Resumen

La modelización de sedimentos en suspensión es un tema importante para los tomadores de decisiones a nivel de cuenca. La modelización precisa y confiable de la carga de sedimentos en suspensión (CSS) es importante para la planificación, gestión y diseño de estructuras de recursos hídricos y sistemas fluviales. El objetivo de este estudio fue desarrollar métodos de conjunto basados en inteligencia artificial (IA) para modelar la CSS en la cuenca de Katar, Etiopía. En este documento, se utilizaron tres modelos de IA individuales, es decir, máquina de vectores de soporte (SVM), sistema de inferencia neurodifuso adaptativo (ANFIS), red neuronal de alimentación directa (FFNN) y un modelo de regresión multilínea convencional (MLR) para la modelización de la CSS. Además, se desarrollaron cuatro métodos de conjunto diferentes, conjunto de redes neuronales (NNE), conjunto ANFIS (AE), conjunto de promedio ponderado (WAE) y conjunto de promedio simple (SAE), combinando las salidas de los cuatro modelos individuales para mejorar su

• 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:Modelado de sedimentos en suspensión; Carga de SSL; Inteligencia artificial; Métodos de conjunto; Cuenca de Katar; Etiopía
• Keywords:Suspended sediment modeling; SSL load; Artificial intelligence; Ensemble methods; Katar catchment; Ethiopia