Acerca de la predicción no lineal en hidrología

@misc{unal_20458, author = {Carvajal Serna Luis Fernando}, title = {Acerca de la predicción no lineal en hidrología}, year = {1994}, abstract = {Resumen: Dos metodologías diferentes en el campo de la hidrología son presentadas y aplicadas a varios casos de lluvia y precipitación, Análisis Espectral Singular con autorregresivos por máxima entropía y redes neuronales. Ambas técnicas tienen fundamento en la dinámica no lineal, con características especiales cada una. El Análisis Espectral Singular hace uso de las funciones ortogonales empíricas (autovectores de la matriz de covarianzas cruzadas) para transformar las señales a un nuevo sistema ortogonal de ejes, el cual permite capturar la varianza significativa del proceso y despreciar el ruido, a través de las componentes principales. A cada componente principal se Ie ajusta un AR (P) por el criterio de información de Akaike y se hace predicción para diferentes períodos de los años 1991-1992. En las redes neuronales se aplica el modelo de retropropagación, el cual aprende de los patrones que se le presentan y se hace predicciones, teniendo en cuenta no solo caudal y precipitación, sino también el Índice de oscilación del Sur, temperatura superficial del mar, manchas solares y la oscilación causi-bienal de los vientos. Para cada caso se calculó la raíz del error cuadrático medio y bandas de error de una y dos desviaciones para el Análisis Espectral Singular y una desviación para la red neuronal. Los resultados permiten concluir que hay una correlación importante entre la primera o segunda componente principal con el Índice de Oscilación del Sur. Para cada método se obtienen predicciones para los años 1991-1992, concluyendo que pueden ser buenas herramientas para un futuro, siempre teniendo en cuenta que un modelo hidrológico debe estar sometido a una revisión crítica. Como recomendaciones esta ajustar modelos a las componentes principales diferentes de los AR (P), como promedios móviles o ARMAS para hacer posteriores comparaciones, ajustar el orden de los modelos por otros criterios que no sea el de información de Akaike. Además tener en cuenta que hay otras variables meteorológicas como el Índice de Oscilación del Sur, las temperaturas superficiales del mar, velocidades de los vientos, etc., que afectan el clima y que condicionan el régimen hidrológico de una región.}, url = {https://repositorio.unal.edu.co/handle/unal/20458} }TY - GEN T1 - Acerca de la predicción no lineal en hidrología AU - Carvajal Serna, Luis Fernando Y1 - 1994 UR - https://repositorio.unal.edu.co/handle/unal/20458 AB - Resumen: Dos metodologías diferentes en el campo de la hidrología son presentadas y aplicadas a varios casos de lluvia y precipitación, Análisis Espectral Singular con autorregresivos por máxima entropía y redes neuronales. Ambas técnicas tienen fundamento en la dinámica no lineal, con características especiales cada una. El Análisis Espectral Singular hace uso de las funciones ortogonales empíricas (autovectores de la matriz de covarianzas cruzadas) para transformar las señales a un nuevo sistema ortogonal de ejes, el cual permite capturar la varianza significativa del proceso y despreciar el ruido, a través de las componentes principales. A cada componente principal se Ie ajusta un AR (P) por el criterio de información de Akaike y se hace predicción para diferentes períodos de los años 1991-1992. En las redes neuronales se aplica el modelo de retropropagación, el cual aprende de los patrones que se le presentan y se hace predicciones, teniendo en cuenta no solo caudal y precipitación, sino también el Índice de oscilación del Sur, temperatura superficial del mar, manchas solares y la oscilación causi-bienal de los vientos. Para cada caso se calculó la raíz del error cuadrático medio y bandas de error de una y dos desviaciones para el Análisis Espectral Singular y una desviación para la red neuronal. Los resultados permiten concluir que hay una correlación importante entre la primera o segunda componente principal con el Índice de Oscilación del Sur. Para cada método se obtienen predicciones para los años 1991-1992, concluyendo que pueden ser buenas herramientas para un futuro, siempre teniendo en cuenta que un modelo hidrológico debe estar sometido a una revisión crítica. Como recomendaciones esta ajustar modelos a las componentes principales diferentes de los AR (P), como promedios móviles o ARMAS para hacer posteriores comparaciones, ajustar el orden de los modelos por otros criterios que no sea el de información de Akaike. Además tener en cuenta que hay otras variables meteorológicas como el Índice de Oscilación del Sur, las temperaturas superficiales del mar, velocidades de los vientos, etc., que afectan el clima y que condicionan el régimen hidrológico de una región. ER -

Summary

Resumen: Dos metodologías diferentes en el campo de la hidrología son presentadas y aplicadas a varios casos de lluvia y precipitación, Análisis Espectral Singular con autorregresivos por máxima entropía y redes neuronales. Ambas técnicas tienen fundamento en la dinámica no lineal, con características especiales cada una. El Análisis Espectral Singular hace uso de las funciones ortogonales empíricas (autovectores de la matriz de covarianzas cruzadas) para transformar las señales a un nuevo sistema ortogonal de ejes, el cual permite capturar la varianza significativa del proceso y despreciar el ruido, a través de las componentes principales. A cada componente principal se Ie ajusta un AR (P) por el criterio de información de Akaike y se hace predicción para diferentes períodos de los años 1991-1992. En las redes neuronales se aplica el modelo de retropropagación, el cual aprende de los patrones que se le presentan y se hace predicciones, teniendo en cuenta no solo caudal y precipitación, sino también el Índice de oscilación del Sur, temperatura superficial del mar, manchas solares y la oscilación causi-bienal de los vientos. Para cada caso se calculó la raíz del error cuadrático medio y bandas de error de una y dos desviaciones para el Análisis Espectral Singular y una desviación para la red neuronal. Los resultados permiten concluir que hay una correlación importante entre la primera o segunda componente principal con el Índice de Oscilación del Sur. Para cada método se obtienen predicciones para los años 1991-1992, concluyendo que pueden ser buenas herramientas para un futuro, siempre teniendo en cuenta que un modelo hidrológico debe estar sometido a una revisión crítica. Como recomendaciones esta ajustar modelos a las componentes principales diferentes de los AR (P), como promedios móviles o ARMAS para hacer posteriores comparaciones, ajustar el orden de los modelos por otros criterios que no sea el de información de Akaike. Además tener en cuenta que hay otras variables meteorológicas como el Índice de Oscilación del Sur, las temperaturas superficiales del mar, velocidades de los vientos, etc., que afectan el clima y que condicionan el régimen hidrológico de una región.