento proambiental (PEB, por sus siglas en inglés) no siempre coinciden con los niveles de preocupación ambiental. Comprender el comportamiento proambiental sigue siendo un reto, y entender los mecanismos causales entre la preocupación ambiental y estos comportamientos puede ser útil para mejorar la efectividad de las estrategias ambientales, como la gestión del suelo, el reciclaje, los impuestos ambientales, la calidad del agua, la salud humana y la prevención de la pérdida de biodiversidad. Intentamos relacionar cómo la preocupación ambiental influye en los comportamientos proambientales (aquellos que buscan proteger el medio ambiente) a través de diferentes tipos de efectos. Average Direct Effects (...

Supongamos que estamos analizando la cuenca hidrográfica de un pequeño río que drena una superficie de 50 km² . Se desea calcular el volumen de escorrentía generado durante un evento de lluvia significativo. Utilizaremos los siguientes datos: Precipitación total durante el evento de lluvia: 100 mm. Coeficiente de escorrentía (C): 0.4 (asumiendo que el 40% del agua de lluvia se convierte en escorrentía directa). Evapotranspiración durante el evento: despreciable debido a la alta intensidad de la lluvia. Tiempo de concentración: 4 horas (el tiempo que tarda el agua de la lluvia en recorrer toda la cuenca y alcanzar el punto de salida). Paso 1: Cálculo del volumen de precipitación total sobre la cuenca El primer paso es calcular cuánta agua cayó sobre la cuenca. El volumen de precipitación total V p V_p V p ​ se calcula utilizando la siguiente fórmula: V p = P × A V_p = P \times A V p ​ = P × A Donde: P P P es la precipitación en metros (100 mm = 0.1 m). A A A es el área de la cuen...