Resumen:
Este trabajo aborda la regionalización del modelo hidrológico GR2M en cuencas del Sistema Cutzamala y en cuencas vecinas, con el objetivo de estimar los volúmenes de entrada mediante técnicas de machine learning. La motivación principal surge de la limitada disponibilidad de datos de caudal en las cuencas que alimentan las presas del sistema, así como la necesidad de contar con herramientas confiables para la gestión del recurso hídrico en una región donde la disponibilidad está siendo afectada por el cambio climático.
Para ello, se desarrolló una metodología que permite calibrar, regionalizar y validar los parámetros del modelo, con el fin de aplicarlo en cuencas no aforadas.
Descripción:
El presente documento se organiza en varios capítulos. El segundo capítulo describe los antecedentes y la infraestructura del Sistema Cutzamala. El tercero presenta el marco teórico relacionado con la modelación hidrológica, la regionalización de parámetros y las herramientas estadísticas y de machine learning utilizadas en el estudio. El cuarto capítulo expone las características físicas y ambientales de la zona de estudio. En el quinto se detallan las bases de datos empleadas y la metodología desarrollada, incluyendo la calibración y regionalización del modelo GR2M. El sexto capítulo muestra los resultados obtenidos y su evaluación mediante diferentes enfoques de análisis. Finalmente, el séptimo capítulo reúne las conclusiones del trabajo y propone líneas de investigación futura.
