Ingeniería Civil

Permanent URI for this collection

http://10.1.4.15:4000/handle/123456789/25

Trabajos de grado de Ingeniería Civil.

Browse

Browsing Ingeniería Civil by Author "Bedoya Soto, Juan Mauricio"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Publication
    Aprendizaje de máquinas para calibrar un modelo hidrológico agregado en Cuencas Andinas
    (Corporación Universitaria Remington, 2024) Segura Pérez, Eliel de Jesús; Bedoya Soto, Juan Mauricio
    El presente proyecto de investigación aborda la mejora de la modelización hidrológica en las cuencas andinas de Colombia, un área caracterizada por su complejidad geográfica y climática, así como por la creciente presión sobre los recursos hídricos debido al cambio climático y al crecimiento poblacional. La necesidad de modernizar los modelos hidrológicos tradicionales se justifica por la ineficiencia de estos ante las variaciones climáticas y la heterogeneidad de los datos disponibles. Para enfrentar este desafío, se desarrolló un modelo hidrológico automatizado en Python que integra Técnica profesionals de aprendizaje automático (ML), específicamente redes neuronales LSTM y la Técnica profesional de optimización por enjambre de partículas (PSO). La metodología incluye el preprocesamiento automatizado de datos, la selección del modelo de ML más adecuado y un sistema de calibración para mejorar la precisión de las simulaciones. Los resultados obtenidos tras 10 épocas de entrenamiento muestran que el modelo presenta un error cuadrático medio (RMSE) estabilizado en aproximadamente 0.2, lo que indica un buen ajuste sin sobreajuste. Sin embargo, se observó que el modelo tiende a sobreestimar la lluvia, con errores que varían entre -20 y 5, y presenta picos de error en eventos extremos. La optimización mediante PSO ha demostrado ser efectiva, logrando una reducción en el costo del ajuste (KGE negativo) y mejorando la precisión en la simulación del flujo. En conclusión, este estudio resalta la efectividad de las Técnica profesionals avanzadas de ML en la modelización hidrológica, superando las limitaciones de los modelos tradicionales. Se sugiere que futuras investigaciones se enfoquen en el ajuste de hiperparámetros y en la exploración de Técnica profesionals alternativas de optimización y modelado, con el objetivo de seguir mejorando la precisión en la predicción de caudales en cuencas complejas como la del río Medellín, Colombia.
  • Thumbnail Image
    Publication
    Contraste de esquemas agregado y semidistribuido en HEC-HMS para estimar caudales máximos en la Cuenca del Río Sucio (Urabá – Antioquia)
    (Corporación Universitaria Remington, 2025) Grajales Arrieta, Sneider; Bedoya Soto, Juan Mauricio
    El presente trabajo de grado tuvo como propósito estimar los caudales máximos en la cuenca del río Sucio, ubicada en la región de Urabá (Antioquia), mediante la aplicación del modelo hidrológico HEC-HMS. El estudio se planteó como un aporte técnico para la gestión del riesgo por inundaciones y la planificación del recurso hídrico en una zona caracterizada por su importancia socioeconómica y vulnerabilidad frente a eventos hidrometeorológicos extremos. La investigación se fundamentó en la implementación de un modelo hidrológico semidistribuido, con representación de la cuenca tanto en un esquema agregado como en otro semidistribuido por subcuencas, con el fin de contrastar la respuesta hidrológica en distintos niveles de detalle espacial. El proceso metodológico se estructuró en tres fases: preprocesamiento, procesamiento y posprocesamiento. En la primera, se realizó la delimitación y caracterización morfométrica de la cuenca y sus subcuencas, apoyada en un Modelo Digital de Elevación, mapas de suelos y coberturas, y herramientas SIG. Posteriormente, se configuró y calibró el modelo HEC-HMS a partir de parámetros físicos, series históricas de precipitación y caudales, y eventos de diseño construidos con curvas IDF y Diagrama de Huff. Finalmente, se efectuó la propagación de caudales mediante el método de Muskingum-Cunge y se analizaron los resultados comparativos entre los esquemas de modelación. Los resultados evidenciaron que la simulación de lluvias de distintos períodos de retorno permitió estimar caudales máximos coherentes con el régimen hidrológico observado en la estación de control (Dabeiba). Asimismo, el enfoque semidistribuido mostró mayor capacidad para identificar variabilidad espacial en la generación de escorrentía y para determinar las contribuciones diferenciales de cada subcuenca al caudal pico del río Sucio. Estos hallazgos resultan fundamentales para identificar zonas críticas con mayor susceptibilidad a inundaciones. En conclusión, el trabajo demostró la utilidad de combinar información geoespacial, registros hidrometeorológicos y modelos semidistribuidos para estimar caudales extremos en cuencas de alta complejidad fisiográfica. Los insumos obtenidos fortalecen la gestión de amenazas hidrológicas, la planificación territorial y la implementación de medidas de mitigación orientadas a reducir la vulnerabilidad de la región de Urabá frente a eventos de inundación.