Aplicaciones de aprendizaje automático para estimar la evaporación en regiones áridas: caso de estudio Calera, Zacatecas

Abstract

Resumen. La evaporaci´on es un proceso fundamental dentro del ciclo hidrol´ogico, el cual consiste en la p´erdida de agua en forma de vapor desde la superficie terrestre hacia la atm´osfera. Debido a su complejidad, se han implementado diferentes t´ecnicas de Aprendizaje Autom´atico (ML, por sus siglas en ingl´es), para comprender mejor este proceso. En esta investigaci´on se realiz´o una comparaci´on de tres modelos de ML, regresi´on lineal m´ultiple (MLR), bosques aleatorios (RF) y k-vecinos m´as cercanos (KNN), para estimar la evaporaci´on en la regi´on Calera, Zacatecas, M´exico. Para evaluar el rendimiento de los modelos, se utilizaron las m´etricas coeficiente de correlaci´on de Pearson (R), coeficiente de eficiencia Nash-Sutcliffe (NSE), ra´ız del error cuadr´atico medio (RMSE) y el error medio absoluto (MAE). El modelo regresión lineal múltiple (MLR) fue el que presento mejor desempeño, con un coeficiente de correlación de Pearson (R) para la estación Calera de 0.97 y para Fresnillo de 0.94, de igual manera, se obtuvo un NSE de 0.93 y 0.87, un RMSE de 15.97 y 20.53 mm, y un MAE de 12.56 y 14.66 mm, respectivamente.