Fajardo Toro, Carlos HernánFernández Riverola, FlorentinoSoto González, BenedictoGonzález Peña, Daniel2008-12-172008-12-172008-12-1716925238http://www.icesi.edu.co/revistas/index.php/sistemas_telematica/article/view/996https://hdl.handle.net/10906/1836Aquí se presenta un modelo hidrológico de estimación basado en el uso de una red neuronal de base radial, con el cual se busca desarrollar sistema automática de estimación de flujos de caudal. El problema de la estimación de caudales no es una tarea trivial debido a (i) que los diversos mecanismos que rigen el sistema que determina el flujo de caudales actúan dentro de un rango muy amplio de escalas espacio – temporales y (ii) casi todos los elementos que intervienen y afectan el flujo de caudales presentan cierto grado de no linealidad. La red neuronal propuesta ha sido utilizada para estimar el pronóstico diario de caudal de una cuenca, obteniéndose resultados satisfactorios frente a otras técnicas. El modelo propuesto ha sido utilizado para realizar estimaciones en el río Ulloa, una cuenca ubicada al noroeste de la Península Ibérica. Aquí se presentan y discuten los resultados obtenidos con los experimentos realizadosA hydrologic estimation model base on the utilization of radial basis function neural networks is presented, in which the aim is to forecast stream flows in an automated fashion. The problem of river flow forecasting is a non-trivial task because (i) the various physical mechanisms governing the river flow dynamics act on a wide range of temporal and spatial scales and (ii) almost all mechanisms involved in the river flow process present some degree of nonlinearity. The proposed neural network was used to forecast daily river discharges in a river basin providing satisfactory results and outperforming previous.13-31 páginasDigitalapplication/pdfspaEL AUTOR, expresa que la obra objeto de la presente autorización es original y la elaboró sin quebrantar ni suplantar los derechos de autor de terceros, y de tal forma, la obra es de su exclusiva autoría y tiene la titularidad sobre éste. PARÁGRAFO: en caso de queja o acción por parte de un tercero referente a los derechos de autor sobre el artículo, folleto o libro en cuestión, EL AUTOR, asumirá la responsabilidad total, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos, la Universidad Icesi actúa como un tercero de buena fe. Esta autorización, permite a la Universidad Icesi, de forma indefinida, para que en los términos establecidos en la Ley 23 de 1982, la Ley 44 de 1993, leyes y jurisprudencia vigente al respecto, haga publicación de este con fines educativos Toda persona que consulte ya sea la biblioteca o en medio electróico podrá copiar apartes del texto citando siempre la fuentes, es decir el título del trabajo y el autor.http://creativecommons.org/licenses/by-nc-nd/4.0/http://biblioteca2.icesi.edu.co/cgi-olib/?infile=details.glu&loid=199166info:eu-repo/semantics/openAccesshttps://doi.org/10.18046/syt.v6i12.996Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Red neuronal de base radial - RBFPronóstico de caudalModelos hidrológicosModelos de caja negraModelos autorregresivosPorducción Intelectual Registrada - Universidad IcesiSistemas & TelemáticaRiver Flow ForecastingHydrologic modelshttp://purl.org/coar/resource_type/c_2df8fbb1instname:Universidad Icesireponame:Biblioteca Digitalrepourl:https://repository.icesi.edu.co/http://purl.org/coar/access_right/c_abf2