Un equipo de la Penn State University presentó un algoritmo de inteligencia artificial capaz de estimar el riesgo de inundaciones repentinas con resolución horaria. El modelo, bautizado como h‑Diffusion, se basa en una técnica de difusión usada antes para generar imágenes y ha sido entrenado con registros de caudal de 516 cuencas entre 1990 y 2003; su desempeño se evaluó con datos de 2009‑2014 que no formaron parte del aprendizaje.
Principio de funcionamiento
En la generación de imágenes, la difusión parte de una foto ruidosa y la depura hasta recuperar la escena original. Los investigadores trasladaron esa lógica a la hidrología: el algoritmo recibe series temporales de lluvia y caudal y “desruge” la información para predecir cómo variará el nivel del agua en las próximas horas. Esta capacidad de operar a escala horaria es crucial, ya que los picos de caudal pueden aparecer y desaparecer rápidamente.
"Los niveles de agua pueden subir y bajar en cuestión de horas, lo que a escala diaria parece menos crítico", explicó Chaopeng Shen, autor principal y profesor de ingeniería civil y ambiental.
Rendimiento frente a otras técnicas
Según el estudio publicado en Water Resources Research, h‑Diffusion superó a varios modelos de aprendizaje profundo que sirven de referencia. Además, el sistema incorpora datos de estaciones de monitoreo en tiempo real sin necesidad de re‑entrenar, una característica conocida como asimilación de datos. Esta flexibilidad reduce la incertidumbre vinculada a cambios horarios de precipitación.
"Nuestro objetivo es ofrecer un sistema robusto, fiable y que pueda ayudar a salvar vidas", afirmó Shen.
Aplicaciones y próximos pasos
El avance se inscribe dentro de la creciente tendencia de usar IA para gestionar riesgos de inundación, un campo que ya cuenta con más de 300 estudios según una revisión en Climate Risk Management. Los autores planean explorar modelos híbridos y añadir variables físicas adicionales para afinar sus predicciones, con la visión de integrar la herramienta en sistemas de alerta temprana.
