Asociación determinístico-estocástica para predicción de caudales

Diana Irene Chavasse, Rafael Santiago Seoane

Resumen

En este trabajo se propone una metodología que aplica un modelo detenninístico complejo, compuesto por uno de traslado y otro de humedad de suelo, y un modelo estocástico para simular los procesos de transformación precipitación-caudal y de propagación de crecidas en una cuenca de gran extensión. Por otra parte se realiza un experimento para analizar la capacidad de pronóstico del modelo deteminístico complejo. En la primera parte se verifica la calibración de este modelo deteminístico y se presenta un análisis hidrológico que muestra la importancia de las distintas componentes del caudal a la salida de la cuenca. En la segunda parte se analiza la serie temporal de errores, se define un modelo estocástico predictor de los mismos y se estudia el aumento en la capacidad de simulación de las representaciones determinística y estocástica asociadas. Por último se investiga la capacidad de predicción del modelo deteminístico complejo con un experimento queestablece el impacto que la precipitación tiene sobre los errores de pronóstico de caudales y se avanza en la utilización de un modelo estocástico predictor de estos errores.

Palabras clave

Ingeniería del agua; Ingeniería civil; Ingeniería hidráulica

Texto completo:

PDF

Referencias

Armstrong B.L. (1978). Derivation of initial soil moisture accounting parameters from soil properties for the National Weather Service River Forecast System. NOAA Technical Memorandum NWS HYDRO 37.

Box G.E.P. y Jenkins G.M. (1970) Time series analysis,forecasting and control. Holden-Day.

Chavasse D.I. (1991). Analyse Comparative des métodcs d'acheminement hydrologique. Comparaison avec la résolution des équations de Saint-Venant. Tesis de Maestría, IATE-EPFL. Lausana, Suiza.

Chavasse D.I. y Seoane R.S. (1993) Análisis del dominio de aplicación del método MuskingumCunge. I Simposio de Recursos Hídricos del Cono Sur. Vol 3, 59-67. Brasil.

Chavasse D.I. y Seoane R.S. (1994) Modelos estocásticos en la simulación detcrminística de procesos hidrológicos. XVI Congreso Latinoamericano de Hidráulica. Vol 3, 133-144. Chile.

Efron B. y Tibshirani R. (1985) The Bootstrap method for assessing statistical accuracy Behaviormetrika, 17, 1-35. https://doi.org/10.2333/bhmk.12.17_1

Granger C.W.J. (1969) Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 37, 424-438. https://doi.org/10.2307/1912791

Granger C.W. y Newbold P. (1977) Forecasting economic time series Academic Press.

Kitanidis P.K. y Bras R.L. (1980). Real-time forecasting with a conceptual hydrologic model. 1. Analysis of uncertainty.Water Resources Research, 16(6), 1025-1033. https://doi.org/10.1029/WR016i006p01025

Kitanidis P.K. y Bras R.L. (1980) Real-time forecasting with a conceptual hydrologic model 2. Applications and results.Water Resources Research, 16(6), 1034-1044. https://doi.org/10.1029/WR016i006p01034

Monro, J.C. y Anderson E.A. (1974) National Weather Service River Forecasting System. Journal of Hydraulic Division ASCE. 100 (HY5), 621-630.

Morel Seytoux, H.J. (1986) Deterministic modeling: General report. Multivariate analysis of hydrologic processes. Proceedings of Fourth International Hydrology Symposium, Colorado State University, 827-842.

Müftüoglu, R.F. (1984) New Models for Non linear catchment analysis. Journal of Hydrology, 73, 335-357. https://doi.org/10.1016/0022-1694(84)90007-6

Nelson C.R.y Schwcrt G.W. (1982) Test for predictive relationships between time series variables: A Monte Carlo investigation. Journal of the American Statistical Association. Vol 77, N°377, 11-18. https://doi.org/10.1080/01621459.1982.10477761

Rafaelli, S. (1990) Updating procedure in flood forecasting model. International Institute for Hydrology and Environmental. Delft, Holanda.

Seoane R.S., Slimovich H. y Rafaelli S. (1986) Función de correlación cruzada. Estudio de un caso de aplicación y una propuesta para su cálculo. XII Congreso Latinoamericano de Hidráulica, 410-423. Brasil.

Sorooshian, S. y Dracup J.A. (1980) Stochastic parameter estimation procedures for hvdrologic rainfall-runoff models: correlated and heteroscedastic error cases. Water Resources Research, 16(2), 430-442. https://doi.org/10.1029/WR016i002p00430

Sorooshian, S., Gupta V.K. y Fulton J.L. (1983) Evaluation of maximum likelihood parameter estimation techniques for conceptual rainfall-runoff models: influence of calibration data, variabili-ty and length on model credibility. Water Resources Research, 19(2), 251-259. https://doi.org/10.1029/WR019i001p00251

Abstract Views

1306
Metrics Loading ...

Metrics powered by PLOS ALM




Esta revista se publica bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.

Universitat Politècnica de València

Fundación para el Fomento de la Ingeniería del Agua

e-ISSN: 1886-4996  ISSN: 1134-2196

https://doi.org/10.4995/ia