Comparación de redes neuronales artificiales y análisis armónico para el pronóstico del nivel del mar (estero de Urías, Mazatlán, México)

Resumen

El estero de Urías, una laguna costera localizada en el noroeste de México, está sometido a una gran variedad de impactos ambientales. Su hidrodinámica (y la dispersión de los contaminantes) es controlada principalmente por las corrientes de marea. El primer paso para comprender los procesos estuarinos de la laguna costera es contar con una previsión precisa de las elevaciones del nivel del mar. En el presente trabajo se comparan las predicciones del nivel del mar simuladas por un modelo tradicional de análisis armónico, a través de un análisis espectral de Fourier, con modelos autorregresivos no lineales basados en redes neuronales artificiales, ambos validados y calibrados con datos de campo. Nuestros resultados mostraron que las redes autorregresivas no lineales son útiles para simular la elevación del nivel del mar con una escala relativamente corta de tiempo (<10 días), mientras que el modelo basado en el análisis armónico se puede utilizar para simular escalas temporales grandes (>10 días). Concluimos que el uso conjunto de ambos métodos podría conducir a una estrategia más robusta para predecir las elevaciones del nivel del mar en la laguna costera.