Las redes neuronales artificiales (ANN) son un método de computación inspirado biológicamente que puede recibir grandes cantidades de datos, encontrar patrones, aprender de ellos y luego desarrollar predicciones para eventos futuros. Se han propuesto como una herramienta útil para procesar las complejas relaciones entre grandes cantidades de datos relacionados con la transformación de la lluvia en escorrentía. Esta relación es uno de los problemas hidrológicos más difíciles que enfrentan los administradores de recursos hídricos.

Investigadores de la Universiti Putra Malaysia 'enseñaron' a una ANN a predecir la escorrentía diaria del río Bertam hacia el embalse Ringlet, 200 kilómetros al norte de Kuala Lumpur. Recopilaron datos diarios de lluvia y flujo de arroyos de la zona de captación del río Bertam durante un período de diez años. de 2003 a 2012, y la evaporación diaria estimada del agua usando datos de temperatura recolectados de la estación más cercana al reservorio. El setenta por ciento de estos datos se ingresó en el modelo para entrenarlo, mientras que el 30% restante de los datos se utilizó para probar la precisión del modelo mediante mediciones de evaluación estadística. La ANN se desarrolló para mapear la relación entre la lluvia y la escorrentía. Cuantos más factores se utilicen, cuanto más precisos sean los resultados. La ANN pudo predecir el flujo de la corriente del río hacia el embalse con un 76% de precisión.

"Los resultados indican que la red neuronal artificial es una herramienta poderosa para modelar la escorrentía pluvial, "informan los investigadores en un Revista Pertanika de ciencia y tecnología estudio. “Los resultados obtenidos podrían ayudar a los gestores de recursos hídricos a operar adecuadamente el embalse en caso de eventos extremos como inundaciones y sequías, " agregan.

El poder predictivo de la ANN podría mejorarse al incluir insumos adicionales como la deforestación, actividades agrícolas y uso de la tierra, dicen los investigadores.