Application of Random Forest in the Prediction of Extreme Flows: Evaluation against Deterministic Methods, experimental case of the Magdalena River Frío basin in Colombia.

Abstract

La modelación hidrológica e hidráulica es fundamental para evaluar y gestionar los recursos hídricos, especialmente en regiones propensas a eventos extremos. La cuenca del río Frío, ubicada en el departamento del Magdalena, enfrenta inundaciones recurrentes y déficit hídrico, impactando la resiliencia socioambiental y el ordenamiento territorial. Este estudio utiliza herramientas avanzadas de modelación hidrológica e hidráulica, como HEC-RAS y análisis de series hidrometeorológicas, para evaluar la dinámica del río bajo escenarios extremos de precipitación y cambios en el uso del suelo. Se implementó el algoritmo Random Forest (RF) como modelo de aprendizaje automático para mejorar la capacidad predictiva, utilizando datos históricos de precipitación para estimar caudales en eventos extremos con mayor precisión. El modelo fue entrenado con registros históricos, permitiendo identificar relaciones no lineales entre las variables hidrometeorológicas y la respuesta hidrológica de la cuenca. Se analizó el estado actual del cauce, considerando datos históricos de precipitación y escenarios proyectados con diferentes tasas de urbanización y cambios en la cobertura vegetal. Se incorporaron modelos de predicción climática para evaluar el impacto del cambio climático en la recurrencia de eventos extremos y la disponibilidad hídrica. El uso de Random Forest como herramienta de modelación hidrológica mejoró la estimación de caudales extremos, brindando una base científica para la gestión de riesgos hídricos y la formulación de estrategias de adaptación. Finalmente, se proponen métodos para fortalecer la resiliencia de la cuenca a la variabilidad climática y optimizar la gestión del agua mediante la restauración ecológica y la planificación territorial sostenible.