⚡ electrical engineering

A Hybrid Feature-Engineered XGBoost Framework for Rainfall-Runoff Based Inflow Prediction of Ukai Dam, India

Este estudio propone un novedoso marco de XGBoost con ingeniería de características híbrida que integra un método mejorado del Número de Curva de Conservación de Suelos con una ingeniería de características temporales avanzada para lograr una predicción superior de la escorrentía de lluvia para la Presa de Ukai, superando significativamente a los modelos tradicionales de aprendizaje automático y aprendizaje profundo en precisión y confiabilidad para la gestión de los recursos hídricos.

Autores originales: Bhavini Shah, Kamlendu Pandey

Publicado 2026-06-30

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Bhavini Shah, Kamlendu Pandey

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina la Presa de Ukai en la India como una bañera gigante y sedienta. El agua que fluye hacia ella (la "entrada") depende de cuánto llueva en las colinas circundantes y de cómo esa lluvia se convierta en escorrentía. Predecir exactamente cuánta agua verterá en esta bañera es como intentar adivinar el futuro: es crucial para prevenir inundaciones, generar electricidad y asegurar que los agricultores tengan agua para sus cultivos.

Los autores de este artículo, Bhavini Shah y el Dr. Kamlendu Pandey, construyeron un nuevo "super-predictor" para resolver este juego de adivinanzas. Así es como lo hicieron, explicado de forma sencilla:

1. El Problema: Herramientas Viejas vs. Nueva Realidad

Tradicionalmente, los científicos utilizaban dos formas principales para predecir el flujo de agua:

La Vía de la Física: Como un complejo libro de texto de matemáticas que intenta calcular cada gota de agua basándose en el tipo de suelo y la pendiente. Es preciso pero lento y requiere datos perfectos.
La Vía de la "Caja Negra": Usar programas informáticos sencillos (como Árboles de Decisión o incluso avanzados como LSTM) que simplemente miran números pasados y adivinan el futuro. Son rápidos pero a menudo pierden de vista el "porqué" detrás de los números.

Los autores se dieron cuenta de que confiar en solo uno de estos métodos era como intentar conducir un coche con un ojo cerrado. Querían combinar lo mejor de ambos mundos.

2. La Solución: Una Receta "Híbrida"

Crearon un Marco de Trabajo XGBoost de Ingeniería de Características Híbrido. Es un nombre complicado, así que vamos a desglosarlo con una analogza:

Piensa en el modelo como un Maestro Chef (el algoritmo XGBoost) que está intentando cocinar el "Estofado de Entrada" perfecto.

Los Ingredientes (Ingeniería de Características): Un chef no puede cocinar con verduras crudas y sin preparar. Los autores no lanzaron simplemente datos de lluvia crudos a la computadora. Prepararon los ingredientes primero:
- La "Calculadora de Suelo" (SCS-CN): Utilizaron una fórmula especial para estimar cuánta lluvia se convierte en escorrentía basándose en la tierra (¿es un bosque? ¿una ciudad? ¿una colina empinada?). Esto es como saber que una esponja absorbe el agua de manera diferente a una roca.
- Los "Viajeros del Tiempo" (Características de Retraso/Lag): Le dieron al chef una mirada a los últimos 7 días del clima. Tal como sabes que es probable que llueva hoy si llovió ayer, el modelo utiliza datos de entrada pasados para predecir el futuro.
- El "Calendario Estacional": Le dijeron al modelo en qué mes se encuentra, porque la temporada de monzones se comporta de manera diferente al invierno.
- El "Medidor de la Bañera": Incluyeron qué tan llena está la presa actualmente y cuánta agua se está liberando.
El Método de Cocción (XGBoost): XGBoost es un tipo poderoso de aprendizaje computacional que construye un árbol de decisión, luego construye otro para corregir los errores del primero, y así sucesivamente. Es como un equipo de detectives donde cada nuevo detective corrige los errores del anterior hasta que el caso se resuelve perfectamente.

3. Trucos Especiales para el Clima Extremo

Predecir una llovizna suave es fácil; predecir una inundación masiva es difícil. Los autores añadieron dos trucos especiales para manejar los momentos "extremos":

El "Foco de Flujo Pico" (Peak Flow): Cuando el nivel del agua sube peligrosamente (el 10% superior de los eventos), se le dice al modelo que preste doble atención a esos puntos de datos específicos. Es como un guardia de seguridad que normalmente vigila a toda la multitud, pero se sube a una silla y observa con más atención cuando alguien intenta saltar la valla.
El "Control de Volumen" (Transformación): Los datos de lluvia pueden ser desordenados, con algunos días teniendo cantidades diminutas y otros inundaciones enormes. Los autores usaron un "control de volumen" matemático (una transformación logarítmica) para suavizar los datos para que el modelo no se confunda con los grandes picos.

4. Los Resultados: Un Nuevo Campeón

Los autores probaron su "Maestro Chef" contra otros cocineros famosos (Árboles de Decisión, Bosques Aleatorios, Gradient Boosting y LSTM).

La Competencia: Los otros modelos eran como cocineros aficionados. Cometían errores grandes (altas tasas de error) y no podían predecir los picos de inundación con precisión. Por ejemplo, el "Árbol de Decisión" era rápido pero acertaba el sabor completamente mal. El "LSTM" (un modelo de aprendizaje profundo) tardaba mucho tiempo en cocinar pero aun así no daba en el clavo.
El Ganador: El modelo XGBoost Híbrido fue el claro campeón.
- Fue increíblemente preciso (99.2% de acierto en sus predicciones).
- Cometió muy pocos errores (bajo error).
- Podía manejar tanto días tranquilos como días de tormenta e inundación con facilidad.

5. Por Qué Importa

El artículo concluye que este nuevo marco es una herramienta confiable para las personas que gestionan la Presa de Ukai. Les ayuda a:

Pronosticar Inundaciones: Saber cuándo la bañera está a punto de desbordarse para que puedan abrir las compuertas de forma segura.
Gestionar el Agua: Decidir cuánta agua ahorrar para el riego o la generación de electricidad.
Planificar para el Futuro: Asegurar que la presa opere eficientemente incluso cuando el clima es impredecible.

En resumen, los autores tomaron un problema desordenado y complejo (predecir el flujo de agua en un clima cambiante) y lo resolvieron dándole a un algoritmo informático inteligente un conjunto de ingredientes basados en la física y perfectamente preparados. El resultado es un sistema de predicción que es más rápido, más inteligente y más preciso que las herramientas utilizadas anteriormente.

Resumen Técnico: Un Marco Híbrido de XGBoost con Ingeniería de Características para la Predicción de Afluencia Basada en Lluvia-Escorrentía de la Presa de Ukai, India

Planteamiento del Problema
La predicción precisa de la afluencia de los embalses es crítica para la gestión de los recursos hídricos, el control de inundaciones, la optimación de la energía hidroeléctrica y la planificación del riego, particularmente para sistemas estratégicamente importantes como la presa de Ukai en Gujarat, India. Mientras que los modelos hidrológicos tradicionales basados en procesos físicos ofrecen interpretabilidad, a menudo requieren una calibración extensiva y datos detallados de la cuenca. Por el contrario, los modelos de aprendizaje automático puramente basados en datos pueden capturar relaciones no lineales complejas, pero pueden fallar al no explotar plenamente el conocimiento hidrológico físico. Este estudio aborda la necesidad de un sistema de pronóstico robusto que integre la estimación física de la escorrentía con el aprendizaje automático avanzado para manejar los procesos hidrológicos no lineales y la alta variabilidad de la cuenca de Ukai, la cual experimenta periodos distintos de caudales máximos y mínimos impulsados por las lluvias del monzón.

Metodología
El estudio propone un marco híbrido de XGBoost con ingeniería de características adaptado a los atributos hidrológicos y meteorológicos de la presa de Ukia. La metodología sigue un flujo de trabajo estructurado:

Recolección y Preprocesamiento de Datos:
- Fuentes: Los datos fueron agregados de la estación de la presa de Ukai (1985–2025) y 52 estaciones meteorológicas río arriba, cubriendo variables hidrológicas, meteorológicas y espaciales.
- Variables: Las entradas incluyen atributos del embalse (capacidad de apertura, descarga, volumen, capacidad de balance, afluencia) y datos meteorológicos (temperatura, precipitación, humedad, velocidad del viento, evaporación). Los datos espaciales (elevación, pendiente, Uso de Suelo/Cobertura Terrestre) fueron derivados de Google Earth/Maps y Bhuvan (NRSC).
- Procesamiento: Los datos brutos (aproximadamente 200k registros de embalse y 278k de escorrentía) fueron limpiados, agregados temporalmente a promedios diarios y los valores faltantes fueron imputados mediante valores medios. Los valores atípicos fueron limitados al percentil 99.5.
Estimación de Escorrentía Híbrida (Componente Físico):
- Se empleó un método mejorado de Servicio de Conservación de Suelos-Número de Curva (SCS-CN) para estimar la escorrentía.
- El Número de Curva (CN) se asignó basándose en el Uso de Suelo/Cobertura Terrestre (LULC) y la geomorfología.
- Se introdujo un factor de ajuste basado en la pendiente para dar cuenta de la variabilidad de la cuenca: las pendientes >10% aumentaron la generación de escorrentía (factor 1.2), mientras que las pendientes <3% aumentaron la infiltración (factor 0.8).
- Esto generó una variable de "Escorrentía Ajustada" utilizada como entrada principal para el modelo de aprendizaje automático.
Ingeniería de Características:
- Características de Retraso (Lag Features): Se incluyeron retrasos de afluencia de 1, 2, 3, 5 y 7 días para capturar la persistencia temporal y las relaciones autorregresivas.
- Estadísticas Móviles: Se calcularon promedios móviles de 7 días para la precipitación y la escorrentía para representar la respuesta acumulativa de la cuenca y reducir el ruido.
- Indicadores Estacionales: Se extrajo una característica de "mes" para capturar la variabilidad estacional.
- Transformación de la Variable Objetivo: Para estabilizar la varianza y reducir la asimetría, la variable objetivo (afluencia) fue transformada utilizando una función logarítmica de bajo exponente: $y_t = \log(1 + \text{Afluencia}^{0.7})$ .
Entrenamiento y Optimación del Modelo:
- Algoritmo: Se utilizó Gradient Boosting Extremo (XGBoost) con 800 árboles de decisión, una profundidad máxima de 5 y una tasa de aprendizaje de 0.025.
- Ponderación de Caudales Máximos: Para mejorar la predicción de eventos extremos, las observaciones que excedieron el percentil 90 de las afluencias históricas recibieron el doble de peso de entrenamiento ( $w_i = 2$ ) en comparación con los flujos normales.
- Validación: Se empleó una estrategia de validación cruzada de división temporal de 5 pliegues (5-fold TimeSeriesSplit) para evitar la fuga de datos y preservar el orden temporal.
Análisis Comparativo:
- El marco propuesto fue comparado con modelos de Árbol de Decisión (DT), Bosque Aleatorio (RF), Regresor de Gradient Boosting (GBR) y redes de Memoria de Corto Plazo de Largo Alcance (LSTM) utilizando las mismas características de entrada y protocolos de validación.

Contribuciones Clave

Integración de Física y ML: El estudio integra con éxito la estimación de escorrentía basada en procesos físicos (SCS-CN mejorado con ajustes de pendiente) con el aprendizaje automático, cerrando la brecha entre el modelado basado en datos y el basado en procesos.
Ingeniería de Características Híbrida: Desarrollo de un conjunto de características integral que combina retrasos de afluencia, estadísticas hidrológicas móviles, variables de estado del embalse y estacionalidad.
Aprendizaje Sensible a Picos: Introducción de un mecanismo de ponderación específico para mejorar la sensibilidad del modelo ante eventos de afluencia extrema, los cuales son críticos para el pronóstico de inundaciones.
Benchmarking Exhaustivo: Una comparación rigurosa que demuestra la superioridad del enfoque híbrido sobre el ML clásico, los métodos de ensamble y el aprendizaje profundo (LSTM) para este contexto específico de embalse.

Resultados
El modelo de XGBoost Híbrido propuesto demostró una precisión predictiva excepcional, superando significativamente a todos los modelos de comparación:

Métricas de Desempeño: El modelo logró un $R^2$ de 0.992 y un Eficiencia de Nash-Sutcliffe (NSE) de 0.992. El Error Cuadrático Medio (RMSE) fue de 7.415, y el Error Absoluto Medio (MAE) fue de 0.977.
Comparación:
- vs. Modelo sin Retrasos: Al eliminar las características de retraso, el desempeño colapsó (el RMSE aumentó a 5409.4, el $R^2$ cayó a -17602), resaltando la importancia crítica de las dependencias temporales.
- vs. Otros Modelos ML/DL: El XGBoost Híbrido superó ampliamente a DT ( $R^2=0.18$ ), RF ( $R^2=0.11$ ), GBR ( $R^2=0.08$ ) y LSTM ( $R^2=0.15$ ).
- Eficiencia: Mientras que el Bosque Aleatorio requirió el mayor tiempo computacional (67.94 minutos), el modelo propuesto se entrenó en aproximadamente 4.05 minutos, ofreciendo un equilibrio entre alta precisión y eficiencia computacional.
Importancia de las Características: El análisis reveló que las variables de afluencia con retraso fueron los predictores más influyentes, seguidas por las estimaciones de escorrentía y los parámetros de operación del embalse (balance/capacidad de apertura).

Significancia y Reivindicaciones
Los autores afirman que el marco propuesto sirve como una herramienta confiable para el pronóstico de inundaciones, la operación de embalses y la gestión sostenible del agua. Al lograr una alta precisión en la predicción tanto de condiciones de bajo flujo como de caudales máximos, el modelo apoya la toma de decisiones críticas para:

Pronóstico de inundaciones en tiempo real.
Optimización de la operación de embalses.
Planificación de la asignación de agua.
Programación de la energía hidroeléctrica.
Evaluación de la resiliencia climática.

El estudio concluye que los enfoques híbridos, que combinan la estimación de escorrentía física con la ingeniería de características avanzada y el aumento de gradiente, superan significativamente a los modelos convencionales de aprendizaje automático y aprendizaje profundo para la predicción de afluencia en sistemas de embalses complejos como la presa de Ukai. Los autores sugieren que trabajos futuros podrían incorporar productos de precipitación de radar, observaciones satelitales y arquitecturas basadas en transformadores para mejorar aún más el rendimiento.