PRONÓSTICO DEL CAUDAL DE LA CUENCA
DEL RIO HUAURA MEDIANTE UN SISTEMA DE
INFERENCIA DIFUSO, BASADO EN
PRECIPITACIONES
FLOW FORECAST OF THE HUAURA RIVER BASIN USING A
FUZZY INFERENCE SYSTEM, BASED ON PRECIPITATION
Johnny Gregorio Cipriano Bautista
Universidad Nacional del Santa, Perú
pág. 7358
DOI: https://doi.org/10.37811/cl_rcm.v8i3.11929
Pronóstico del Caudal de La Cuenca del Rio Huaura Mediante un
Sistema de Inferencia Difuso, Basado en Precipitaciones
Johnny Gregorio Cipriano Bautista
1
jcipriano@unjfsc.edu.pe
https://orcid.org/0000-0002-7239-4665
Universidad Nacional del Santa
Perú
RESUMEN
El presente trabajo de investigación tiene como objetivo, pronosticar el caudal de la cuenca del
rio Huaura mediante un sistema de inferencia difuso basado en precipitaciones. El Método de
Investigación es Descriptivo – proposicional. El diseño de investigación es de tipo no
experimental. En las precipitaciones pluviales se han considerado cuatro variables de entrada:
Lluvias (muy ligero, ligero, moderada baja, moderada media, moderada, fuerte y muy fuerte),
Llovizna (muy ligeras, ligero, moderada baja, moderada media, moderada, fuerte y muy fuerte),
granizo (pequeño, mediano A, mediano B, mediano, grande y muy grande) y nieve (ligera,
moderada baja, moderada medio, moderada, fuerte y muy fuerte). En la variable de salida se
consideró la descarga de agua (mínimo, medio y máximo). Para el análisis de datos se utilizó el
sistema de inferencia difuso If – Then tipo Mamdani con funciones de pertenencia trapezoidal.
Analizando esta regla encontramos que, si lluvia es muy ligera de 0.219 mm/h, llovizna es muy
ligero de 0.0296mm/h, el granizo es pequeño de 0.0mm y la nieve ligera de 0.0mm/h entonces al
caudal es mínimo de 19,98m3/s; y si la lluvia es muy fuerte de 10.00mm/h, llovizna es muy fuerte
de 0.6mm/h, el granizo es muy grande de 60.00mm y la nieve es muy fuerte de 6.00mm/h entonces
el caudal es máximo de 59.6 m3/s. Se concluye que esta aplicación permite pronosticar el caudal
de la cuenca del rio Huaura.
Palabras clave: Pronóstico del caudal, inferencia difusa, precipitaciones pluviales
1
Autor principal.
Correspondencia: jcipriano@unjfsc.edu.pe
pág. 7359
Flow Forecast of the Huaura River Basin Using a Fuzzy Inference
System, Based on Precipitation
ABSTRACT
The objective of this research work is to forecast the flow of the Huaura river basin by means of
a fuzzy inference system based on rainfall. The research method is descriptive - propositional.
The research design is non-experimental. Four input variables were considered in rainfall:
Rainfall (very light, light, low moderate, low moderate, medium moderate, moderate, strong and
very strong), Drizzle (very light, light, low moderate, medium moderate, moderate, moderate,
strong and very strong), hail (small, medium A, medium B, medium, large and very large) and
snow (light, low moderate, medium moderate, moderate, moderate, strong and very strong).
Water discharge (minimum, medium and maximum) was considered in the output variable. For
data analysis we used the Mamdani type If - Then fuzzy inference system with trapezoidal
membership functions. Analyzing this rule we found that if rain is very light 0.219 mm/h, drizzle
is very light 0.0296mm/h, hail is small 0.0mm and light snow 0. 0mm/h then the minimum flow
rate is 19.98m3/s; and if the rainfall is very heavy 10.00mm/h, the drizzle is very heavy 0.6mm/h,
the hail is very large 60.00mm and the snow is very heavy 6.00mm/h then the maximum flow rate
is 59.6 m3/s. It is concluded that this application allows forecasting the flow of the Huaura river
basin.
Keywords: Flow forecasting, fuzzy inference, rainfall
Artículo recibido 22 mayo 2024
Aceptado para publicación: 26 junio 2024
pág. 7360
INTRODUCCIÓN
Es necesario plantearse cómo proteger los recursos hídricos, sobre todo porque es probable que
la escasez de agua se convierta en una realidad con el paso del tiempo y el aumento de la
contaminación. La falta de agua puede producirse tanto físicamente, cuando no hay agua
suficiente para abastecer a la población, como económicamente cuando los recursos hídricos no
se gestionan bien.
En el Perú la demanda total estimada del agua es de 49 717.97 hectómetro cubico por año de
los que 26 080.71 hectómetro cubico por año equivale a un 52 por ciento corresponden a usos
consuntivos y 23 637.26 hectómetro cubico por año equivale a un 48 por ciento a usos no
consuntivos. La mayor cantidad de agua se destina a la agricultura en el sector de consumo y en
el energético. La Autoridad Administrativa del Agua con mayor demanda de agua total es la
Autoridad Administrativa del Agua Cañete Fortaleza con 9 533.38 hectómetro cubico por año por
el peso de la energética, seguida de Jequetepeque y Zarumilla con 9 418.02 hectómetro cubico
por año por el componente agrícola y Mantaro, con 7 460.78 hectómetro cubico por año por la
energética (ANA, 2013).
La precipitación es la cantidad de agua que cae sobre la superficie de la tierra, que se forma a
partir de la humedad atmosférica ya sea en forma líquida (llovizna y lluvia) o sólida (escarcha,
nieve, granizo) (García, 2014); es importante conocer el proceso de las precipitaciones, porque
con ello podemos analizar el caudal y tener en cuenta que la precipitación se deposita en la
superficie del suelo, luego el agua se distribuye por la superficie terrestre en forma de escorrentía
superficial o escorrentía superficial o mediante infiltración (Villacorta el al., 2010). El flujo de
agua es el volumen, que fluye a través de un tramo determinado de arroyo, río o arroyo en un
tiempo determinado, como segundos (Gonzales, 2014).
El rio Huaura tiene una longitud de aproximadamente 158.3 kilómetros, presentando una
pendiente promedio de 3 por ciento, y la capacidad máxima de captación del valle se estima en
40,68 m3/s, el caudal medio mensual del rio Huaura es de 25,3 m3/s, mientras que para el rio
Chico de 1,8 m3/s y algunas mas importantes son: Laguna Surasaca 21.7 millones de metros
cúbicos útil, Laguna de Cochaquillo 25.7 millones metros cúbicos y Laguna Paton 5.7 millones
pág. 7361
metros cúbicos (Musayón, 2013).
La lógica difusa o borrosa, es una lógica multivaluada y permite por medio de conjuntos de
pertenencia una forma práctica de enfocar los problemas tal como se visualiza en el mundo real
(Acosta, 2006, p.13), su algoritmo permite modelizar situaciones de incertidumbre entre la verdad
y la falsedad de sus proposiciones; y expresa el grado de pertenencia mediante un valor en un
intervalo cerrado de 0 a 1 (Zadeh, 1965), combinan variables de entrada definidas en términos
difusos por medio de reglas que producen uno o varios valores de salida (Martínez y Andrade,
2016); una función de membresía, permite asignar a cada elemento un valor real que indica en
qué medida pertenece al conjunto en un intervalo de 0 y 1, el valor más grandes indica un mayor
grado de pertenencia al conjunto, en cambio los valores pequeños indican una baja pertenencia y
casos extremos un valor de 0 indica ningún cumplimiento, mientras que un valor de 1 indica
cumplimiento total (Reyna, 2008). Para tal efecto consideramos la investigación de Niño (2013)
menciona que para obtener predicciones más precisas en universos fijos con tablas de
entrenamiento, es necesario que nuestras entradas y salidas se superpongan en sus conjuntos
difusos; mientras que Díaz (2009) menciona que la implementación de la lógica difusa permite
modelar la incertidumbre de la demanda del mercado a través de tres variables lingüísticas; A
menudo Zuñiga (2009) utiliza predicciones utilizando técnicas de redes neurodifusas. Mientras
que Aguirre(1998) Concluye que el balance hídrico con los cuales medios mensuales presenta un
déficit en los meses de setiembre y octubre que corresponde a 4.11 millones metros cúbicos. En
los meses restantes el balance es positivo, presentándose superávits importantes sobre todos los
meses de enero abril. Galindo (2002) define a la función trapezoide por sus límites inferior a y
superior d, y los límites de su soporte, b y c, inferior y superior respectivamente.
Las inundaciones y la escasez de agua en el valle de Huaura Sayán están causando problemas que
afectan a la población de Huaura y sus alrededores, debido a las pérdidas de cultivos y la escasez
de agua. Esta investigación permitirá conocer el pronóstico de caudales de la cuenca del río
Huaura, prevenir inundaciones en la cuenca y planificar la distribución de agua al sector agrícola
y el abastecimiento de agua a la población de Huaura. En conclusión este el sistema de inferencia
difuso nos ayuda a pronosticar el caudal del rio Huaura.
pág. 7362
METODOLOGÍA
El Método de Investigación es Descriptivo – proposicional, con diseño de investigación de
tipo no experimental. La investigación no experimental que se refiere a la investigación realizada
sin manipulación consciente de variables y en la que los fenómenos simplemente se observan en
su entorno natural y luego se analizan (Hernández et al., 2004). La población en estudio estuvo
constituido por todos los factores (Lluvia, llovizna, granizo y nieve) que pronostican el caudal
de la cuenca del rio Huaura. En las precipitaciones pluviales se han considerado cuatro variables
de entrada: Lluvias (muy ligero, ligero, moderada baja, moderada media, moderada, fuerte y muy
fuerte), Llovizna (muy ligeras, ligero, moderada baja, moderada media, moderada, fuerte y muy
fuerte), granizo (pequeño, mediano A, mediano B, mediano, grande y muy grande) y nieve (ligera,
moderada baja, moderada medio, moderada, fuerte y muy fuerte). En la variable de salida se
consideró la descarga de agua (mínimo, medio y máximo). El número de reglas del sistema ha
sido dado por todas las posibles combinaciones de calificadores en los antecedentes, dado que
hay 4 variables de entrada con tres calificadores este número de combinaciones es 82 reglas
lógicas. Para el análisis de datos se utilizó el sistema de inferencia difuso (fuzzy) procesado por
el software matlab. Se utilizó la regla difusa de Mamdani: IF 𝑥1 is A AND 𝑥2 IS B AND 𝑥3
IS C AND 𝑥4 D THEN 𝑢1.
RESULTADOS Y DISCUSIÓN
Para pronosticar el caudal de la cuenca del rio Huaura, teniendo en cuenta la precipitaciones
pluviales como: lluvia, llovizna, granizo y nieve y tomando como referencia el estudio realizado
por la Dirección de conservación y planeamiento de Recursos Hídricos de la Autoridad Local del
agua Huaura se diseño de la manera siguiente:
pág. 7363
Figura 1 Construcción del sistema de inferencia difuso
Tabla 1 Resultados del pronóstico de la caudal de rio Huaura(m3/s) estación Sayán puente Alco
Precipitaciones
Pronostico
Luvia(mm/h)
Lovizna(mm/h)
Granizo(mm)
Caudal(m3/s)
0.219
0.0206
0
19.9
0.469
0.0356
2.05
21.7
8.59
0.407
14,3
43.9
8.59
0.504
28.9
48
5.53
0.346
35.9
48.3
6.29
0.429
51.4
51.6
8.41
0.475
51.4
53.8
9.17
0.6
58.6
59.3
5.28
0.444
30
40.9
10
0.6
60
59,6
Según se muestra en la tabla, el pronóstico del caudal de la cuenca del Rio Huaura, se avaluó con
un sistema de inferencia difuso, basados en precipitaciones pluviales, utilizando el software
Matlab y analizando en el sistema de inferencia difuso resulta:
En la primera regla, si (lluvia es ligera) and (llovizna es débil) and (Granizo es pequeño) and
(Nieve es ligera) then (caudal es mínimo); Analizando esta regla encontramos que si lluvia es
ligera de 0.219, llovizna 0.0296, el granizo de 0.0 y la nieve es 0.0 entonces al caudal es mínimo
de 19,9 m3/s.
En la regla dieciocho, si (lluvia es fuerte) and (llovizna es fuerte) and (Granizo es grande)and
Precipitaciones pluviales
•Lluvia
•Llovizna
•Granizo
•Nieve
Funciones de
pertenencia
•Trapezoidales
Caudales
•Mínimo
•Media
•Máximo
•Inundación
ENTRADA
SALIDA
REGLAS DE
INFERENCIA
pág. 7364
(Nieve es fuerte) then (caudal es máximo); analizando esta regla encontramos que si lluvia es
fuerte de 10.00, llovizna 0.6, el granizo de 60.00 y la nieve es 6.0 entonces al caudal es máximo
de 59,6 m3/s.
CONCLUSIONES
Luego de terminar la investigación presente, llegamos a puntualizar las siguientes conclusiones:
Para lograr el objetivo de este trabajo de investigación que es pronosticar el caudal de la cuenca
del rio Huaura mediante un sistema de inferencia difuso basado en precipitaciones se definió el
universo discurso.
Se ha comprobado que con la información de las precipitaciones se pronostica los caudales del
rio Huaura, además se encontró que el sistema de inferencia difuso ayuda a pronosticar el caudal
del rio Huaura mediante las precipitaciones pluviales.
REFERENCIAS BIBLIOGRÁFICAS
Acosta, H. N. (2006). Diseño de Controladores dedicados a la lógica difusa. Madrid, España:
Universidad Autonoma de Madrid.
Autoridad Nacional de Agua (2013). Plan Nacional de recursos hídricos en el Peru , memoria
2013. Lima
Aguirre, M. (1998) Estudio del Balance Hídrico de la cuenca del rio Huaura. Lima.
Días, J. (2009). Modelo para el ajuste de pronósticos agregados utilizando lógica difusa.
Chihuahua. Universidad Autónoma de Ciudad Juárez Chihuahua
Da Silva Santos , F., & López Vargas , R. (2020). Efecto del Estrés en la Función Inmune en
Pacientes con Enfermedades Autoinmunes: una Revisión de Estudios
Latinoamericanos. Revista Científica De Salud Y Desarrollo Humano, 1(1), 46–59.
https://doi.org/10.61368/r.s.d.h.v1i1.9
Fernández C., F. (2024). Determinación De Erodabilidad En Áreas De Influencia Cuenca Poopo
Región Andina De Bolivia. Horizonte Académico, 4(4), 63–78. Recuperado a partir de
https://horizonteacademico.org/index.php/horizonte/article/view/19
Garcia Ruesta, J. (2012). Modelo de perdidas para determinar precipitacion efectiva usando
sistema de informacion geografica. Universidad de Piura. Perú
pág. 7365
Galindo J. (2007) Conjunto y Sistemas difusos sistema de informacion geografica. Universidad
de Malaga. España
Gonzales, A. (2014). Medicion de caudal. Medillin. Colombia.
Hernandez Sampieri, R, Fernandez Collado, C. y Baptista Lucio, P. (2004) Metodología de la
Investigación. Mèxico. Mc. Craw Hill.
Martínez, N., & Andrade, H. (2016). Integración de la lógica difusa a la dinámica de sistemas
para la selección de terrenos de cultivos agrícolas. Revista Elementos , 149-166.
Mosquera Molina , K. J., Núñez Gutiérrez , I. K., & Ramírez Lozada , H. (2024). Innovative
Didactic Activities to Develop Senior High School Students´ English Speaking Skills
. Estudios Y Perspectivas Revista Científica Y Académica , 4(1), 443–464.
https://doi.org/10.61384/r.c.a.v4i1.110
Mosquera Molina , K. J., Núñez Gutiérrez , I. K., & Ramírez Lozada , H. (2024). Innovative
Didactic Activities to Develop Senior High School Students´ English Speaking Skills
. Estudios Y Perspectivas Revista Científica Y Académica , 4(1), 443–464.
https://doi.org/10.61384/r.c.a.v4i1.111
Medina Nolasco, E. K., Mendoza Buleje, E. R., Vilca Apaza, G. R., Mamani Fernández, N. N.,
& Alfaro Campos, K. (2024). Tamizaje de cáncer de cuello uterino en mujeres de una
región Andina del Perú. Arandu UTIC, 11(1), 50–63.
https://doi.org/10.69639/arandu.v11i1.177
Niño, E. (2013). Pronostico de recursos hídricos, por medio de lógica difusa. Tesis para optar por
el título de ingeniero electrónico y telecomunicaciones. Bogotá: Universidad Católica de
Colombia.
Neri Vázquez, J. R., & Perez Jaramillo, P. A. (2024). Percepción de inseguridad en personal
sanitario del bajío mexicano. Revista Científica De Salud Y Desarrollo Humano, 5(1),
234–252. https://doi.org/10.61368/r.s.d.h.v5i1.87
Reina, D. (2008). Fundamentos de la matemática difusa.
Villacorta , S., Chira, J., Ochoa, M., Sánchez, M., Pari, W., & Valencia, M. (2010). Estudio
geoambiental de la cuencua del rio Huaura. Lima.
pág. 7366
Zuñiga, A. Aguirre, D. (2010). Pronóstico de caudales afluentes para la planificación de la
operación de sistemas hidrotérmicos de potencia aplicando el modelo ANFIS. Guayaquil,
Ecuador.
Zadeh, L.(1965). Fuzzy sets. Information and control, vol. 8 (1965), pp. 338–353. - L. A. Zadeh.
Similarity relations and fuzzy orderings. Information sciences, vol. 3 (1971), pp. 177–
200
Musayon, J. (2013). Análisis y situación de la Cuenca hidrográfica del rio Huaura.
https://issuu.com/pepelhc/docs/01-ancajima-ana