La intersección entre inteligencia artificial e hidrología: avances científicos desde IHCantabria

Los resultados de dos artículos científicos publicados recientemente en la revista Journal of Hydrology destacan un enfoque interdisciplinario innovador, que combina la inteligencia artificial (IA) y la hidrología para enfrentar desafíos regionales. Se trata de un estudio desarrollado íntegramente en el Instituto de Hidráulica Ambiental de la Universidad de Cantabria (IHCantabria), por el doctorando Farzad Hosseini, bajo la supervisión de la investigadora Cristina Prieto Sierra y del responsable del Grupo de Ingeniería Hidráulica de este instituto, César Álvarez Díaz.

El mencionado estudio aborda la optimización de modelos de aprendizaje conjunto, específicamente redes de memoria a corto y largo plazo (LSTM, por sus siglas en inglés), para mejorar la predicción de caudales y niveles de agua en cuencas del País Vasco. Esta región, caracterizada por un régimen húmedo y rápidas respuestas a precipitaciones intensas, constituye un escenario ideal para probar la capacidad de estos modelos avanzados.

A partir de los primeros resultados de este estudio, el equipo investigador ha demostrado que la búsqueda aleatoria para la optimización de hiperparámetros mejora significativamente el rendimiento de los LSTM en entornos hidrológicos regionales. Este avance ha permitido abordar un desafío histórico en hidrología: la necesidad de desarrollar modelos únicos para cada cuenca hidrográfica, debido a la singularidad de sus características. Ahora, es posible unificar predicciones mediante un marco regional optimizado, lo que representa un cambio de paradigma en la disciplina.

El segundo artículo amplió estos conocimientos explorando el aprendizaje conjunto (ensemble learning), un enfoque que promueve el trabajo colaborativo de múltiples modelos LSTM (los que están diseñados de forma individual para cada cuenca hidrográfica). Este método puede contribuir a mejorar la precisión de las predicciones, además de demostrar ser especialmente efectivo en cuencas complejas o influenciadas por factores externos, como la nieve o los grandes embalses.

Adicionalmente, desde el ámbito de la inteligencia artificial, este estudio ha proporcionado información clave sobre el comportamiento de las redes neuronales. Los resultados subrayan cómo la configuración de los hiperparámetros y la arquitectura del modelo influyen en su capacidad de aprendizaje.

Estos avances no solo tienen implicaciones científicas, sino también prácticas. Al mejorar las predicciones hidrológicas, se optimizan sistemas de alerta temprana y estrategias de gestión de recursos hídricos, lo que es crucial en regiones como el País Vasco, donde las inundaciones repentinas representan un riesgo constante. Además, la metodología desarrollada tiene el potencial de ser replicada en otras regiones del mundo, lo que contribuye al manejo sostenible del agua y a la mitigación de riesgos asociados al cambio climático.

La investigación publicada en la revista Journal of Hydrology no solo responde a preguntas científicas críticas y relevantes, en la actualidad, sino que también allana el camino para futuras colaboraciones interdisciplinarias. El impacto de este trabajo refuerza el compromiso de IHCantabria con la búsqueda de soluciones innovadoras para resolver problemas relacionados con desafíos hidrológicos globales.

Los artículos recientemente publicados pueden consultarse a través de los siguientes enlaces:

• “Hyperparameter optimization of regional hydrological LSTMs by random search”
• “Ensemble learning of catchment-wise optimized LSTMs enhances regional rainfall-runoff modelling”.

Pie de foto: Río Nervión (foto de stock)