应用自回归随机模型预测图米拉卡水电站日流量

Eduardo Luis Flores Quispe, Carlos Alberto González Delgado, Eduardo Flores Condori
{"title":"应用自回归随机模型预测图米拉卡水电站日流量","authors":"Eduardo Luis Flores Quispe, Carlos Alberto González Delgado, Eduardo Flores Condori","doi":"10.33326/26176033.2015.19.489","DOIUrl":null,"url":null,"abstract":"Los modelos estocásticos se han aplicado comúnmente para gestionar los recursos hídricos a escala de tiempo diario. El río Tumilaca es una de las principales fuentes de agua de Moquegua. Los objetivos fueron predecir los caudales diarios aplicando modelos estocásticos, determinar si el modelo estocástico autoregresivo de primer orden AR(´) es adecuado para caudales diarios con autocorrelogramas y validar el modelo con pruebas de bondad de ajuste. Se utilizó datos del Servicio Nacional de Meteorología e Hidrología, desde el 01 junio del 2006 hasta el 31 de diciembre del 2011. Se calibró y validó el modelo AR(´) y el modelo autoregresivo con tendencia no lineal. El modelo AR(´) es suficiente, según los autocorrelogramas. El modelo autoregresivo con tendencia no lineal es representada por la serie Gaussiana. En la validación, el modelo más apropiado fue AR(1) pues al componente aleatoria independiente le sigue la distribución Log logística de 3 parámetros. El modelo AR(1)  es adecuado para los caudales diarios porque los autocorrelogramas de la variable estandarizada muestran altos valores de coeficiente de autocorrelación y los autocorrelogramas de las variables aleatorias independientes muestran valores de autocorrelación bajos, dentro de los límites del 95 por ciento de confianza. Las pruebas de bondad de ajuste validaron a AR(1) al 5 por ciento de nivel significancia, el coeficiente de correlación entre los caudales observados y generados fije estadísticamente significativo (p < 0,05). La prueba t muestra que las medias de los caudales observados y generados son estadísticamente iguales (p< 0,05) ambos en la validación. El modelo AR(1) supera al modelo autoregresivo con tendencia no lineal por su ajuste a los caudales diarios. Se recomienda aplicar el modelo AR(1), en todo caso, aplicar modelos estocásticos que incluyan variables exógenas, tales como precipitación, infiltración, evaporación y derivaciones de agua Probar modelos de precipitación-escorrentía e investigar las causas de bajo sostenimiento del caudal del río Tumilaca.","PeriodicalId":10154,"journal":{"name":"Ciencia & Desarrollo","volume":"52 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2019-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":"{\"title\":\"PREDICCIÓN DE CAUDALES DIARIOS DE LA ESTACIÓN HIDROMÉTRICA TUMILACA APLICANDO MODELOS ESTOCÁSTICOS AUTOREGRESIVOS\",\"authors\":\"Eduardo Luis Flores Quispe, Carlos Alberto González Delgado, Eduardo Flores Condori\",\"doi\":\"10.33326/26176033.2015.19.489\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Los modelos estocásticos se han aplicado comúnmente para gestionar los recursos hídricos a escala de tiempo diario. El río Tumilaca es una de las principales fuentes de agua de Moquegua. Los objetivos fueron predecir los caudales diarios aplicando modelos estocásticos, determinar si el modelo estocástico autoregresivo de primer orden AR(´) es adecuado para caudales diarios con autocorrelogramas y validar el modelo con pruebas de bondad de ajuste. Se utilizó datos del Servicio Nacional de Meteorología e Hidrología, desde el 01 junio del 2006 hasta el 31 de diciembre del 2011. Se calibró y validó el modelo AR(´) y el modelo autoregresivo con tendencia no lineal. El modelo AR(´) es suficiente, según los autocorrelogramas. El modelo autoregresivo con tendencia no lineal es representada por la serie Gaussiana. En la validación, el modelo más apropiado fue AR(1) pues al componente aleatoria independiente le sigue la distribución Log logística de 3 parámetros. El modelo AR(1)  es adecuado para los caudales diarios porque los autocorrelogramas de la variable estandarizada muestran altos valores de coeficiente de autocorrelación y los autocorrelogramas de las variables aleatorias independientes muestran valores de autocorrelación bajos, dentro de los límites del 95 por ciento de confianza. Las pruebas de bondad de ajuste validaron a AR(1) al 5 por ciento de nivel significancia, el coeficiente de correlación entre los caudales observados y generados fije estadísticamente significativo (p < 0,05). La prueba t muestra que las medias de los caudales observados y generados son estadísticamente iguales (p< 0,05) ambos en la validación. El modelo AR(1) supera al modelo autoregresivo con tendencia no lineal por su ajuste a los caudales diarios. Se recomienda aplicar el modelo AR(1), en todo caso, aplicar modelos estocásticos que incluyan variables exógenas, tales como precipitación, infiltración, evaporación y derivaciones de agua Probar modelos de precipitación-escorrentía e investigar las causas de bajo sostenimiento del caudal del río Tumilaca.\",\"PeriodicalId\":10154,\"journal\":{\"name\":\"Ciencia & Desarrollo\",\"volume\":\"52 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2019-04-30\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"1\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Ciencia & Desarrollo\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.33326/26176033.2015.19.489\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Ciencia & Desarrollo","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33326/26176033.2015.19.489","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

摘要

随机模型通常应用于日时间尺度的水资源管理。Tumilaca河是Moquegua的主要水源之一。目标是预测水流每天随机模型,确定实施随机模型autoregresivo主导AR(´)是适合每日水流autocorrelogramas调整示范和验证测试的好意。本研究的目的是分析在墨西哥北部和中部地区,以及在墨西哥北部和中部地区,在墨西哥北部和中部地区,在墨西哥北部和中部地区,在墨西哥北部和中部地区,在墨西哥北部和中部地区,在墨西哥北部和中部地区,在墨西哥北部和中部地区。对AR(´)模型和具有非线性趋势的自回归模型进行了校准和验证。根据自相关图,AR(´)模型是足够的。具有非线性趋势的自回归模型用高斯级数表示。在验证中,最合适的模型是AR(1),因为独立的随机分量遵循3个参数的对数logistic分布。AR(1)模型是适合日常水流因为高标准化变量显示autocorrelogramas autocorrelación系数值和autocorrelogramas独立随机变量显示autocorrelación值低的范围内,百分之95的信任。讨价还价检测验证了AR(1)调整至5%之间的相关性系数水平意义,观察到的水流和生成设定统计学意义(p < 0.05)。t检验表明,在验证过程中,观测到的流量和生成的流量的平均值在统计上是相等的(p< 0.05)。模型AR(1)超过autoregresivo模型非线性趋势的调整每天的水流。建议应用AR(1)模型,无论如何,应用包含降水、入渗、蒸发和径流等外生变量的随机模型,测试降水-径流模型,并调查图米拉卡河流量低维持的原因。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
PREDICCIÓN DE CAUDALES DIARIOS DE LA ESTACIÓN HIDROMÉTRICA TUMILACA APLICANDO MODELOS ESTOCÁSTICOS AUTOREGRESIVOS
Los modelos estocásticos se han aplicado comúnmente para gestionar los recursos hídricos a escala de tiempo diario. El río Tumilaca es una de las principales fuentes de agua de Moquegua. Los objetivos fueron predecir los caudales diarios aplicando modelos estocásticos, determinar si el modelo estocástico autoregresivo de primer orden AR(´) es adecuado para caudales diarios con autocorrelogramas y validar el modelo con pruebas de bondad de ajuste. Se utilizó datos del Servicio Nacional de Meteorología e Hidrología, desde el 01 junio del 2006 hasta el 31 de diciembre del 2011. Se calibró y validó el modelo AR(´) y el modelo autoregresivo con tendencia no lineal. El modelo AR(´) es suficiente, según los autocorrelogramas. El modelo autoregresivo con tendencia no lineal es representada por la serie Gaussiana. En la validación, el modelo más apropiado fue AR(1) pues al componente aleatoria independiente le sigue la distribución Log logística de 3 parámetros. El modelo AR(1)  es adecuado para los caudales diarios porque los autocorrelogramas de la variable estandarizada muestran altos valores de coeficiente de autocorrelación y los autocorrelogramas de las variables aleatorias independientes muestran valores de autocorrelación bajos, dentro de los límites del 95 por ciento de confianza. Las pruebas de bondad de ajuste validaron a AR(1) al 5 por ciento de nivel significancia, el coeficiente de correlación entre los caudales observados y generados fije estadísticamente significativo (p < 0,05). La prueba t muestra que las medias de los caudales observados y generados son estadísticamente iguales (p< 0,05) ambos en la validación. El modelo AR(1) supera al modelo autoregresivo con tendencia no lineal por su ajuste a los caudales diarios. Se recomienda aplicar el modelo AR(1), en todo caso, aplicar modelos estocásticos que incluyan variables exógenas, tales como precipitación, infiltración, evaporación y derivaciones de agua Probar modelos de precipitación-escorrentía e investigar las causas de bajo sostenimiento del caudal del río Tumilaca.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信