Resumen

La estimación del caudal que fluye a través de los ríos es un aspecto importante de la planificación y gestión de recursos hídricos. La forma más común de abordar esta preocupación es desarrollar relaciones de nivel-caudal en diversas secciones de ríos. Se han aplicado diversas técnicas computacionales para desarrollar calificaciones de caudal y mejorar la precisión de los caudales estimados. En este sentido, el presente estudio explora la aplicación de la novedosa técnica híbrida de programación genética multigenética-generalizada de reducción de gradientes (MGGP-GRG) para estimar caudales de ríos tanto para flujos estables como inestables. También compara el rendimiento de MGGP-GRG con el de las técnicas de optimización comúnmente utilizadas. Como resultado, se desarrollaron curvas de calificación de ocho ríos diferentes utilizando el método convencional, el algoritmo evolutivo (EA), el algoritmo de optimización de apareamiento de abejas melíferas modificado (MHBMO), la red neuronal

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Estimación; Descarga; Ríos; Relaciones; Técnicas; Rendimiento
• Keywords:Estimation; Discharge; Rivers; Relationships; Techniques; Performance