Resumen:
La ubicación de las zonas de recarga de los acuíferos es fundamental para una buena gestión del agua subterránea, por ello, es necesario desarrollar metodologías que permitan localizarlas, para contribuir con su protección, conservación y restauración.
Este trabajo compara el desempeño de dos modelos de inteligencia artificial: Bosques aleatorios (RF) y un modelo híbrido de Bosques aleatorios con Lógica Difusa (RF+FL)) para identificar las zonas de recarga del acuífero de la Zona Metropolitana de la Ciudad de México, y el acuífero de La Sierra en Tabasco.
Los resultados muestran que ambos modelos obtuvieron un desempeño satisfactorio. En particular, el modelo híbrido de Random Forest con Fuzzy Logic obtuvo mejores indicadores de clasificación y una distribución espacial más consistente con la dinámica hidrogeológica observada en el acuífero de la Zona Metropolitana de la Ciudad de México.
Descripción:
Este trabajo compara el desempeño de dos modelos de inteligencia artificial: Bosques aleatorios (RF) y un modelo híbrido de Bosques aleatorios con Lógica Difusa (RF+FL)) para identificar las zonas de recarga mediante el entrenamiento del modelo correspondiente, usando como entrada una base de datos de un acuífero con identificación previa de sus zonas de recarga. Para posteriormente evaluar la generalización del modelo, aplicándolo a ubicaciones sin conocimiento previo de zonas de recarga.
