Predicción del caudal promedio horario de la estación hidrológica Palmar, utilizando modelos de Machine Learning basados en Árboles de decisión

Abstract

Se realizó una comparación de la capacidad predictiva de los modelos de Árboles de decisión, Bosques aleatorios y XGBoosting al modelar el caudal promedio horario en la estación hidrológica Palmar, ubicada sobre el río Grande de Térraba en la región Pacífico-Sur de Costa Rica.

Para el ajuste del modelo, se trabajó con datos a nivel horario de cuatro estaciones hidrológicas y treinta y seis estaciones meteorológicas, todas propiedad del Instituto Costarricense de Electricidad.

Se comparó la capacidad predictiva de los modelos en dos escenarios: en el primero, se imputaron los datos faltantes de precipitación mediante la ponderación por el cuadrado del inverso de la distancia y los de caudal por el método de área-lluvia. En el segundo, se utilizaron los datos sin ningún tipo de imputación. Como medidas para evaluar el desempeño de los modelos en ambos escenarios, se utilizaron el Coeficiente de Eficiencia de Nash-Sutcliffe, la raíz cuadrada de error cuadrático medio, el error medio absoluto, el error cuadrático medio y el porcentaje de error absoluto medio.

El resultado de la investigación es que para este caso particular, el modelo de Bosques aleatorios es el que tiene un mejor desempeño en ambos escenarios. Además, la imputación de datos faltantes en las variables predictoras generó mejoras en el desempeño de todos los modelos.