Predicción de riesgos de inundación por medio de datos sintéticos de diferencias finitas y machine learning

Resumen

El presente proyecto desarrolla un modelo para clasificar el riesgo de inundación en áreas con topografía irregular mediante la integración de métodos numéricos y técnicas de aprendizaje automático. Inicialmente, se implementó un modelo de diferencias finitas para simular la propagación del agua mediante una variante de la ecuación de Saint-Venant. Posteriormente, se utilizó un modelo de Random Forest Classifier para clasificar el riesgo en función del nivel del agua simulado. El modelo se evaluó mediante las métricas f1-score, exactitud, precisión y la matriz de confusión. El trabajo contribuye al desarrollo de sistemas predictivos para la gestión de riesgos hídricos mediante modelos híbridos, lo que facilita la identificación temprana de áreas vulnerables a eventos hidrometeorológicos.