IMPACTO DE LA CALIDAD DEL PROMPT ENGINEERING EN LA MODELACIÓN HIDROLÓGICA DE PRECISIÓN

 Por Carlos Uzcategui

¿Por qué es crucial un buen prompt engineering en hydrología?

Cuando trabajas en diseños hidrológicos, como modelado de cuencas, predicción de caudales o diseño de drenajes, la calidad del prompt (las instrucciones que das a la IA) puede marcar la diferencia entre un resultado genérico y uno técnico y útil. Un prompt bien estructurado permite aprovechar modelos de IA, para obtener análisis precisos, relevantes y aplicables.

1.    Precisión en los Parámetros y la Metodología

Un buen prompt debe ser extremadamente preciso. En el diseño hidrológico, esto significa especificar con claridad:

• Variables de entrada: ¿Qué datos tienes? (e.g., precipitación máxima de 24 horas, área de la cuenca, coeficiente de escorrentía, etc.).
• Modelo hidrológico para utilizar: ¿Necesitas un modelo de respuesta unitaria, un modelo conceptual o un modelo de simulación de eventos.
• Objetivo de la simulación: ¿Estás calculando un hidrograma de diseño, un caudal de avenida para un período de retorno específico, o la capacidad de un aliviadero?

Si no se especifican estos detalles, la IA puede generar un resultado genérico o incorrecto. Un prompt bien formulado asegura que la IA procese la información con el marco técnico adecuado.

2.    Control sobre las Restricciones y Supuestos

La hidrología está llena de suposiciones y restricciones que se deben considerar. Un prompt eficaz permite guiar a la IA en la toma de decisiones:

• Consideraciones de diseño: ¿La obra hidráulica está en una zona urbana o rural? ¿Qué impacto ambiental se debe minimizar? ¿Se debe usar una metodología específica de un organismo gubernamental?
• Supuestos de diseño: ¿Se debe asumir una distribución de precipitación uniforme o variable en el tiempo? ¿Se debe ignorar la infiltración o modelarla con el método del número de curva (CN)?

Sin estas directrices, la IA podría tomar decisiones simplistas que no se ajustan a las realidades del proyecto, comprometiendo la seguridad y la viabilidad.

3.    Consejos avanzados para diseñar prompts poderosos

·        Define el rol claro del modelo (e.g. “ingeniero hidrólogo”, “analista de dr hidrología, hidrólogo”).

·        Incluye contexto espacial y temporal (ubicación, tamaño de cuenca, tipo suelo, clima).

·        Usa técnicas como chain-of-thought (cadena de pensamiento) para que la IA explique paso a paso su razonamiento.

·        Proporciona ejemplos cuando necesites salidas en formato específico (tabla, resumen ejecutivo).

·        Itera y refina: cada respuesta puede mejorar la precisión del modelo

Ventajas alcanzables con buenos prompts

Ventaja	Descripción
Salidas precisas	Cálculos técnicos ajustados a tus datos
Rapidez y eficiencia	Ahorra tiempo en la preparación del diseño
Claridad técnica	Mejor documentación y fundamentación
Aplicación práctica	Prompts reutilizables en diferentes sitios y escenarios

 

Un buen prompt engineering en modelos hidrológicos no es solo estética: es una herramienta poderosa para elevar la calidad técnica, eficiencia y aplicabilidad del diseño. Al estructurarlo correctamente, puedes transformar resultados genéricos en análisis rigurosos y alineados con objetivos reales.

4.    Ejemplos prácticos de prompts para casos reales

Prompts:

FUNCIÓN

Actúa como experto en hidrología superficial con acceso a 25 años de datos de precipitación de la estación Las Tapias, número de serie 3132, en el estado de Mérida.

CONTEXTO

Dispones de 25 años de datos de precipitación de la estación Las Tapias, número de serie 3132, en el estado de Mérida. La tarea consiste en calcular la intensidad máxima de lluvia mediante un análisis de frecuencia de valores extremos utilizando la distribución de Gumbel (Tipo I).

TAREA

Calcula la intensidad máxima de lluvia para períodos de retorno de 5, 10, 20, 25, 50 y 100 años y duraciones de 1, 3, 6, 9, 12 y 24 horas.

INSTRUCCIONES

·       Primero presenta la metodología a aplicar, mostrando las ecuaciones o formulas utilizadas con los cálculos de los principales parámetros de la distribución.

·       Realiza un análisis de frecuencia de valores extremos de precipitación utilizando la distribución de Gumbel.

·       Calcula la intensidad máxima de lluvia para cada período de retorno y duración. Proporcione una representación gráfica (curva IDF) con:

Eje X: duración en horas

Eje Y: intensidad calculada en mm/h

·       Seis curvas que representan los cálculos para cada período de retorno.

·       Proporcione una tabla con:

Primera columna: períodos de retorno utilizados

Primera fila (encabezado): duraciones en horas

Resto de la tabla: intensidades obtenidas

RESTRICCIONES

Utilice la distribución de Gumbel (Tipo I) para el análisis de frecuencia.

Períodos de retorno: 5, 10, 20, 25, 50 y 100 años.

Duraciones: 1, 3, 6, 9, 12 y 24 horas.

Resultados gráficos y tabulares según se especifique.

FORMATO DE SALIDA

El resultado debe incluir:

·       Un gráfico (curva IDF) que muestre la intensidad frente a la duración para cada período de retorno.

·       Una tabla con los períodos de retorno, las duraciones y las intensidades correspondientes.

·       Proporcione las intensidades calculadas y la representación gráfica de la curva IDF.

 

Este Prompts, se utilizó con los modelos de Gemini 2.5 Pro, , Qwen3, Grok3 y Copilot. Utilizando como datos base un archivo en Excel que se le anexó al modelo. (véase cuadro siguiente).  Los resultados fueron comparados con los cálculos realizados en una hoja de Excel.

Metodología

Para calcular la intensidad máxima de lluvia mediante análisis de frecuencia de valores extremos utilizando la distribución de Gumbel (Tipo I), se siguió el siguiente procedimiento:

1.    Fundamentos teóricos de la distribución de Gumbel

La distribución de Gumbel para valores máximos se define mediante la función de distribución acumulativa:

Dónde:

• μ es el parámetro de posición
• β es el parámetro de escala

2.    Relación con el período de retorno

El período de retorno T se relaciona con la probabilidad de excedencia p=1/T. La variable reducida de Gumbel yT​ se calcula como:

3.    Estimación de parámetros

Para estimar los parámetros de la distribución a partir de los datos muestrales:

·        Parámetro de escala:  

• Parámetros de posición: μ=xˉ−0.5772⋅β

Dónde:

• xˉ es la media muestral de las precipitaciones máximas anuales
• s es la desviación estándar muestral

4.    Cálculo de la Precipitación para un período de retorno

La máxima presión para un período de retornoT se calcula como:

xT​=μ+β⋅yT​

5.    Cálculo de la intensidad

La intensidad de lluvia se obtiene dividiendo la precipitación máxima por la duración:

Dónde d es la duración en horas.

6.    Resultados del análisis

Parámetros estadísticos para cada duración.

 

Valores de la variable reducida de Gumbel (yT​ )

Tabla de Intensidades Máximas de Lluvia (mm/h)

La metodología y los resultados mostrados anteriormente se corresponden con la aplicación del modelo Qwen3. La metodología y los resultados en la mayoría de los modelos de IA utilizados fueron muy similares; pero este fue el que se acerco mas a los valores obtenidos en la hoja de cálculo de Excel.

En los cuadros siguientes se muestran de manera tabulada los resultados de los modelos que fueron evaluados.

Tabla de Intensidades Máximas de Lluvia (mm/h), obtenidos con el modelo de Gemini 2.5 Pro

Tabla de Intensidades Máximas de Lluvia (mm/h), obtenidos con el modelo Deepseek

Tabla de Intensidades Máximas de Lluvia (mm/h), obtenidos con el modelo Grok3

Período de retorno (años)	1 h	3 h	6 h	9 h	12 h	24 h
5	25.96	11.32	6.56	4.64	3.62	1.85
10	30.45	13.27	7.71	5.47	4.27	2.19
20	34.75	15.15	8.81	6.25	4.88	2.51
25	36.11	15.74	9.16	6.50	5.07	2.61
50	40.32	17.58	10.23	7.26	5.67	2.92
100	44.50	19.40	11.29	8.01	6.26	3.22

 

Tabla de Intensidades Máximas de Lluvia (mm/h), obtenidos con el modelo Copilot

 

Curva de Intensidades Máximas de Lluvia (mm/h), obtenidos con el modelo Copilot

El único modelo que graficó las curvas fue el modelo de Copilot, pero también fue el que dio, los menores valores de Intensidad.

Recién ha salido una nueva versión del modelo  Chatgpt; Chatgpt 5, y le hemos escrito el mismo prompt que utilizamos en los anteriores modelos, sus resultados fueron un poco mas conservadores, pero a diferencia de la mayoría, este si nos mostró la grafica con las curvas de IDF. Las muestro a continuación:

Tabla de Intensidades Máximas de Lluvia (mm/h), obtenidos con el modelo ChatGpt5

Curva de Intensidades Máximas de Lluvia (mm/h), obtenidos con el modelo ChatGpt5

En resumen, un buen prompt engineering es fundamental para traducir los complejos requisitos del diseño hidrológico en instrucciones claras que aprovechen al máximo la capacidad de los LLM. Reduce la ambigüedad, mejora la precisión técnica y acelera el proceso de diseño e interpretación.

Recomendaciones para profesionales

1.    Establecer un esquema de prompt: Definir siempre objetivo, datos de entrada y nivel de detalle.

2.    Iterar y refinar: Revisar salidas, detectar lagunas y reajustar el prompt con preguntas de seguimiento.

3.    Complementar con experiencia: Validar los resultados del LLM con cálculos manuales o software especializado.

4.    Mantener actualizada la terminología: Incluir referencias a normas recientes y metodologías de modelación específicas.

Aplicar estos principios posiciona al profesional de diseño hidrológico para obtener respuestas generadas por modelos lingüísticos que sean no solo teóricas, sino directamente aplicables en proyectos de ingeniería real.