PREDICCIN DE CAUDALES MEDIOS MENSUALES EN ROS COLOMBIANOS USANDO

MTODOS NO LINEALES

G. Poveda, O. J. Mesa, L. F. Carvajal, C. D. Hoyos, J. F. Meja, L. A. Cuartas y A. Pulgarn

Universidad Nacional de Colombia - Facultad de Minas

Posgrado en Aprovechamiento de Recursos Hidrulicos

Palabras claves: Caudales Mensuales, Prediccin multivariada no-lineal, Onditas, Redes Neuronales,
Modelos Estocsticos, ENOS.
Keywords: Monthly discharge, Nonlinear multivariate forecast, Wavelets, Neural Networks, Stochastic
Models, ENSO.
RESUMEN

Se evalan diferentes mtodos no lineales de prediccin de caudales medios mensuales de 6

ros importantes para la generacin de energa elctrica en Colombia: Alicachn, Betania,
Guavio, Nare Salvajina y San Carlos. Se usan ventanas de prediccin de mediano y largo plazo
de 3, 6 y 12 meses. Los mtodos no lineales usados son: MARS (Multivariate Adaptive
Regression Splines), Redes Neuronales (ANN), Regresin Lineal Mltiple (RLM) y PREBEO
(Prediccin en Bandas Espectrales usando Onditas). Este ltimo es una metodologa
novedosa usada para potenciar las predicciones y se basa en la Transformada de Onditas
(Wavelets) con el objeto de descomponer las seales en las distintas bandas frecuenciales
caractersticas de la variabilidad temporal de la hidroclimatologa de Colombia. Estos mtodos
incluyen la persistencia hidrolgica y la influencia de fenmenos macro-climticos como el
ENSO, la QBO, la NAO, etc. Se cuantifican los errores de prediccin de los mtodos usados y
se comparan con los resultados obtenidos con modelos estocsticos lineales univariados AR(p).
El desempeo de los modelos es examinado mediante medidas del error de pronstico en el
horizonte de validacin (independiente del horizonte de calibracin). Se dividen y se analizan
los resultados por terciles de la distribucin de probabilidades acumulada y se cuantifica la
bondad del pronstico a partir del Error Cuadrtico Medio, dependiendo del mes en que se
inicia la prediccin y de la ventana de prediccin. Los resultados indican ganancias muy
importantes en la capacidad predictiva en comparacin con mtodos de prediccin tradicionales
del tipo lineal y muestran a PREBEO como el mtodo que produce los mejores pronsticos.

ABSTRACT

Different nonlinear methods are evaluated from prediction of monthly average discharge of 6
important rivers for the electrical energy generation in Colombia: Alicachn, Betania, Guavio,
Nare Salvajina and San Carlos. Windows of medium forecast and long term of 3, 6 and 12
months are used. The nonlinear methods implemented was: MARS (Multivariate Adaptive
Regression Splines), Neural Networks (ANN), Multiple Linear Regression (RLM) and PREBEO
(Forecasting in Spectral Bands using Wavelets.). The last one is a novel methodology used to
harness forecasting and is based on Wavelets filtering in order to disturbing the signals in the
different frequencies bands characteristic of the temporary variability of the hydroclimatology of
Colombia. These methods include the hydrological persistence and the influence of macro-
climatic phenomena like the ENSO, QBO, NAO, etc. Performance of the methods are quantified
by means of error measurements and compared against stochastic linear univariated models
AR(p). Results are divided and analyzed into terciles of the accumulated probability distribution
and by the forecast goodness from the Mean Square Error depending on the month in which the
forecast begins and forecast window. The results indicate very important gains in nonlinear

1
forecast against traditional linear forecasting methods and bring PREBEO like the method that
produces the best forecast.

1 INTRODUCCIN

Desde 1992, nuestro grupo de investigacin ha venido investigando la influencia de fenmenos

macro-climticos sobre la hidrolgica Colombiana. En particular sobre las causas, efectos e
implicaciones del fenmeno El Nio/Oscilacin del Sur (ENSO), la Oscilacin del Atlntico
Norte, la oscilacin cuasi-bienal, las oscilaciones de Madden-Julian, las ondas tropicales del
Este, etc. La prediccin de caudales medios mensuales ha sido un elemento importante dentro
de ese contexto, por sus mltiples aplicaciones en generacin de energa elctrica, en
agricultura, en salud humana, etc. La literatura publicada en ese contexto incluye los trabajos de
Poveda y Mesa 1993, Mesa et al 1994b, Carvajal et al.1994, Salazar et al.1994a, Salazar et al.
1994b; Poveda, 1994; Poveda y Penland, 1994: Poveda y Mesa, 1996: Mesa et al., 1996;
Poveda, 1998; Poveda y Jaramillo, 2000; Poveda et al., 1999; 2001). Este trabajo profundiza
sobre la aplicacin de diversas metodologas de carcter no lineal para la prediccin de
caudales medios mensuales, en ros importantes para la generacin de energa en Colombia. El
trabajo se distribuye de la siguiente manera. En la seccin 2 se presentan las series de caudal
de la cuenca de las cuencas de los Alicachn, Betania, Guavio, Nare Salvajina y San Carlos
ubicadas en diferentes en la regin Andina de Colombia y se describen las variables
macroclimticas utilizadas como variables predictoras. En la seccin 3 se presenta la
metodologa general de prediccin y algunos detalles tericos de los mtodos usados. En la
seccin 4 se presentan los resultados de las distintas predicciones y las medidas de error de
prediccin. Finalmente, en la seccin 5, se presenta una discusin sobre la bondad de las
diferentes metodologas.

2 ASPECTOS METODOLGICOS

2.1 Datos utilizados

Las metodologas de prediccin se evaluaron usando los registros de caudales mensuales

de los ros Alicachn, Betania, Guavio, Nare, Salvajina y San Carlos proporcionados por
Interconexin Elctrica S.A. (ISA. Los registros mensuales corresponden al perodo comn
entre 1960-1994. El perodo de calibracin de los modelos de prediccin se seleccion desde el
inicio de la serie hasta diciembre de 1979; los siguientes 15 aos se seleccionaron para la
validacin de los modelos (1980-1994). En la Figura 1. se presenta el ciclo anual y el espectro
de Fourier correspondientes a cada una de los ros mencionados, donde se puede observar la
importancia relativa de la periodicidad anual y semianual debidos al movimiento de la ZCIT
(zona de convergencia intertropical) cambiando de importancia de acuerdo a la ubicacin en la
regin, y con menos importancia pero en forma significativa la presencia de una banda cuasi-
bienal y la importancia de la banda entre 3 y 5 aos asociada con el ENSO. Diversas tcnicas
de homogeneidad en las series indicaron que existe estabilidad en la media y en la varianza
para cada una de ellas.

Las variables macroclimticas utilizadas como variables predictoras son: ndice

Multivariado del ENSO (MEI), ndice de Oscilacin del Sur (SOI), Oscilacin del Atlntico Norte
(NAO), Oscilacin Decadal del Pacfico (PDO), Oscilacin Cuasi-Bienal (QBO), Temperatura
Superficial del Mar en las regiones NIO 1, 2, 3 y 4 (T NINO#), Temperatura promedio del

2
Atlntico Norte y Sur (T NAT y T SAT), y Temperatura Tropical Promedio (TROP). En el clculo
del ndice Multivariado del ENSO (Wolter, 1987) se utilizan seis variables en las cuales se
manifiesta el fenmeno ENSO (presin a nivel del mar, componentes zonales y meridionales del
viento superficial, SST, temperatura del aire en la superficie y nubosidad total). Ver
http://www.cdc.noaa.gov/~kew/MEI. El ndice de Oscilacin del Sur se calcula como la
diferencia estandarizada de presiones atmosfricas entre Tahit y Darwin (Trenberth, 1976). El
ndice para la PDO se calcula usando anlisis de componentes principales de anomalas
mensuales en la temperatura superficial del Ocano Pacfico Norte (Mantua et al., 1997). El
ndice para la NAO se calcula con base a las diferencias de presiones atmosfricas
normalizadas entre las Islas Azores e Islandia (Hurrel, 1995 y Jones et al., 1997). El ndice de la
QBO utilizado fue construido a partir de datos de viento zonal a 30 hPa (Marquardt y Naujokat,
1997). La mayora de las series se pueden obtener en
http://tao.atmos.washington.edu/data_sets/. En la Figura 2. se presentan los correlogramas
cruzados entre la serie de caudales del ro Nare y algunas de las variables macroclimticas
mencionadas.

Figura 1. Ciclo anual y espectro de Fourier de las ros.

Dado que la no-linealidad de la relacion macro-clima-hidrologia, se requiere una medida de

tal tipo, entre los caudales del ro Nare y las series macroclimticas. Una manera de estimar
dicha relacin es mediante el clculo de la coherencia usando la transformada en onditas
(Torrence y Webster, 1999; Hoyos, 1999), la cual permite determinar el grado de coherencia
espectral (en la frecuencia y en el tiempo, simultneamente) entre las variables macro-
climticas y las hidrolgicas. La coherencia puede entenderse como una correlacin localizada
en el tiempo y en las frecuencias. En la Figura 3. se presentan los espectros de coherencia
entre la serie de caudales del ro Nare y algunas de las series macroclimticas. Dichos
espectros muestran una alta coherencia de la serie de caudales con las series macroclimticas
en bandas anual y semianual (T SAT, MONZON y T NINO1+2) y en una banda entre 3 y 5 aos

3
correspondiente al fenmeno ENSO (MEI, MONZON y T NINO1+2). Los valores de coherencia
debajo de la malla sobre los espectros no son confiables (Torrence y Compo, 1998).

Se estimaron los espectros de coherencia entre cada una de las series de caudales y todas
las variables macroclimticas (no se muestran ac). Este es un paso necesario con el fin
detectar las variables ms significativas y sus rezagos, con el objeto de aplicar adecuadamente
las metodologas de prediccin. Los resultados del espectro de coherencia son particularmente
importantes en la prediccin en bandas espectrales usando onditas (PREBEO).
C o r r e lo g r a m a C a u d a l - M o n z o n C o r r e lo g r a m a C a u d a l- M E I
1 .0 1 .0
C o e f ic ie n te d e

C o e f ic ie n te d e
0 .5 0 .5
c o r r e la c i n

c o r r e la c i n
0 .0 0 .0

- 0 .5 - 0 .5
- 1 .0 - 1 .0
0 1 2 3 4 5 6 7 8 9 10 11 0 1 2 3 4 5 6 7 8 9 1 0 11
re z a g o re z a g o

C o r r e lo g r a m a C a u d a l - T _ N A T C o r r e lo g r a m a C a u d a l - T _ N I N O 1 + 2
1 .0 1 .0
C o e fic ie n t e d e

C o e f ic ie n t e d e
0 .5 0 .5
c o r r e l a c i n

c o r r e la c i n
0 .0 0 .0
- 0 .5 - 0 .5
- 1 .0 - 1 .0
0 1 2 3 4 5 6 7 8 9 10 11 0 1 2 3 4 5 6 7 8 9 1 0 11
re z a g o re z a g o

Figura 2. Correlogramas cruzados entre la serie del ro Nare y algunas variables

macroclimticas.

M EI - N A RE T SA T - N A R E
0 .2 5 0 .2 5
0 .5 0 0 .5 0
1 .0 0 1 .0 0
P e r io d o
P e r io d o

2 .0 0 2 .0 0
4 .0 0 4 .0 0
8 .0 0 8 .0 0
1 6 .0 0 1 6 .0 0
3 2 .0 0 3 2 .0 0
1960 1970 1980 1990 1960 1970 1980 1990

M O N ZO N - N A R E T N IN O 1 + 2 - N A R E
0 .2 5 0 .2 5
0 .5 0 0 .5 0
1 .0 0 1 .0 0
P e r io d o

P e r io d o

2 .0 0 2 .0 0
4 .0 0 4 .0 0
8 .0 0 8 .0 0
1 6 .0 0 1 6 .0 0
3 2 .0 0 3 2 .0 0
1960 1970 1980 1990 1960 1970 1980 1990

0 .4 0 .5 0 .6 0 .7 0 .8 0 .9
Figura 3. Espectros de coherencia entre algunas variables macroclimticas usadas como predictoras y
la serie de caudales del ro Nare. En el clculo se utiliz la ondita de Morlet, y el cono de influencia
limita las regiones no significativas de la coherencia.

2.2 Mtodos de prediccin Introduccin

Se usaran las metodologas para efectuar predicciones ciegas en el horizonte de tiempo
considerado y sin depender de predicciones de los predictores. Para garantizar que la
metodologa de prediccin sea ''ciega'' se deber tener en cuenta que las variables regresoras,

4
incluida la misma serie de caudal, deben estar rezagadas un cierto nmero de meses, tanto
para calibracin como para la prediccin. De esta forma se garantiza que la variable
dependiente, en este caso el caudal de un mes t depende de las variables predictoras del mes
t-, siendo la ventana de prediccin. Para cada mes por predecir se debe hacer un rezago
diferente de las variables independientes, resultando en un intervalo de tiempo de ajuste
diferente. Despus del ajuste, se obtiene el modelo que aproxima los caudales usando las
variables predictoras disponibles. Se hacen las predicciones para el perodo de validacin en
tantos meses futuros como sea la longitud (en tiempo) del rezago original de las series. Esta
metodologa supone un comportamiento decreciente de los correlogramas entre la serie de
caudal y las series de las variables regresoras. Por tanto, de los meses predichos slo se
almacena el ltimo valor predicho. Una manera de eliminar la suposicin de correlograma
decreciente es incluir en la prediccin, rezagos de las variables predictoras. A continuacin se
describen las metodologas no-lineales y la metodologa de prediccin lineal implementada para
la comparacin.

2.2.1 MARS y Redes Neuronales

El mtodo MARS (Multivariate Adaptive Regression Splines) se basa en la construccin
de un modelo multivariado no parametrico, ajustado adoptivamente por tramos en el tiempo. Ver
todos los detalles tericos y computacionales en Friedman (1991). En general, MARS intenta
superar algunas de las limitaciones de la modelacin no paramtrica y el particionamiento
recursivo, planteando algunas generalizaciones a los procedimientos, garantizando modelos
continuos con derivadas continuas. Por su parte, las redes neuronales artificiales (ANN), son
arquitecturas generalmente simples, usualmente adaptivas, que procesan masivamente
informacin mediante elementos interconectados. Entre las caractersticas que hacen atractiva
la prediccin de la hidrologa de Colombia usando redes neuronales est la capacidad de
modelar sistemas no-lineales y la robustez en el manejo de datos con ruido. Simpson (1990)
presenta una descripcin muy coherente de los elementos de una red neuronal, as como
tambin anlisis comparativos y aplicaciones.
Para obtener los resultados del presente artculo se trabaj con un modelo MARS aditivo-
cbico, es decir, las funciones base pueden ser cbicas y estn compuestas por una sola
variable. En el caso de las redes neuronales se utiliz arquitectura tipo Multilayer Perceptron
con una capa oculta. El algoritmo de aprendizaje utilizado se conoce con el nombre de Back-
Propagation.

2.2.2 Prediccin por Bandas Espectrales usando Onditas (PREBEO)

El mtodo que hemos denominado PREBEO se basa en la descomposicin espectral de
las series predoctoras y la serie de caudales por predecir, usando la llamada transformada en
Onditas o wavelets. La transformada en onditas logra localizacin temporal y frecuencial
simultneamente, mediante el uso de funciones llamada ondita madre, de dos parmetros;
uno de localizacin y otro de escalamiento. Ver los detalles en Torrence y Compo (1998),
Foufoula y Kumar (1994) y Hoyos (1999). Las componentes espectrales principales
corresponden a las bandas de frecuencias ms significativas de una seal temporal. Los
perodos en los cuales se descompusieron (se filtraron) tanto las variables predictoras como los
caudales de los ros, corresponden a los mencionados en la seccin 2. Luego de tener las
series (tanto de caudales como macroclimticas) descompuestas en diferentes bandas, se
aplica para cada banda seleccionada la metodologa propuesta en el numeral 1 utilizando
alguna de las herramientas de ajuste (en el presente artculo se utiliz la regresin lineal

5
mltiple). De esta manera se obtiene la prediccin para cada banda espectral. El pronstico se
obtiene sumando las predicciones hechas en todas las bandas.

2.2.3 Regresin Lineal Mltiple

Este modelo se basa en una regresin lineal mltiple para cada perodo donde adems delas
variables predictoras mencionadas en el numeral 2, se incluyeron las series del su propio
caudal filtrando su ciclo anual, semianual y trimestral a partir de la Transforma Rpida de
Fourier.

2.2.4 Modelo Lineal AR(p)

Se pretende comparar el desempeo de los mtodos no lineales descritos, con respecto a

mtodos lineales de prediccin, del tipo markovianos (autoregresivos), de orden p, AR(p) (Box y
Jenkins, 1976; Pena, 1994; Box et al., 1994). Estos modelos lineales univariados se basan en la
hiptesis de que las relaciones de dependencia estacionales interanuales es la misma para
todos los perodos. Sin embargo, la dependencia estacional intranual (escalas de 6 y 12
meses), son tenidas en cuanta para el diagnstico y pronstico propuesto en este numeral. La
identificacin del modelo se bas en la funcin de autocorrelacin simple (FAS) y parcial (FAP)
de las series estandarizadas mensualmente. La estimacin de los coeficientes se hizo a partir
del mtodo de la mxima verosimilitud. La verificacin del modelo puede hacerse a travs del
diagnstico de los residuos (histograma y distribucin de probabilidad Normal de los residuos,
residuos estandarizados y FAS y FAP de los residuos). Algunas veces esta verificacin puede
hacerse a travs del funcionamiento del modelo comparndolo con observaciones no usadas
para ajustar el modelo. Los detalles para la estimacin de los parmetros de estimacin del
mejor modelo no son mostrados en este trabajo.

3 RESULTADOS Y ANLISIS

En la Figura 4. se muestran las series de tiempo predichas y observadas. Por propsitos de

brevedad, slo se muestran los resultados de las predicciones para horizontes de 3 meses, y se
discutirn los resultados obtenidos para las ventanas de 6 y 12 meses. El desempeo de cada
uno de los modelos sobre las diferentes series y sobre cada ventana de prediccin fue estimado
a partir del error cuadrtico medio adimensional (RMS) definido como

1
n
Qreal Qpredicho 2
% RMS __
100 .
Q real

En la Figura 5 se presentan los resultados generales. Para todos los ros se compara el RMS
promedio de las predicciones hechas al iniciar la prediccin en cada uno de los meses del ao.
Se intenta mostrar la importancia del ciclo anual en la capacidad de prediccin, y para las
diferentes ventanas de prediccin utilizadas. En general las predicciones hechas para el ro
Alicachn muestran los valores ms altos del RMS y el ro Nare como el de mejor capacidad de
prediccion. Este resultado es fundamental dada la importancia del ro Nare (y su embalse
asociado de El Peol) en el sector elctrico Colombiano.

6
Figura 4. Prediccin de caudales medios mensuales empezando en Enero de 1980 para un horizonte
de 15 aos y una ventana de prediccin de 3 meses. De arriba hacia abajo se tienen las series para
los 6 ros. La convencin para la serie original y las metodologas aplicadas se observa en la parte
inferior del grfico.

7
Figura 5. RMS en el perodo de validacin para todas las series, usando ventanas de 3, 6 y 12 meses.

El anlisis de los errores obtenidos permite concluir que PREBEO exhibe los menores errores
de prediccin, para todos los ros y todas las ventanas de prediccin, siguiendo en su orden
RLM y MARS. A la luz del RMS, los mtodos ANN y AR(p) muestran los resultados ms
deficientes. En la mayora de los casos se presenta un sutil incremento del error con el aumento
de la ventana de prediccin. Para visualizar la influencia del ciclo anual en la capacidad de
prediccin, se estimo el RMS (Figura 6.). Dichos grficos tienen el mes de inicio en las abscisas
y el mes predicho en las ordenadas. El propsito de este grfico es buscar alguna evidencia
sistemtica del error a lo largo del ao. Los patrones que se observan para diferentes
metodologas no son generales, es decir, resulta difcil compararlos entre s y no posibilitan
concluir acerca de la posible existencia de una barrera de prediccin desde el punto de vista
estadstico. Sin embargo, se observa fcilmente una estacionalidad del error, en particular
mayores valores del RMS en la pocas predichas (por las ordenadas de los grficos) para los
mnimos caudales medios, tal como se observ en la climatologa del ciclo anual de la Figura 1..
Esta situacin se observa ms claramente usando AR(p).

En general PREBEO muestra nuevamente los menores valores del RMS y es el menos
influenciado por la poca en que se inician las predicciones. AR(p) muestra bsicamente la ms
baja influencia del mes de inicio para la prediccin de un mes especfico, aunque su capacidad
predictiva disminuye rpidamente en el tiempo, de acuerdo con su estructura de dependencia
estadstica.

8
Tambin se observa que Betnia y Nare son las series de caudales mensuales mas fciles de
predecir en este conjunto y Alicachn presenta los mayores errores con cualquiera de las
metodologas.

Un patrn semejante se observ para las ventanas de prediccin de 6 y 12 meses. Sin

embargo, el error de prediccion es correlativo con la longitude del horizonte de prediccion. Esta
estructura del error se observa ms fcilmente en los grficos correspondientes a PREBEO y
RLM.

Figura 6. Porcentaje de RMS de las predicciones para el perodo de validacin y una ventana de 3
meses. Se tiene en las abcisas se tiene el mes de inicio de la prediccin y en las ordenadas el mes
predicho. De izquierda a derecha se tienen los resultados al emplear los diferentes modelos MARS,

9
 PREBEO, RLM, ANN y AR(p). De arriba hacia abajo se tienen los diferentes ros. Los colores de cada
superficie de error han sido equalizados a la paleta de colores mostrada a la derecha.

Figura 7. Anlisis de terciles para una ventana de prediccin de 3 meses variando el mes de inicio de
la prediccin. En cada grfico el conjunto de barras corresponde al tercil superior (arriba), tercil medio
(centro) y tercil inferior (abajo). De izquierda a derecha se tienen los resultados de terciles al emplear
los diferentes modelos MARS, PREBEO, RLM, ANN y AR(p). De arriba hacia abajo se tienen los
diferentes ros.

En la Figura 7. se muestran los anlisis del error de acuerdo al porcentaje de aciertos en la

prediccin en cada uno de los terciles de la funcin de distribucin de caudales, y su variacin
con respecto al mes de inicio de las predicciones. Para calcular estos grficos es necesario
conocer los lmites que permiten discriminar si un valor determinado est en el tercil superior,
medio o inferior. As, se compara para cada valor predicho s este corresponde al tercil al que
correspondi el valor real, en caso afirmativo, se considera como un acierto. Un valor de 100%
implica que todos los valores predichos para un tercil dado realmente se observaron en ese
tercil. El clculo de dichos grficos se hizo con las series estandarizadas con el fin de remover
los patrones estacionales asociados a la variabilidad intraanual. En general, se observa un
comportamiento muy estable de cada uno de los terciles iniciando las predicciones desde
cualquier mes del ao. Se observa como la mayor proporcin de aciertos en todas las series se
obtiene mediante PREBEO. Esta metodologa muestra mayor cantidad de aciertos en los
terciles superior e inferior, aunque los aciertos del tercil medio son sistemticamente mayores

10
que en las otras metodologas. MARS y RLM muestran resultados semejantes con ms baja
proporcin de aciertos en el tercil inferior y ms altos en el superior.

En este anlisis AR(p) es la metodologa ms deficiente con menor proporcin de aciertos en el

tercil medio para todas las ventanas analizadas y en la mayora de las series pronosticadas. Al
comparar las metodologas no-lineales con AR(p), es contundente la ventaja la ventaja al
realizar las predicciones al incluir informacin secundara que en este caso fueron las variables
macroclimticas ms relevantes o con mayor influencia en la climatologa de la regin
analizada.

4 CONCLUSIONES

Se ha comparado el desempeo de diversas metodologas no lineales para la prediccin de

caudales medios mensuales en ros importantes para el sector elctrico en Colombia. Los
mtodos incorporan explcitamente la influencia del ENSO y otros fenmenos macro climticos
sobre la hidrolgica de Colombia, as como la persistencia hidrolgica, en horizontes de
prediccin de 3, 6 y 12 meses. La filosofa general de los mtodos de prediccin usados
garantiza que no se requieren predicciones de las variables predictoras para efectuar las
predicciones de los caudales. Los resultados favorecen de manera contundente las
metodologas no-lineales sobre mtodos tradicionales lineales markovianos. Especficamente,
los resultados obtenidos con el mtodo PREBEO muestran menores valores de los errores de
prediccin (RMS) para todos los horizontes de prediccin estudiados, as como una mayor
proporcin de aciertos independientemente del tercil considerado e independiente del mes de
inicio de las predicciones. El mtodo PREBEO tambin es contundentemente superior a los
resultados obtenidos con la metodologa lineal, y superior a MARS, RLM y ANN. Adems,
PREBEO se ve fortalecido por su versatilidad de uso; y su capacidad predictiva depende de la
informacin secundara utilizada para potenciarlo y de las periodicidades en las que se hace la
descomposicin de la informacin hidrolgica y macro-climtica.

Agradecimientos. Esta investigacin ha sido financiada con fondos del Instituto Interamericano para la
Investigacin del Cambio Global (IAI). Se agradece la colaboracin del Dr. Peter R. Waylen, University of
Florida, Gainesville, EU.

REFERENCIAS

Box, G. E. P., and Jenkins, G., Time Series Analysis: Forecasting and Control, Holden-Day, 1976.
Box, G.E.P., Jenkins, G.M. y Reinsel, G.C.: Time Series Analysis: Forecasting and Control. Prentice-Hall,
Englewood Cliffs, New Jersey, 1994.
Carvajal, L. F., O. J. Mesa, J. E. Salazar, y G. Poveda, Aplicacin del anlisis espectral singular a series
hidrolgicas en Colombia. Memorias del XVI Congreso Latino-Americano de Hidrulica e Hidrologa,
IAHR, Santiago de Chile, Vol. 3, 97-108. 1994.
Foufoula-Georgiou, E., y P. Kumar. Wavelets in Geophysics. Academic Press, 372 p., 1994.
Friedman, J. H., Multivariate Adaptive Regression Splines, Ann. Stat., 19, 1-142, 1991.
Hoyos, C., Algunas aplicaciones de la transformada de Fourier y la descomposicin en onditas a seales
hidrolgicas y ssmicas. Tesis Ingeniera Civil, Universidad Nacional de Colombia, Medelln, 1999.
Hurrell, J.W., Decadal trends in the North Atlantic Oscillation and relationships to regional temperature and
precipitation. Science, 269, 676-679, 1995.
Jones, P.D., Jhonsson, T., y D. Wheeler, Extension to the North Atlantic Oscillation using early
instrumental pressure observations from Gibraltar and South-West Iceland. Int. J. Climatol. 17, 1433-
1450, 1997.

11
Mantua, J., Steven R. Hare, Y. Zhang, J. M. Wallace, y R. C. Francis, A Pacific interdecadal climate
oscillation with impacts on salmon production, BAMS, 78, 1069-1079, 1997.
Marquardt, C., y B. Naujokat. An update of the equatorial QBO and its variability. 1st SPARC Gen.
Assemb., Melbourne Australia, WMO/TD-No. 814, Vol. 1, 87-90, 1997.
Mesa, O.J., G. Poveda, L. F. Carvajal y J. E. Salazar, Efecto del fenmeno de El Nio-Oscilacin del Sur
en la hidrologa Colombiana, Memorias del XVI Congreso Latinoamericano de Hidrulica e
Hidrologa, Vol. 3, IAHR, Santiago de Chile, 373-384,1994a.
Mesa, O.J., L.F. Carvajal, J.E. Salazar, y G. Poveda, Prediccin hidrolgica usando redes neuronales,
Memorias del XVI Congreso Latinoamericano de Hidrulica e Hidrologa, IAHR, Santiago de Chile,
Vol. 3, 385-396, 1994b.
Mesa, O.J, G. Poveda y L. F. Carvajal, Introduccin al Clima de Colombia, Imprenta Universidad Nacional
de Colombia, Bogota, 1997.
Parthasarathy, B., A.A. Munot, y D.R. Kothwale. Monthly and seasonal rainfall series for all-India
homogeneous regions and meteorological subdivisions: 1871-1994, Contributions from Indian Institute
of Tropical Meteorology, Pune-411 008, INDIA. 1995.
Pea, D., Estadstica, Modelos y Mtodos. 2 Modelos Lineales y Series Temporales. Alianza Universidad
Textos, Madrid, 1994.
Poveda, G., y C. Penland, Prediccin de caudales medios en Colombia usando Modelacin Lineal
Inversa, Memorias del XVI Congreso Latino-Americano de Hidrulica e Hidrologa, IAHR, Santiago de
Chile, Vol. 4, 119-129, 1994.
Poveda, G., y O. J. Mesa, Feedbacks between hydrological processes in tropical South America and large
scale oceanic-atmospheric phenomena. J. Climate, 10, 26902702, 1997.
Poveda, G., y O. J. Mesa. Metodologas de prediccin de la hidrologa Colombiana considerando el
evento El Nio-Oscilacin del Sur (ENOS), Revista Atmsfera, 17, Sociedad Colombiana de
Meteorologa, Bogot, 1993.
Poveda, G., y A. Jaramillo. ENSO-related variability of River Discharges and Soil Moisture in Colombia.
Biospheric Aspects of the Hydrologic Cycle. No. 8, 3-6, IGBP, Diciembre 2000.
Poveda, g., M. M. Gil y N. Quiceno. The relationship between ENSO and the annual cycle of Colombias
hydro-climatology. Proceedings 10th Symposium on Global Change Studies, American Meteorological
Society, Dallas, Texas, 157-160, 10-15 enero, 1999.
Poveda, G., A. Jaramillo, M. M. Gil, N. Quiceno y R. Mantilla. Seasonality in ENSO Related Precipitation,
River Discharges, Soil Moisture, and Vegetation Index (NDVI) in Colombia. Water Resources
Research, Vol. 37, No. 8, 2169-2178, 2001.
Salazar, J. E., O. J. Mesa, G. Poveda y L. F. Carvajal, Aplicacin de un modelo continuo no lineal de
series hidrolgicas, Memorias del XVI Congreso Latino-Americano de Hidrulica Hidrologa, IAHR,
Santiago de Chile, Vol. 4, 169-180, 1994a.
Salazar, J. E., O. J. Mesa, G. Poveda y L. F. Carvajal, Modelamiento del fenmeno ENOS en la hidrologa
Colombiana mediante procesos autoregresivos dependientes del rgimen, Memorias del XVI
Congreso LatinoAmericano de Hidrulica e Hidrologa, IAHR, Santiago de Chile, Vol. 4, 181-191,
1994b.
Simpson, P. K. Artificial Neural Systems, Foundations, Paradigms, Applications and Implementations,
Pergamon Press, Oxford, 1990.
Torrence, C., y G. P. Compo. A practical guide to wavelet analysis. Bull. Amer. Meteor. Soc., 79, 61-78,
1998.
Torrence, T., y P.J. Webster. Interdecadal changes in the ENSO-Monsoon System, J. Climate, 12, 2679-
2690, 1999.
Trenberth, K. E., Spatial versus noise in the Southern Oscillation, Mon. Wea. Rev., 112, 323-332, 1976.
Walker, G. T. Y E. W. Bliss, World weather V, Men. Roy. Meteor. Soc., 4, 53-84, 1932.
Wolter, K. The Southern Oscillation in surface circulation and climate over the tropical Atlantic, Eastern
Pacific, and Indian Oceans as captured by cluster analysis. J. Climate Appl. Meteor., 26, 540-558,
1987.

12