See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/235983737

PROTOCOLO PARA LA MODELACION MATEMATICA DE PROCESOS

HIDROLOGICOS

Article · October 2000

CITATIONS READS

4 2,010

1 author:

Efraín Antonio Domínguez Calle

Pontificia Universidad Javeriana
72 PUBLICATIONS   160 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

ANÁLISIS DE SINCRONIZACIÓN ESPACIO-TEMPORAL DE SEÑALES OCÉANO-ATMOSFÉRICAS Y VARIABLES HIDROCLIMATOLÓGICAS EN COLOMBIA View project

Pronos II View project

All content following this page was uploaded by Efraín Antonio Domínguez Calle on 15 May 2014.

The user has requested enhancement of the downloaded file.

 Meteorología Colombiana N2 pp. 33–38 Octubre, 2000 Bogotá D.C. ISSN-0124-6984

PROTOCOLO PARA LA MODELACION MATEMATICA DE PROCESOS HIDROLOGICOS

EFRAIN ANTONIO DOMINGUEZ CALLE

Instituto de Hidrología, Meteorología y Estudios Ambientales IDEAM

Dominguez, E. 2000: Protocolo para la modelación matemática de procesos hidrológicos. Meteorol. Colomb. 2:33-38. ISSN
0124 - 6984. Bogotá, D.C. – Colombia.

RESUMEN

En los últimos años, gracias al progreso de la tecnología en el campo de los ordenadores,

principalmente en la rama de las computadoras personales, la introducción de los métodos
matemáticos en todas las ciencias se ha acelerado. Como consecuencia directa los modelos
matemáticos se han convertido en una valiosa herramienta de solución de problemas en el
ámbito hidrológico. Con el fin de enmarcar el proceso de modelación en una secuencia lógica,
discreta, de pasos orientados a la obtención de un resultado, en este artículo se plantea un
“Protocolo de Modelación”. Previamente se introducen algunos conceptos necesarios para un
entendimiento formal del tema.

ABSTRACT

During the last few years, due to technological progress in the field of information technologies,
mainly in the use of personal computer’s frame, the numerical methods has become more widely
use in many sciences in an accelerated way; as a direct result mathematical models are a
valuable tool to solve hydrological problems. As an attempt to place the modelling process in to a
logic sequence of finite and discrete steps guided to get defined goals, here is presented a
“Modelling Protocol”. Previously some necessary concepts are introduced to facilitate a common
ground for theme’s understanding.

1. INTRODUCCION para resolver las ecuaciones diferenciales que describen

El universo es complejo y en el mundo moderno se
necesitan soluciones más precisas, se ha intensificado
así la búsqueda de nuevas herramientas para mejorar el
entendimiento de esa complejidad. Los métodos para
abordar el análisis de los procesos naturales fueron
planteados durante el siglo XIX con base en el cálculo
diferencial (desarrollado paralelamente por Newton y
Leibnitz); de este modo las ecuaciones fundamentales de
la Matemático–Física fueron formuladas hace más de
100 años, pero su solución numérica solo adquirió
popularidad en nuestro siglo gracias a los avances en las
máquinas de cálculo automático (desde la máquina de
Babagge). Con el desarrollo del ordenador personal se
hace viable la implementación de métodos numéricos
el comportamiento espacio temporal de los procesos
físicos (flujo de masa y energía), lo cual permite la
realización de modelos matemáticos aplicados a la
actividad investigativa.
Con el fin de enmarcar el proceso de modelación en una
secuencia lógica, discreta, de pasos orientados a la
obtención de un resultado (la implementación de un
modelo como herramienta para la evaluación de
procesos hidrológicos). En este artículo se plantea un
“Protocolo de Modelación”, el cual es producto de las
experiencias propias del autor y de la revisión de
opiniones de distintos autores internacionales
(Kovalenko, 1993; Refsgaard, 1996; Refsgaard &
34
Abbot, 1996; Kuchtment, 1980; Kuchtment et al, 1993;
Rogunovich, 1989).
2. ASPECTOS GENERALES
Con el fin de generar un léxico común que ayude a
entender el “Protocolo de Modelación Matemática de
Procesos Hidrológicos” a continuación se hace claridad
sobre algunas percepciones y conceptos inherentes a la
modelación matemática.
Primero que todo es necesario dejar en claro que en la
actividad formal e investigativa del científico o ingeniero,
el modelo matemático per se no es un objetivo ni una
finalidad y si es por el contrario una herramienta que
apoya uno u otro proceso de toma de decisiones.
Sin embargo, existe una situación en la cual el modelo es
el objetivo o finalidad de la investigación, esto sucede
cuando el investigador se plantea la necesidad de
construir un modelo que describa algún proceso natural.
Esta tarea puede comenzar de cero, con el desarrollo y
demostración de las estructuras matemáticas necesarias,
o desde el planteamiento de la algoritmización de
estructuras matemáticas existentes. Para ser más
concretos en este caso se persigue el objetivo de generar
un modelo matemático de propósito general,
implementado en algún tipo de plataforma informática
que pueda ser utilizado por varios usuarios en distintas
investigaciones.
Teniendo claro lo anterior, es conveniente subrayar qué
lugar ocupa la modelación en el variado espectro de la
hidrología; acotando ese espectro a las tareas más
relevantes de la hidrología observamos que en esta
disciplina científica se resuelve, generalmente, uno de los
siguientes problemas (Fig.1):
Evaluación del estado actual del régimen hidrológico.
Pronóstico o proyección de condiciones futuras.
Uso sostenible del recurso.
La Modelación Matemática en la
Hidrología
P
Uso Sostenible del Evaluación del
Estado Actual del
Recurso Hídrico
Régimen Hídrico
 ayuden a profundizar sobre el proceso en estudio. En la
Proyección, Pronóstico
Figura 1. La modelación matemática en la hidrología
En el primer aspecto, en la evaluación del estado actual
del recurso, juega un papel muy importante la hidrometría
METEOROLOGIA COLOMBIANA N2, OCTUBRE 2000
y su implementación en un sistema de muestreo regular
que genere los datos suficientes para fijar un marco
general de referencia del estado del recurso. Sin
embargo las redes de observación no pueden constituirse
de un número infinito de nodos, lo que haría imposible su
viabilidad económica y pondría en duda los
planteamientos de su diseño óptimo (Kovalenko, 1993);
por ello en la mayoría de los casos los sistemas de
muestreo se ven impedidos para generar información
sobre el estado del régimen hidrológico de sectores muy
locales. Es aquí donde la modelación puede
complementar a la red de observaciones, soportándola
para convertirla en una red óptima (viable desde el punto
de vista económico y precisa desde el punto de vista
técnico). Adicionalmente, implementada de una manera
especial, la modelación matemática se puede aplicar
como una herramienta de control de calidad de la
información que producen las redes de observación,
asegurando la veracidad física (es decir la posibilidad de
ocurrencia) de los datos soportados en las mediciones y
metodologías del sistema de muestreo en la red de
observación.
De otro lado el estado actual no es de suficiente
información sobre el recurso, también es necesario
plantear proyecciones hidrológicas, pronósticos, etc.;
aquí también puede ser útil la modelación, que partiendo
del estado actual puede generar escenarios, proyectando
a un nivel futuro el estado y las tendencias actuales del
régimen hidrológico.
Para terminar, a los dos puntos anteriores se puede
agregar que el uso sostenible del recurso hídrico no es
posible sin la evaluación de las influencias antrópicas
sobre el recurso, ejercicio que se puede realizar
incluyendo en los modelos matemáticos el factor de la
influencia antrópica (Refsgaard & Abbot,1996), cerrando
así un ciclo de evaluación hidrológica no lineal y con
retroalimentación continua.
Como conclusión podemos fijar que la modelación de
procesos hidrológicos tiene lugar en todos los aspectos,
directos o indirectos, de la aplicación de la hidrología
como herramienta del desarrollo sostenible.
Adicionalmente la modelación matemática de procesos
hidrológicos puede entenderse como el eslabón central
del desarrollo del conocimiento, correspondiendo a la
realización abstracta del entendimiento de lo real
(Kovalenko, 1993); esto quiere decir que a través de los
datos, obtenidos en un sistema de medición, podemos
llegar a estructurar una abstracción de los procesos
naturales en forma de un sistema de ecuaciones que nos
Fig.2., podemos ver una materialización práctica de esta
idea.
2.1. Definiciones básicas
En el área de la modelación matemática,
tradicionalmente, se aplica el enfoque sistémico para
abordar el planteamiento conceptual de esta materia. Ya
que la noción de sistema es muy aplicada y dado que su
DOMINGUEZ: PROTOCOLO PARA LA MODELACION MATEMATICA DE PROCESOS HIDROLOGICOS 35

definición y la de "Proceso" tienen fronteras muy difusas, 1996) los cuales se han complementado con la opinión
para efectos de este artículo, las plantearemos como: personal del autor (Fig.3).
La M odelación M atemática en la Clasificación de los M odelos M atem áticos
Hidrología
Determ inísticos Estocásticos

Aglutinados Distribuidos M étodo de A nálisis

Ecuaciones Ecuaciones M ontecarlo Regresivo
Diferenciales Diferenciales
Ordinarias Parciales

Lineales No Coeficientes Coeficientes Hibridos

Lineales Constantes V ariables Ecuación de Fokker
Plank K olm ogorov

Figura 2. Modelación matemática, una abstracción de Figura 3. Clasificación general de modelos

la realidad matemáticos

De esta clasificación es necesario materializar las

Sistema siguientes definiciones:

Conjunto de elementos relacionados entre sí, que Modelo determinístico

conforman un todo estructuralmente coherente y
reaccionan como una unidad ante las influencias de su Es un modelo que para dos juegos de parámetros
entorno. idénticos produce una misma respuesta. Estos modelos
obedecen a la relación unívoca causa–efecto sin
considerar la posibilidad de respuesta con incertidumbre
Proceso de realización.

Serie de pasos o cambios a través de los cuales un Modelo estocástico

sistema evoluciona de una condición a otra.
Metafóricamente hablando el proceso consiste en un
transcurrir, el sistema, a su vez, es lo que permite que
transcurra (Verdugo, 1998).
Por razones prácticas también es conveniente formalizar
las siguientes nociones:
Es un modelo que para dos juegos idénticos de
parámetros puede producir distintas respuestas. Esto se
debe a que en él se considera el carácter aleatorio de
algunas características del proceso que se está
modelando, tomando en cuenta la incertidumbre de
realización.

Modelo Matemático
Conjunto de expresiones matemáticas y/o
destinadas a representar o simular un proceso.
Entradas y Salidas
Modelo aglutinado
Es aquel en el cual las características del volumen de
lógicas control de la modelación se reflejan en el modelo como
concentradas en un punto. En el caso de una cuenca
esto correspondería a describir su geometría a través de
su área, pendiente media, altura media, etc., asociadas a
su centroide (Fig.4).

Representan la influencia externa sobre el sistema (en

M o d e lo s M a te m á tic o s - E je m p lo s
forma de flujo de masa y energía) y la respuesta del
sistema (o evolución del proceso) a las mismas. x
V a ria n te S im p le
dQ Q
C     P
b (x ) dt k
3. CLASIFICACION DE LOS MODELOS V a ria n 2te M e jo ra d a
q d Q dQ Q kP
MATEMATICOS C  ( 2  k  ) k  
qx q dt 2 dt 1 1
qy y
b (x )
Existe gran variedad de modelos matemáticos y se han
realizado esfuerzos por clasificarlos. Aunque no existe
una clasificación única, la presentada a continuación C la sific a c ió n :
D e te rm in ístic o , d in á m ic o , a g lu tin a d o (S im p le-L in e al;
mantiene los aspectos más generales de las M ejo ra d o - N o L in e a l)
clasificaciones existentes (Kovalenko, 1993; Refsgaard,
36
Figura 4. Ejemplo de modelos aglutinados
Modelo distribuido
Toma en cuenta la variación espacial de las
características del dominio de modelación así como la
variación espacial de los parámetros y variables que
gobiernan el proceso en simulación (Fig.5).
M odelos M atem áticos - Ejem plos
x
 pr Q x Q y
 
t x y
 pr
 Sf x  So x  0
q x
qx q
qy
y
Clasificación:
D eterm inístico, dinám ico, distribuido, Basado en la física
del sistem a (N o lineal)
Figura 5. Ejemplo de un modelo distribuido
Como se puede ver en la Fig.3, la ultima línea de
desarrollo corresponde a los modelos híbridos
(Kovalenko, 1993), que pretenden combinar las
bondades de los modelos basados en la física del
sistema (dinámicos y con parámetros distribuidos) con la
consideración probabilística de la distribución de sus
parámetros y la incertidumbre de realización.
Este tipo de modelos permite no solo simular el
comportamiento de un proceso sino también la evolución
de sus características probabilísticas en el tiempo.
4. ESQUEMA GENERAL DE UN MODELO
MATEMATICO
Todo modelo matemático se compone de tres elementos,
estos son: entradas, salidas y la estructura matemática.
Los dos primeros elementos ya fueron definidos en este
artículo, la estructura matemática por su parte es el
operador que se encarga de transformar (desde el punto
de vista numérico) las entradas en salidas (Fig.6).
Estructura Matemática
Entradas Operador Matemático
Parámetros Variables
Figura 6. Esquema general de un modelo matemático
METEOROLOGIA COLOMBIANA N2, OCTUBRE 2000
De acuerdo con el diagrama de la Fig.6, la estructura
matemática a su vez contiene el operador matemático,
los parámetros y las variables que gobiernan el proceso
en modelación, de aquí se deduce que durante la
modelación existen varios tipos de problemas que se
pueden resolver: el problema directo y el problema
inverso.
5. TIPOS DE PROBLEMA QUE SE RESUELVEN
DURANTE LA APLICACION DE LA
MODELACIÓN MATEMATICA
El Problema directo
 P  0
En este planteamiento, se conocen: las entradas, la
pr estructura matemática (Operador, Parámetros y
 Sf y  So y  0
y Variables) y se desconocen las salidas. Así pues su
solución consiste en la ejecución del modelo para obtener
los resultados (salidas).
El Problema inverso
El problema directo es la situación más favorable en que
se puede encontrar el modelador, ya que en ella no falta
nada para ejecutar (calcular) el modelo. Sin embargo
para llegar a ella es necesario resolver una gran cantidad
de pasos, ya que por lo general hace falta algo. en la
búsqueda de ese algo se plantea el problema inverso, el
cual puede ser de dos tipos.
Desde el punto de vista matemático se considera que el
problema inverso es incorrecto, ya que no tiene solución
unívoca y presenta gran inestabilidad; es decir, que para
un mismo planteamiento del problema inverso pueden
existir un numero infinito de soluciones o tal vez ninguna.
Problema inverso tipo 1
Estructura Matemática
Operador Matemático Salidas
Entradas
?????????? Variables
Figura 7. Esquema general del problema inverso
tipo1
Consiste en hallar los parámetros para la estructura
matemática, lo que se logra a través de la aplicación de
la función objetivo para alcanzar la coherencia entre las
salidas observadas y las obtenidas por el modelo.
Salidas
Problema inverso tipo 2
DOMINGUEZ: PROTOCOLO PARA LA MODELACION MATEMATICA DE PROCESOS HIDROLOGICOS
Estructura Matemática
Operador Matemático
???????
Parámetros Variables
Figura 8. Esquema general del problema inverso
tipo2
Como no se conocen las entradas del modelo, es
necesario restituirlas mediante su resolución. También se
conoce como el problema paleogeológico, ya que ha sido
utilizado para establecer el régimen de precipitaciones en
épocas geológicas anteriores.
6. PROTOCOLO PARA LA MODELACION
MATEMATICA DE PROCESOS HIDROLOGICOS
Para ejecutar el proceso de modelación a través de un
flujograma con un número finito de pasos ordenados es
conveniente ejecutar el siguiente protocolo (Figs.9 y 11):
6.1. Definición del objetivo de la modelación
Este análisis permite establecer, que tipo de modelo es
más apropiado (aglutinado, distribuido, determinístico o
estocástico) y con que precisión se requiere trabajar. Es
posible que durante el proceso de modelación sea
necesario evaluar diferentes alternativas de trabajo
acorde con requerimientos específicos y disponibilidad de
información.
Protocolo de M odelación
I
Definir el objetivo de
la modelación
Información
de campo, Formular el modelo
Archivos Técnicos
Percepción Remota...
conceptual
Definir el tipo
de modelo a utilizar
1 estructura matemática. Si el valor de los parámetros se
Definición del Modelo
Figura 9. Primera etapa del protocolo de modelación
6.2. Formulación del modelo conceptual
Con base en el objetivo de la modelación, la
disponibilidad de información existente y la factibilidad de
realizar o no trabajo de campo, se establece el modelo
conceptual, que determina la complejidad de los
procesos a tomar en cuenta (cuales se modelan, cuales
no se consideran en su totalidad o pueden simplificarse
en gran medida) y comprende la percepción del usuario
37
sobre el proceso objeto de modelación. En el modelo
conceptual también se plantean las presunciones
generales sobre el proceso y las limitaciones planteadas
por el nivel técnico de su realización.
Salidas
6.3 Selección del tipo de modelo a utilizar
De acuerdo con el modelo conceptual, se escoge que
tipo de modelo se ajusta con mayor precisión al modelo
conceptual (Fig.3).
6.4. Selección del código a utilizar
Es posible que el tipo de modelo escogido, ya esté
programado y sea parte de un sistema de modelación en
venta o disponible a través de alguna transferencia
tecnológica, o que sea producto de trabajos anteriores. Si
existen varios códigos ya preparados, se revisan y se
escoge el más adecuado a las necesidades técnicas y de
disponibilidad informática y se pasa a la siguiente etapa,
de lo contrario será necesario desarrollar el código lo cual
implica cubrir las siguientes etapas:
Formulación Numérica.
Codificación del programa.
Verificación del código.
ESTA FIGURA NO ESTA DISPONIBLE EN DIGITAL
Figura 10. Segunda etapa del protocolo de
modelación
6.5. Parametrización o identificación del
modelo
Con la información disponible, y en algunos casos
apoyados en hipótesis de trabajo, se establecen las
magnitudes de los parámetros que componen la
obtiene a través de mediciones de campo existentes o
adicionalmente programadas, se dice que el modelo se
3 parametrizó. Si el valor de los parámetros se establece a
través de la solución del problema inverso tipo 1 (Fig.7),
se dice que los parámetros se identificaron.
6.6. Validación del modelo
Con el fin de probar cual es el rango de bondad del
modelo, este se parametriza con una parte de la
información existente, luego sin cambiar los parámetros
encontrados, se prueba el modelo con un rango de datos
no utilizados durante la parametrización, calculando el
error promedio del modelo. Si este error está dentro de
los límites permisibles, se considera que el modelo está
 38 METEOROLOGIA COLOMBIANA N2, OCTUBRE 2000

validado, de lo contrario se repite el proceso de CONCLUSIONES

parametrización.
La formulación del Protocolo de modelación obedece a la
6.7. Simulación necesidad de aplicar en forma sistemática la modelación
matemática, el flujograma planteado, asegura un
Con el modelo validado, se puede dar inicio a la desarrollo ordenado en cualquier proyecto de
simulación bajo las condiciones planteadas, este modelación, despreciarlo puede convertir la modelación
procedimiento es técnico y solamente hay que verificar matemática en una tarea en la que se puede derrochar
que los parámetros e hipótesis planteados estén un valioso recurso: tiempo, con un aumento considerable
reflejados en el código implementado. de los costos de aplicación, y disminución de la calidad
de los resultados obtenidos.

6.8. Análisis y presentación de resultados El protocolo facilita la definición de puntos de enlace con
otras actividades en el proyecto en evaluación. También
En esta etapa participa un equipo interdisciplinario que permite formular un cronograma de trabajo con tiempos
trata de obtener el mayor número de respuestas con los muy aproximados a los de ejecución y orientar la
datos obtenidos por el modelo y verifica la coherencia de programación de actividades de campo para dar
los resultados. Una vez analizado esto, se procede a cumplimiento al flujograma de desarrollo planteado.
consolidar el documento soporte del proceso de toma de
decisiones. En la aplicación de la modelación matemática de
procesos hidrológicos atendiendo al protocolo de
modelación se puede integrar la participación de expertos
3 Protocolo de Modelación en cada temática con el fin de optimizar la
parametrización de los modelos y la interpretación de los
Hacia la revisión del
modelo conceptual

Información
2 de campo, resultados. El protocolo establece una base para la
Archivos Técnicos
Percepción Remota...
modelación integrada de procesos hidrológicos.
Parametrización
Identificación

Validación REFERENCIAS BIBLIOGRAFICAS

3
Simulación
Análisis y presentación
de resultados
Post auditoría
Figura 11. Tercera etapa del protocolo de modulación
6.9. Post auditoria
La modelación puede no detenerse en la etapa anterior,
ya que si en el modelo realizado se incluye información
nueva, obtenida por otros medios, o que no estaba
disponible en el momento inicial de la modelación este
puede mejorar y hacer cambiar nuestra percepción sobre
el proceso real, provocando la inducción de mejoras en el
modelo conceptual planteado.
Por otro lado la realización del modelo puede ser tan
acertada que el mismo, al aplicarlo, nos revele puntos
importantes a mejorar en el modelo conceptual,
formulando así un proceso de retroalimentación continua
entre el desarrollo del modelo mismo y sus subsecuentes
aplicaciones.
Kovalenko, V. 1993: Modelirovanie Guidrologuicheskij
protsessov. 256. Guidrometeoizdat, San Petersburgo.
Kuchtment, L. 1980: Modeli Formirovania rechnova
stoka. 143. Guidrometeoizdat, Leningrado.
Kuchtment, L. et al. 1993: Experience in the hydrological
cycle parametrization for GCM: case study of the seim
river basin. O’ Donnell, T. Hydrological sciences journal,
pp153–169. Blackwell Scientific Publications, Wallingford.
Refsgaard, J. & M. Abbot. 1996: The role of distributed
hydrological modelling in water resources management.
Abbott M. y J. Refsgaard Distributed Hydrological
Modelling, pp1-16. Kluwer Academic Press, Netherland.
Refsgaard, J. 1996: Terminology, modelling protocol and
classification of hydrological model codes. Abbott M. y J.
Refsgaard. Distributed Hydrological Modelling, 17-39.
Kluwer Academic Press, Netherland.
Rogunovich, V. 1989: Avtomatizatsia matematicheskava
modelirovania dvizhenia vodi y primiesiey v sistemaj
vodotokov. 264. Guidrometeoizdat, Leningrado.
Verdugo, H. 1998: Comentarios sobre filosofía oriental.
13. Comunicación Personal, Bogotá.

View publication stats