Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algoritmos de Calibracion de Modelos Hidrologicos de Simulacion Continua
Algoritmos de Calibracion de Modelos Hidrologicos de Simulacion Continua
de simulacin continua
22500 22500
20000 20000
17500 17500
Caudal medio mensual (m3/s)
12500 12500
10000 10000
7500 7500
5000 5000
2500 2500
0 0
May-03
May-04
May-05
May-06
May-07
May-08
May-09
Nov-02
Nov-03
Nov-04
Nov-05
Nov-06
Nov-07
Nov-08
Apr-95
Apr-00
Jan-95
Jul-95
Apr-96
Jan-96
Jul-96
Apr-97
Oct-96
Jan-97
Jul-97
Apr-98
Apr-99
Oct-97
Jan-98
Jul-98
Oct-98
Jan-99
Jul-99
Oct-99
Jan-00
Jul-00
Apr-01
Oct-00
Jan-01
Jul-01
Oct-01
Feb-03
Aug-03
Oct-95
Feb-04
Aug-04
Feb-05
Aug-05
Feb-06
Aug-06
Feb-07
Aug-07
Feb-08
Aug-08
Feb-09
Aug-09
Caudales medio mensuales medidos Caudales medio mensuales calculados Caudales medio mensuales medidos Caudales medio mensuales calculados
B exp
C
F(C) 1 1 0 C Cmax
C max
Inmediata 85.7
Y cabecera 78.5
Valentn 78.7
Del Sauce 84.2
Monzon 78.8
De los Molles 92.4
Del Pescado Chico 69.8
Del Sauce 2 90.4
350 0
300
50
Precipitaciones
250
Precipitacin (mm/da)
Caudales medidos
100
Caudal (m3/s)
200
150
150
200
100
250
50
0 300
1/01/02
2/03/02
1/04/02
1/05/02
16/01/02
31/01/02
15/02/02
17/03/02
16/04/02
16/05/02
31/05/02
15/06/02
30/06/02
15/07/02
30/07/02
14/08/02
29/08/02
13/09/02
PROGRAMA DE FORMACIN IBEROAMERICANO EN MATERIA DE AGUAS. CODIA.
CURSO: Tcnicas y algoritmos empleados en estudios hidrolgicos e hidrulicos. AECID, 23 al 27 de agosto de 2010 Montevideo, Uruguay
Cuenca del Ro Y, en Sarand del Y
180
120
Caudal (m3/s)
100
80
60
40
20
0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5
Escala Sarand del Y (m)
n
(Qob(i) Qc(i))
2
R 2 1 i 1
n
(Qob(i) Qob)
2
Nmero de Nash
i 1
n n
Qob(i) Qc(i)
Diferencias relativa de volmenes V i 1
n
i 1
Qob(i)
i 1
pn
Qp, ob(p) Qp, c(p)
Curva de permanencia CP p po
pn
Qp , ob(p)
P po
Algoritmos genticos
Calibracin de modelos hidrolgicos
La estimacin de los parmetros del modelo esta sujeta a varias fuentes de incertidumbre:
y |
y : vector Nx1 de predicciones del modelo
1Jasper A. Vrugt* and Willem Bouten, Institute for Biodiversity and Ecosystem Dynamics, University of Amsterdam, Netherlands, Nieuwe
Achtergracht 166, Amsterdam, 1018 WV.
2Hoshin V. Gupta, and Soroosh Sorooshian, Department of Hydrology and Water Resources, University of Arizona, Tucson, AZ 85721, USA.
E y y e1 , e 2 , e N ,
SLS e j 2
N
mnimo
j1
2 /(1 )
N e ( )
N
( )
p( | y , )
j
exp c( )
j1
Con
3(1 ) / 21/ 2
( )
(1 )(1 ) / 23 / 2
3(1 ) / 2
1/(1 )
c( )
(1 ) / 2
El parmetro es el modelo de error de los residuos, estos se asumen normalmente
distribuidos cuando 0, doble exponencial cuando 1 y tienden a una distribucin
unifrme cuando 1.
Asumiendo una distribucin uniforme p(, | ) 1 Box y Tiao (1973) mostraron que la
influencia de se puede despreciar llegando a la siguiente formualcin:
p( | y , ) M()N(1 ) / 2
Con
N 2 /(1 )
M() e j ()
j1
Son necesarios mtodos de optimizacin efectivos y eficientes que ayuden a ubicar un nico y
posible juego de parmetros ptimos, estos mtodos son basados en optimizacin global.
1.- El algoritmo comienza creando una poblacin inicial aleatoria (uniformemente distribuida) de posibles
soluciones.
2.- A partir de la generacin inicial el algoritmo comienza a iterar creando nuevas generaciones de la
siguiente forma:
a) Crea un ranking con cada miembro de la presente generacin mediante la evaluacin en la funcin
objetivo.
b) Ordena los miembros de acuerdo a la funcin objetivo (anterior ranking) convirtindolos en
rangos de valores.
c) Selecciona padres en funcin de su ranking.
d) Algunos de los miembros de la poblacin actual con mejor ranking son elegidos como elite.
Estos miembros son pasados directamente a la prxima generacin.
e) Produce hijos a partir de los padres. Los hijos pueden ser producidos a partir de cambios
aleatorios en un solo padre (mutacin) o combinando padres (cruzas).
f) Reemplaza la presente generacin con los hijos y algunos miembros de elite para formar una
nueva generacin.
3.- El algoritmo para con alguna condicin dada.
Consiste en una algoritmo gentico con particularidades evolutivas desarrolladas especficamente para las
complejidades de los modelos hidrolgicos. Optimiza mltiples funciones objetivo en la misma aplicacin.
La aplicacin iterativa de estos algoritmos conduce a determinar una regin de Pareto de las soluciones.
300
250
200
Caudal (m3/s)
150
100
50
0
0 50 100 150 200 250 300
das
PROGRAMA DE FORMACIN IBEROAMERICANO EN MATERIA DE AGUAS. CODIA.
CURSO: Tcnicas y algoritmos empleados en estudios hidrolgicos e hidrulicos. AECID, 23 al 27 de agosto de 2010 Montevideo, Uruguay
Algoritmo MOSCEM-UA: calibracin del ejemplo
4000
2000
0
0 50 100 150 200 250 300 350 400 450 500
10000
5000
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
10000
5000
0
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
6000
4000
2000
0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
10000
5000
0
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Regin de Pareto
0.12
0.1
Diferencia de volumen relativa
0.08
0.06
0.04
0.02