Simulación rápida para la predicción de la profundidad de inundación en tiempo real utilizando una máquina vectorial...

Área de la Ciencia:

• Ciencias del medio ambiente
• Hidrología
• Planificación urbana

Sus antecedentes:

• El cambio climático intensifica la precipitación intensiva local (LIP), lo que lleva a graves inundaciones urbanas.
• Los modelos hidrodinámicos tradicionales (SWMM, FLO-2D) son precisos pero computativamente intensivos, lo que limita la predicción de inundaciones en tiempo real.
• Las áreas urbanas como Gangnam, Seúl, enfrentan importantes riesgos de inundación.

Objetivo del estudio:

• Desarrollar un modelo de predicción rápida de la profundidad de las inundaciones para las zonas urbanas.
• Integrar el aprendizaje automático con simulaciones físicas para mejorar el pronóstico de inundaciones.
• Apoyar la respuesta oportuna a los desastres en entornos urbanos propensos a las inundaciones.

Principales métodos:

• Se desarrolló un modelo de máquina vectorial de soporte (SVM) para la predicción rápida de la profundidad de las inundaciones.
• El modelo SVM fue entrenado utilizando datos generados a partir de una simulación hidrodinámica acoplada 1D-2D (SWMM-FLO-2D).
• Las variables de entrada incluyeron datos acumulados de lluvia y desbordamiento de alcantarillado en escenarios de 1 a 5 horas.

Principales resultados:

• El modelo SVM integrado demostró un alto rendimiento con R2 = 0,988, NSE = 0,987, diferencia en % = 1,080 y RMSE = 0,098 m.
• El modelo hidrodinámico 1D-2D (SWMM-FLO-2D) fue validado con los registros de inundación observados con una coincidencia del 64%.
• El modelo SVM predijo con precisión las profundidades de inundación en comparación con los resultados de la simulación FLO-2D.

Conclusiones:

• La integración del aprendizaje automático con simulaciones físicas ofrece un enfoque rápido y confiable para la predicción de inundaciones.
• El modelo SVM desarrollado puede ayudar significativamente en la gestión de riesgos de inundación urbana en tiempo real.
• Este enfoque mejora la eficiencia de los sistemas de respuesta a desastres en las zonas urbanas que se enfrentan a los impactos del cambio climático.