Modelado de series temporales de aprendizaje profundo para evaluar el hundimiento de tierras bajo un uso reducido de...

Área de la Ciencia:

• Ciencias de la Tierra
• Ciencias del medio ambiente
• Ciencia de los datos

Sus antecedentes:

• El delta de Choshui de Taiwán se enfrenta a un empeoramiento del hundimiento de la tierra exacerbado por la extracción intensiva de agua subterránea y la sequía.
• El modelado predictivo eficaz es crucial para mitigar el hundimiento de tierras en regiones deltas vulnerables.

Objetivo del estudio:

• Desarrollar y aplicar un marco de aprendizaje automático para el análisis del hundimiento de tierras.
• Identificar la disminución del nivel de las aguas subterráneas como un factor primario de hundimiento utilizando datos sobre el consumo de electricidad.
• Evaluar la eficacia de las estrategias de reducción del bombeo de aguas subterráneas para mitigar los hundimientos.

Principales métodos:

• Utilizó una red neuronal de memoria larga a corto plazo (LSTM) para reconstruir registros de hundimiento y pronosticar tendencias.
• Empleó una red neuronal artificial (ANN) para correlacionar el uso de electricidad con las fluctuaciones del nivel del agua subterránea.
• Se han simulado dos escenarios artificiales para evaluar el impacto de la reducción del bombeo de agua subterránea en las tasas de hundimiento.

Principales resultados:

• El modelo LSTM reprodujo con precisión los datos históricos de hundimiento y proporcionó predicciones futuras confiables.
• La disminución del nivel de las aguas subterráneas debido al bombeo se identificó como un factor clave que contribuye al hundimiento de la tierra.
• Las reducciones simuladas de bombeo condujeron a la recuperación del nivel de las aguas subterráneas y a una disminución significativa de las tasas de hundimiento, por ejemplo, de 2,23 cm/año a 1,34 cm/año en un pozo de monitoreo clave.

Conclusiones:

• La integración de los indicadores de extracción de agua subterránea en los modelos de hundimiento es esencial.
• La limitación de la extracción de aguas subterráneas mitiga efectivamente el hundimiento de la tierra en las zonas deltas vulnerables.
• El aprendizaje automático proporciona una herramienta poderosa para comprender y gestionar el hundimiento de la tierra.