Análisis y predicción de sequías en las centrales hidroeléctricas de Ecuador mediante machine learning

En Ecuador, la generación eléctrica depende en un 90% de fuentes hidroeléctricas, las cuales son altamente vulnerables a la variabilidad climática y a fenómenos como El Niño. La escasez de agua en cuencas críticas, como Paute y Coca, compromete la estabilidad energética y obliga al uso de centrales termoeléctricas más costosas. Este proyecto aborda dicho problema mediante la implementación de modelos de machine learning para predecir sequías basándose en datos históricos de precipitación, temperatura y humedad proporcionados por el INAMHI. La metodología incluye la recolección y preprocesamiento de datos climáticos de la última década, seguido por el entrenamiento y evaluación de algoritmos como K-Means y Redes Neuronales Artificiales (ANN). El uso de métricas de error como MAE, RMSE y MSE permitirá validar la precisión de los modelos desarrollados. Se espera que este enfoque tecnológico proporcione una herramienta robusta para la toma de decisiones preventivas en la gestión de embalses. Los resultados contribuirán a la optimización de la producción energética nacional, reduciendo la dependencia de combustibles fósiles y fortaleciendo la resiliencia del sistema eléctrico ante eventos climáticos extremos.<br/><br/><b>Objetivo</b>: <br/>Proponer un modelo predictivo mediante técnicas de machine learning para anticipar eventos de sequía en las cuencas hidrográficas de las centrales hidroeléctricas del Ecuador. El objetivo es mejorar la gestión de los recursos hídricos y mitigar los efectos negativos en la producción de energía eléctrica.<br/><br/><b>Líneas de investigación</b>: <br/>Big data y analítica