Doctorado en Ingeniería y Ciencias Ambientales

La región de Piura, en la costa norte de Perú, ha experimentado consistentemente altas precipitaciones vinculadas a las temperaturas elevadas de la superficie del mar (SST) durante los eventos del fenómeno El Niño. Estos eventos, provocados por incursiones anómalas de la Corriente del Niño, generan condiciones favorables para la formación de sistemas convectivos y, en consecuencia, aumentos significativos en las precipitaciones y el riesgo de inundaciones. La planificación y gestión del riesgo en Piura se enfrentan a desafíos significativos debido a estos eventos extremos. Para abordar el riesgo de inundaciones, se han desarrollado y aplicado diversos modelos de predicción. Entre ellos, los modelos hidráulicos, que simulan inundaciones utilizando ecuaciones de aguas poco profundas, han mostrado eficacia, pero resultan costosos computacionalmente y limitados en el número de escenarios. Los modelos hidrológicos, que integran datos satelitales, mejoran las predicciones a corto plazo, pero no abordan el movimiento detallado del flujo. En busca de mejores alternativas, se han explorado enfoques de aprendizaje automático. Las redes neuronales artificiales (ANN) y convolucionales (CNN) han mostrado potencial en la estimación de riesgos y la generación de mapas de inundaciones, respectivamente. Sin embargo, estos modelos pueden enfrentar problemas de generalización y rendimiento al depender completamente de los datos de entrenamiento, dejando de lado el conocimiento físico de los procesos subyacentes. Las Redes Neuronales Informadas por la Física (PINNs) han emergido como una solución prometedora, combinando regularización física con aprendizaje automático para crear modelos más consistentes físicamente. Este enfoque mejora la capacidad de generalización y proporciona una mayor comprensión de los mecanismos detrás de las predicciones. No obstante, las PINNs aún presentan desafíos, como la parametrización de condiciones de borde y la adaptación a geometrías complejas. La investigación en Piura tiene como objetivos principales: (1) caracterizar las inundaciones con modelos hidráulicos bidimensionales, (2) entrenar modelos de redes neuronales basados en física, y (3) estimar las áreas inundables futuras bajo escenarios climáticos extremos. Este enfoque integrado busca mejorar la precisión de las predicciones y la gestión del riesgo de inundaciones en la región.

ZEVALLOS RUIZ ,JOSE AUGUSTO