Está en la página 1de 3

ESTIMACION DE LA INCERTIDUMBRE DE LAS PREDICCIONES HIDROLOGICAS A TRAVES DE

TECNICAS DE REMUESTREO IMPULSADAS POR DATOS

En el artículo estudiado nos muestra lo difícil de que implica parametrizar los errores del modelo
hidrológico, para ello se realizó un experimento en una cuenca ubicada en Italia, el objetivo
principal de dicha investigación es comprobar la importancia que es contar con una base de
datos hidrológicos para un mayor estudio, así mismo la veracidad que tiene la corrección de
datos que se realiza con enfoques de vecinos cercanos.

Este artículo se centra principalmente en la descripción del modelo brindado por Montanari y
Koutsoyiannis realizada en el año 2012.

Para mayor entendimiento del articulo es preciso definir dos aspectos fundamentales tales
como:

 Incertidumbre aleatoria: es representativa de incógnitas que difieren cada vez que


ejecutamos el mismo experimento. Por ejemplo, una sola flecha disparada con un arco
mecánico que duplica exactamente cada lanzamiento (la misma aceleración, altitud,
dirección y velocidad final) no llegará al mismo objetivo debido a vibraciones aleatorias
y complicadas del eje de flecha, cuyo conocimiento no se puede determinar
suficientemente para eliminar la dispersión resultante de puntos de impacto. El
argumento aquí es, obviamente, en la definición de "no puede". El hecho de que no
podamos medir suficientemente con nuestros dispositivos de medición actualmente
disponibles no excluye necesariamente la existencia de tal información, lo que movería
esta incertidumbre a la siguiente categoría.

 Incertidumbre epistémica: se debe a cosas que uno podría saber en principio, pero no
en la práctica. Esto puede deberse a que no han medido una cantidad con suficiente
precisión, o porque su modelo descuida ciertos efectos, o porque determinados datos
se ocultan deliberadamente.

Por parte del articulo estudiado nos deja grandes conclusiones y recomendaciones para un
estudio posterior de cuencas hidrológicas tales como :

la evaluación de incertidumbre es muy relevante para estimar las variables de diseño en


prácticas de ingeniería mitigando Riesgos hidrológicos y mejora de las políticas de
gestión de los recursos hídricos

El enfoque propuesto en este documento se prueba utilizando 50 años. de datos


sintéticos referidos a una cuenca fluvial en Italia (río Secchia). Los resultados obtenidos
muestran que NN es una solución muy eficiente para resolver el problema de
caracterizar el error del modelo en las predicciones hidrológicas para series de tiempo
largas cuando hay suficientes datos históricos están disponibles.

Estudio de caso y configuración de experimentos


Estudio de captación y datos
El enfoque presentado fue probado en la cuenca de la Secchia. Río (norte de Italia)

El área es de aproximadamente 1.214 km2 y la longitud del arroyo es de 98 km se


recopilaron datos sintéticos de 50 años de observaciones generadas para la cuenca de
prueba en base a los datos históricos disponibles.

Además, el experimento sintético hace posible el uso de un conjunto de datos


arbitrariamente largo. Esto es útil para poder probar el enfoque NN con respeto a una
base de datos extendida y por lo tanto obtener estadísticamente indicaciones
consistentes y análisis de sensibilidad

Generación de datos sintéticos.


Los datos de precipitación sintética de 50 años en cinco pluviómetros ubicados dentro
de la cuenca se generaron utilizando el método generalizado, la precipitación media
horaria por hora sobre la cuenca se calculó como una suma de la precipitación simulada
reescalada en cinco pluviómetros usando los pesos de sus polígonos contribuyentes con
el Thiessen. Método

Modelo hidrológico HyMod


El HyMod, como un modelo de cinco parámetros, puede verse como un modelo de
complejidad reducida en comparación con el ADM de nueve parámetros modelo.

Las entradas en el HyMod son la precipitación media del área y evapotranspiración.

Procedimiento de simulación y generación de límites de predicción.


los autores tienen la intención de no utilizar un Probabilidad de estimar la incertidumbre
predictiva. Mediante muestreo aleatorio de la distribución de parámetros posterior Se
obtuvieron 6000 realizaciones del conjunto de parámetros, que luego se utilizaron
durante el período de validación para probar el enfoque (años: 41-50).

se ha asumido que la incertidumbre de entrada es conocida, para poder centrarse en la


eficiencia de la técnica NN para el muestreo del error del modelo.

Evaluación de la fiabilidad de la predicción hidrológica


La confiabilidad de las predicciones del modelo se evaluó bajo la eficacia de
NashSutcliffe y el error cuadrático medio (RMSE) para obtener los mejores resultados.

Eficiencia de Predicción de Modelos


el objetivo principal de la método no es la mejora de la precisión de la predicción, sino
la la conversión de una predicción determinista en probabilística por Proporcionando
límites de confianza para la variable predicha.

Sensibilidad al valor k del enfoque NN


k, dentro del rango razonable entre 5 y 100 considerado, tiene muy poca influencia en
los flujos simulados del río y los límites de predicción correspondientes.
La explicación es que cuando k es mucho más pequeño que la longitud de la serie de
calibración, siempre es posible encuentre dentro del conjunto de calibración al menos k
vecinos bien ajustados, por lo tanto, para minimizar el esfuerzo de cálculo, el análisis
fue limitado al caso k =10.

Observaciones finales
Específicamente, se supone que el error del modelo representa todos fuentes de
incertidumbre (epistémicas o inducidas por variabilidad inherente) distintas de la
incertidumbre de entrada y de parámetro. Por lo tanto, el muestreo del error del modelo
permite una reconstrucción confiable del distribución de probabilidad de la salida del
modelo, siempre que el complejo se conservan las propiedades estadísticas del propio
error. La idea explorada se basa en el uso de un procedimiento de remuestreo del vecino
más cercano de las realizaciones de los errores del modelo hidrológico en un período
pasado.
Los resultados confirman que las técnicas de remuestreo de error pueden ser una opción
interesante para tener en cuenta la incertidumbre de predicción por lo tanto evitando una
caracterización estadística formal del error del modelo, cuando es difícil de
parametrizar.
Para proporcionar estimaciones confiables, el mismo conjunto de datos no se puede
utilizar dos veces.
Se necesita la base de datos de errores de simulación anteriores para el modelo
hidrológico considerado (y calibrado).
La investigación en curso se centra en el mundo real Aplicaciones para cuencas donde
los datos históricos están disponibles para un período de observación prolongado.

También podría gustarte