Académique Documents
Professionnel Documents
Culture Documents
RESUMEN
ZONA SE ESTUDIO
INTRODUCCION
Los procesos hidrolgicos, tienen caractersticas estocsticas o una
combinacin de procesos determinsticas y estocsticas (Yevjevich, 1972).
El problema frecuente es la insuficiencia de datos hidrolgicos, en la mayora
de casos, se asume que el futuro es estadsticamente similar al pasado y es
sostenido por la hidrologa estocstica (Garca, 2010). La estocasticidad en los
recursos hdricos es doble: La distribucin y los diferentes factores que afectan
al comportamiento del agua en la superficie terrestre (conductividad, flujo de
agua, cubierta vegetal, y otros) le confieren tambin cierta aleatoriedad
(Marco, 1993).
RESULTADOS Y DISCUSION
1.
2.
3.
4.
Existen muchos modelos para la simulacin de caudales, entre los que estn
los modelos estocsticos: AR(p), MA(q), ARMA(p,q) y ARIMA(p,i,q), como los
ms frecuentes (Cadavid, J. et al. 2013).
Q (m3/s)
1983
1984
1985
1986
1987
1988
1989
1990
432,611
426,980
428,782
431,446
434,878
444,077
462,400
369,99
373,59
407,75
412,99
401,35
423,51
438,33
451,87
1991
1992
1993
1994
1995
1996
1997
1998
448,23
456,08
444,82
425,99
413,25
397,12
397,12
366,03
1999
2000
2001
2002
2003
2004
2005
2006
384,77
372,87
362,69
357,52
377,96
370,43
374,94
401,93
2007
2008
2009
2010
2011
2012
2013
r
1,0000
0,8824
0,6996
0,5306
k
5
6
7
8
r
0,3161
0,0014
-0,2532
-0,5032
k
9
10
11
12
r
-0,7193
-0,8569
-0,9017
-0,8947
k
13
14
15
16
r
-0,7973
-0,5580
-0,2697
-0,0859
METODOLOGIA
La serie histrica (31 aos) para el anlisis, corresponde a caudales mensuales
medidos por SENAMHI (Servicio Nacional de Meteorologa e Hidrologa) en la
estacin de Shanao del Rio Mayo (1983 2013). Se ha elegido el modelo
autorregresivo de primer orden (AR1), conocido tambin como el modelo de
Markov de primer orden (1).
Xi+1 = x + x,1 (Xi x) + 1+1
(1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
369,99
383,31
353,38
325,06
336,13
330,45
345,87
363,47
381,72
374,54
385,34
389,64
404,33
412,94
425,97
421,99
418,25
432,31
397,65
391,40
374,37
372,69
386,71
401,74
387,34
Ao
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
Q (m3/s)
382,81
387,95
386,04
393,27
401,13
388,08
387,88
358,32
381,49
375,27
361,14
362,96
346,90
353,89
351,94
391,39
410,57
372,85
383,74
365,69
366,95
374,37
389,68
387,85
414,03
Ao
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
Q (m3/s)
406,21
411,46
421,16
421,01
432,84
434,89
420,06
391,62
421,60
411,03
412,35
420,42
420,78
405,80
399,14
398,42
421,90
407,44
419,42
422,83
417,69
400,78
397,47
397,53
376,79
Ao
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
Q (m3/s)
383,47
374,11
376,80
385,64
374,79
374,48
383,80
359,17
380,60
420,38
433,46
425,84
430,30
412,22
440,07
450,55
457,50
438,63
439,95
427,92
421,01
411,03
395,37
383,32
383,18
CONCLUSION
El desarrollo del modelo autorregresivos (AR1) para la generacin de series anuales
de caudales para 100 aos, a partir de la serie histrica (1983-2013) en el punto de
aforo de Shanao del ro Mayo, con distribucin normal, log normal y gamma, tienen
propiedades estadsticas variables; por lo que, para la fase de simulacin hidrolgica,
se requieren de un mejor ajuste mediante procesos de calibracin y validacin. Sin
embargo, en referencia al punto de aforo Shanao, la generacin de serie anual de
caudales con distribucin log normal, es el que representa mejor acercamiento al
comportamiento de la serie histrica; por lo tanto, ofrece mayor confianza para la
prediccin anual y descripcin del comportamiento del ro Mayo, para 100 aos.
REFERENCIAS BIBLIOGRAFICAS
Cadavid, J., Carvajal, L. 2013. Modelo autorregresivo bilineal aplicado a la prediccin mensual de caudales en Colombia. Medelln, Colombia.
Fiering, M., Jackson, B. 1971. Synthetic Streamflows. Colorado, EE.UU.
Garca, F. P. 2010, Modelacin hidrolgica estocstica: Desarrollo de un modelo de generacin sinttica de series temporales. Santa Cruz, Bolivia.
Marco, J. 1993. Hidrologa estocstica y planteamiento hidrulico en conceptos y mtodos para la planificacin hidrolgica. Barcelona, Espaa.
Marengo, J. A. 2006. On the hydrological cycle of the amazon basin: a historical review and current state of the arty. So Paulo, Brazil.
Molinier, M., Guyot, J. L., De Olivera, E., Guimares, V. 1995. Les rgimes hydrologiques de IAmazone et de ses affluents. Brasilia DF, BrsilYevjevich, V. 1972. Probability and statistics in hydrology. Fort Collins, Colorado, USA.