CASTELLÓ. «Técnicas de inteligencia artificial aplicadas a la asimilación de datos de oleaje» es el título del III Premio Cátedra Smart Ports en la categoría de Mejor Trabajo Final de Máster, que cuenta con el patrocinio del Colegio de Ingenieros de Caminos, Canales y Puertos en la Comunitat Valenciana. La propuesta, elaborada por Alejandro González Valle (Universidad de Cantabria), ha sido reconocida por la innovadora aplicación de técnicas de inteligencia artificial (IA) para la mejora de predicciones meteo-oceánicas en entornos portuarios.
La información meteo-oceánica precisa es un elemento fundamental para la planificación del tráfico marítimo, la operatividad de las terminales y, por encima de todo, la seguridad de las maniobras portuarias. Sin embargo, de forma habitual se ha dado una discrepancia entre las predicciones de los modelos numéricos y la realidad del mar. Aunque los modelos globales son herramientas valiosas, suelen presentar limitaciones en zonas costeras debido a la complejidad de la profundidad marina y la interacción del oleaje con las estructuras portuarias.
En este contexto, el trabajo galardonado por la comisión de valoración de los Premios Cátedra Smart Ports explora cómo la inteligencia artificial (IA) puede calibrar estos modelos a partir de datos reales obtenidos por boyas oceanográficas. Este proceso, conocido como asimilación, busca corregir las desviaciones de los modelos de reanálisis (como los de Copernicus o IHCantabria) utilizando las mediciones precisas de la Red de Boyas de Exteriores (REDEXT) de Puertos del Estado. Así, la investigación realizada por Alejandro González Valle se ha centrado en evaluar diversas técnicas, desde la estadística tradicional hasta modelos avanzados de aprendizaje automático.
Resultados destacables
Uno de los hallazgos más destacables es la superioridad de las técnicas de IA frente a los métodos lineales tradicionales. Tras analizar datos de localizaciones críticas como Bilbao-Vizcaya, Cabo de Peñas o Estaca de Bares, los resultados fueron concluyentes. El modelo de agrupamiento K-Means fue destacado como la técnica más efectiva para reducir el error y la dispersión de los datos. Por ejemplo, en la boya de Bilbao-Vizcaya, el índice de dispersión se redujo significativamente de un valor base de 0.25 a 0.18 gracias a este modelo.
Además, la investigación resalta que incluir el parámetro de la dirección del oleaje es vital. No todas las olas afectan igual a un puerto; capturar su variabilidad direccional permite una calibración mucho más ajustada a la realidad local de cada dársena. Otro de los resultados remarcables es la reducción del error, ya que, en general, todos los modelos de IA seleccionados ofrecieron mejoras significativas en la precisión, logrando que los datos finales se asemejen mucho más a lo que las boyas registran en tiempo real. «El trabajo galardonado ofrece aportaciones directas a la seguridad operativa, la resiliencia climática y la sostenibilidad, al optimizar tiempos de atraque, reducir pérdidas económicas por interrupciones y anticipar escenarios de cambio climático mediante predicciones adaptativas», ha destacado el director de la Cátedra Smart Ports y presidente de la comisión de valoración, Francisco Toledo.
En definitiva, el trabajo final de máster premiado resulta de especial interés para el sector de los puertos inteligentes porque una estimación inadecuada de la altura o el periodo de las olas puede traducirse en pérdidas económicas por paradas innecesarias o, en el peor de los casos, en accidentes durante el atraque. Además, la metodología desarrollada permite alimentar con datos de alta calidad a gemelos digitales y Sistemas de Apoyo a la Decisión (DSS). Esto permitiría a los gestores portuarios anticipar condiciones adversas con una precisión sin precedentes, generando alertas automatizadas ante episodios extremos.
