Resumen:
Se estudió la capacidad predictiva del uso de las Redes Neuronales Artificiales (RNA)
en la predicción de caudales de estiaje del río renegado en Chile. Utilizando una
apropiada selección de datos de entrada, en conjunto con una adecuada arquitectura
neuronal y algoritmo de entrenamiento, se de determinó el caudal en pasos de tiempo
mensual. El estudio concluye que la red es capaz de predecir caudal, haciendo
ingreso de una o dos variables, en este estudio, ingresando los parámetros de
precipitación del mes anterior (Pp(t‐1)), caudal del mes anterior (Q(t‐1)) en forma
conjunta, se obtuvieron los mejores resultados. Además, se demostró que un análisis
seccionado de los resultados, permite extraer información relevante. Al analizar por
separado los caudales resultantes (meses de invierno y verano) mostraron la
eficiencia de la red el la predicción de estos ultimas, a diferencia del ingreso de estos
datos de forma separada. Se determinó finalmente que una red simple con los
parámetros apropiados, es capaz de simular caudales de estiaje mensuales. Además,
un análisis de residuales permitió determinar la estacionalidad de los datos y como el
caudal se ve afectado por el flujo base de la cuenca.