ASOCIACIN DETERMINSTICO-ESTOCSTICA PARA PREDICCIN DE CAUDALES

Diana Irene Chavasse1, Rafael Santiago Seoane2 RESUMEN: En este trabajo se propone una metodologa que aplica un modelo detenninstico complejo, compuesto por uno de traslado y otro de humedad de suelo, y un modelo estocstico para simular los procesos de transformacin precipitacin-caudal y de propagacin de crecidas en una cuenca de gran extensin. Por otra parte se realiza un experimento para analizar la capacidad de pronstico del modelo deteminstico complejo. En la primera parte se verifica la calibracin de este modelo deteminstico y se presenta un anlisis hidrolgico que muestra la importancia de las distintas componentes del caudal a la salida de la cuenca. En la segunda parte se analiza la serie temporal de errores, se define un modelo estocstico predictor de los mismos y se estudia el aumento en lacpacidad de simulacin de las representaciones determinstica y estocstica asociadas. Por ltimo se investiga la capacidad de prediccin del modelo deteminstico complejo con un experimento queestablece el impacto que la precipitacin tiene sobre los errores de pronstico de caudales y se avanza en la utilizacin de un modelo estocstico predictor de estos errores. INTRODUCCIN El objetivo principal de este trabajo es investigar las posibilidades de simulacin conjunta de un modelo determinstico complejo y uno estocstico para representar los caudales en la cuenca baja del ro Iguaz. Adems, se realiza un experimento para analizar la capacidad de pronstico del modelo determinstico. El trabajo comienza con una verificacin del ajuste de los modelos determinsticos que representan los procesos de traslado de crecidas y de transformacin precipitacin-caudal. Para esta verificacin se emplea un mtodo estadstico denominado bootstrap y se observa para los perodos de calibracin y validacin, las diferencias en los estadsticos de control seleccionados. Se realiza un anlisis hidrolgico destinado a definir la importancia de los aportes de las distintas componentes del sistema sobre el caudal a la salida de la cuenca. Este anlisis permite definir la necesidad de utilizar un modelo de traslado para la serie de caudales de entrada y un modelo de humedad de suelo para la serie de precipitaciones registradas en la cuenca baja. En la segunda parte se analiza la serie temporal de errores del modelo determinstico complejo. Se define la estructura de la misma y se estiman los parmetros de un modelo estocstico predictor que permita representarla. Por ltimo se estudia la serie de errores resultante de la aplicacin conjunta del modelo determinstico y el estocstico.
1

Finalmente, con el objetivo de avanzar en el conocimiento de la capacidad predictiva del modelo detenninstico complejo, se propone una experimentacin numrica. Se analiza el impacto de la precipitacin sobre los errores de pronstico de caudales para adelantos de un da y se estudian los estadsticos de los errores en los caudales pronosticados. Se propone una representacin alternativa que asocia el modelo determinstico en pronstico con el modelo estocstico predictor de errores. MARCO TERICO A continuacin se discuten algunos antecedentes que fundamentan las ideas de asociar modelos determinsticos y estocsticos con el propsito de mejorar la representacin de los procesos y de estudiar, usando experimentacin numrica, la capacidad predictiva del modelo determinstico. A partir de la idea de que la presencia de estructura de correlacin en la serie temporal de los residuos del modelo determinstico, es un indicador de posibles dificultades en la representacin matemtica, se propone un modelo estocstico paramtrico lineal para mejorar la simulacin. En Bates y Granger (1969) se combinan las predicciones de modelos estocsticos paramtricos lineales y de regresin, ara mejorar la estimacin final y en Granger y Newbold ( 1977) se propone un anlisis de los residuos de un modelo estocstico y la posibilidad de incorporar otro modelo para mejorar la capacidad de simulacin.

Instituto Nacional de Ciencia y Tcnica Hdricas. CC 23 (1802), Ezeiza ARGENTINA Instituto Nacional de Ciencia y Tcnica Hdricas. Consejo Nacional de Investigaciones Cientficas y Tcnicas ARGENTINA email: rseoane@incyth.gov.ar Artculo publicado en Ingeniera del Agua. Vol.4 Num.2 (junio 1997), pginas 55-64, aceptado para su publicacin el 26 de febrero de 1997. Pueden ser remitidas discusiones sobre el artculo hasta seis meses despus de la publicacin del mismo. En el caso de ser aceptadas, las discusiones sern publicadas conjuntamente con la respuesta de los autores en el primer nmero de la revista que aparezca una vez transcurrido el plazo indicado.

Vol. 4 N02 junio 1997 p. 55

PREDICCIN

DE CAUDALES

Un avance importante, Sorooshian y Dracup (1980), result de estudiar la estimacin de los parmetros de un modelo determinstico y su efecto en la correlacin de los errores representados por un modelo Autorregre-sivo de primer orden AR(1). En Chavasse y Seoane (1994) se presenta un anlisis de la estructura de la serie temporal de los errores en la estimacin de los caudales y se estima la funcin de correlacin cruzada para definir la significacin de la relacin lineal entre las series de precipitacin y caudal (preblanqueadas). Este anlisis permiti definir los posibles alcances de la utilizacin de una funcin de transferencia precipitacin - error y se discuti la importancia del uso de un modelo estocstico univariado. ASPECTOS FSICOS E HIDROMETEOROLGICOS DE LA CUENCA La cuenca del ro Iguaz tiene un rea de aproximadamente 70000 km2 y est ubicada entre los 25 y 27 S y los 49 y 55 W. El cauce es de unos 1300 km en direccin Este-Oeste, desde las nacientes en la Serra do Mar a 1400 m de altitud, hasta su desembocadura en el ro Paran a 100 m. Los ros Negro y Chopim, principales afluentes, se encuentran sobre la margen izquierda y sus cuencas son de 10000 km2 y 7600 km2 respectivamente. Por la margen derecha los dos mayores afluentes son los ros Jordo (5100 km2) y Areia (2100 km2). El ro San Antonio define el lmite entre la Argentina y Brasil, ver Figura 1. La precipitacin media anual es de 1800 mm, en la Serra do Mar es de 1500 mm y en las nacientes del ro Chopim de 2000 mm. La media anual de las temperaturas medias diarias es de 18 C y la evaporacin media anual de 900 mm. El caudal medio de la cuenca en Salto Cataratas es de 1340 m 3 /s y la descarga especfica media de 19 l/(s km2). El caudal mximo observado en la estacin Salto Cataratas fue de 34100 m3 /s (julio 1983).

MODELACIN DE LA CUENCA En este trabajo se ha modelado el tercio inferior de la cuenca (24000 km2), aguas abajo de los embalses para aprovechamiento hidroelctrico. El rea de aporte representada est comprendida entre las estaciones hidromtricas Salto Osorio y Salto Cataratas y la longitud del tramo de ro simulado es de aproximadamente 300 km, ver Figura 1. La representacin matemtica de la cuenca baja del ro Iguaz implica considerar dos procesos fsicos distintos, el traslado de los caudales generados en la cuenca alta, entrada al sistema hidrolgico y la transformacin precipitacin-caudal que se produce en la baja. El modelo de propagacin de Muskingum se utiliza para trasladar hasta Salto Cataratas los caudales observados en Salto Osorio y el modelo de humedad de suelo de Sacramento define el aporte de la cuenca baja. La combinacin de ambas representaciones configuran el modelo determinstico complejo. Principales componentes del modelo determinstico complejo El modelo de humedad de suelo de Sacramento es determinstico y conceptual. Simula el desplazamiento del agua a travs de la estructura del suelo y distribuye la humedad en dos profundidades (zona superior e inferior) con dos niveles de energa (agua en tensin y libre). El agua en tensin se agota exclusivamente por evapotranspiracin y el agua libre se desplaza en direccin vertical y horizontal. La zona superior representa bsicamente la retencin por intercepcin y la inferior el almacenamiento de agua en el suelo. El proceso de percolacin est representado por una funcin exponencial que vincula las variables de estado del nivel superior (agua libre) con las del nivel inferior. En la zona inferior el agua libre est almacenada en dos embalses, uno de drenaje lento y otro de drenaje rpido.

Figura 1: Cuenca del ro Iguaz y rea simulada

p. 56 Vol. 4 N 2 junio 1997

PREDICCIN

DE CAUDALES

El escurrimiento total resultante est compuesto por los siguientes aportes: 1 ) Directo, de las precipitaciones ocurridas en reas impermeables temporarias y permanentes; 2) Superficial, de precipitaciones que superen la capacidad de infiltracin; 3) Subsuperficial, del embalse superior; 4) Base Primario, del embalse de drenaje lento; 5) Base Secundario, del embalse de drenaje rpido. El modelo Muskingum es un mtodo de propagacin hidrolgico, basado en una ecuacin de continuidad y una de almacenamiento. Las hiptesis son las siguientes: No hay aportes ni prdidas de agua en el tramo. El almacenamiento es una funcin unvoca delcaudal de salida una vez fijado el caudal de entrada. Los efectos dinmicos son despreciables. CALIBRACIN Y VERIFICACIN DEL MODELO DETERMIN/STICO COMPLEJO La estimacin de los parmetros de un modelo hidrolgico determinstico complejo compuesto por un modelo de balance de humedad de suelo y otro de traslado de caudales, comprende las siguientes etapas: La primera consiste en seleccionar los valores de los parmetros y variables de estado iniciales del modelo y realizar una serie de simulaciones para revelar la existencia de errores groseros en los datos. Esta primera etapa utiliza una calibracin basada en ensayo y error y permite definir una solucin inicial. La segunda, de optimizacin, permite mejorar la precisin de la solucin anterior. La etapa final incluye una comparacin entre los valores observados y simulados en el perodo de calibracin y si se detectan errores significativos se realiza un nuevo ajuste. (Monro y Anderson, 1974).

En la Tabla 1 se presentan los valores de parmetros significativos del modelo de humedad de suelo calibrados para la simulacin de la cuenca baja del ro Iguaz. El modelo fue calibrado en un perodo de tres aos (19871990, 1146 datos) y verificado en el perodo 1990-1993 (1100 datos). La informacin pluviomtrica utilizada corresponde a las estaciones Unio da Vitria, guas do Ver y Salto Cataratas y la distribucin areal de la lluvia fue estimada aplicando el mtodo de polgonos de Thiessen. Se aplica el mtodo estadstico denominado bootstrap para asociar medidas de precisin a las estimaciones de las medias de los eventos de caudales mximos observados y simulados. As se define la importancia de la diferencia entre las medias a partir de una mejor estimacin de los desvos estndar. En el perodo de calibracin se seleccionaron los eventos de caudales mximos que superan los 4000 m3/s. Las medias (X) y los desvos estndar (S) de ambas muestras (6 eventos) son:
X obs = 8850 m 3 / S X sim = 7876 m 3 / S S obs = 1323m 3 / S S sim = 913 3 / S

X obs X obs = 974 m 3 / S .

La varianza de la diferencia entre dos variables independientes es la suma de sus varianzas, por lo tanto el desvo estndar de la diferencia entre las medias es 1607 m3/s. Con el mtodo bootstrap (para 500 simulaciones) se estimaron a partir de las muestras sintticas el desvo estndar de la diferencia entre las medias, el cual es igual a 1483 m3/s y la relacin entre la diferencia observada y este desvo (0.65). Este resultado indica una diferencia poco significativa entre las medias de los caudales mximos observados y simulados y muestra un adecuado ajuste del modelo.

Parmetro LZTWM [mm] UZTWM [mm] UZK [ %/da ]

Rango 50 - 220 10- 150 0.2 - 0.4

Valores Propuestos 220 30 0.01

Parmetro UZFWM [mm] ZPERC [%] REXP [ - ]

Rango 10- 85 5 -220 1.0 -3.5

Valores Propuestos 38 35 2.5

Tabla 1: Valores de algunos parmetros del modelo de humedad de suelo

Percentiles Perodo completo Calibracin (1146 datos) Validacin (1100 datos) Eventos aislados Calibracin (128 datos) Validacin (76 datos) P50 [m3/s] 162 163 492 629 P75 [m3/s] 320 353 862 1449 P90 |m3/s] 598 665 1870 3754 RECM [m3/s] 505 606 1147 1838 ReI E [%] 6.9 8.2 5.8 7.8

Tabla 2: Estadsticos de las series de errores vol. 4 No2 junio 1997 p. 57

PREDICCIN

DE CAUDALES

Con el valor absoluto de los errores, del modelo determinstico complejo en Salto Cataratas, se estimaron los percentiles (50, 75 y 90), el error cuadrtico medio y una expresin del error relativo propuesta por la Organizacin Meteorolgica Mundial (OMM), ver Tabla 2. Para facilitar la interpretacin de estos resultados en la Tabla 3 se muestran estadsticos de los caudales observados en Salto Cataratas. Estos estadsticos son puntos de la curva de duracin. De la observacin de la Tabla 2 puede concluirse que para la serie completa de datos los estadsticos no muestran variaciones considerables entre los perodos de calibracin y validacin. Un resultado semejante se observa en el anlisis por eventos aunque las diferencias son mayores debido a que en validacin hubo menor cantidad de crecidas superiores a los 4000 m3/s, caudal elegido como umbral, y los picos registrados presentaron un mayor desvo estndar. Estadsticos [m3/s] Mnimo P25 P50 P75 Mximo Media Mximo histrico Caudales Salto Cataratas Calibracin 139 690 1080 1686 14390 1484 Validacin 282 809 1184 1653 27150 1555 34062 [m3/s]

ANLISIS HIDROLGICO Una vez verificada la calibracin del modelo complejo que representa matemticamente la transformacin precipitacin-caudal en la cuenca baja y el traslado de los caudales de entrada en Salto Osorio, es posible inferir la contribucin de los distintos aportes al caudal en Salto Cataratas. Se realiz un anlisis hidrolgico para definir la importancia de estos aportes al volumen total observado en Salto Cataratas. El anlisis, desarrollado con diez crecidas (1987-1993), muestra la necesidad de modelar ambos aportes para lograr una adecuada representacin. En la Tabla 4 se presentan los valores de las crecidas en calibracin y validacin que muestran un rango de variacin del aporte de la cuenca baja, entre veinte (20) y cincuenta y dos (52) por ciento con una mediana de treinta y cinco (35) por ciento. En la tercera columna de esta tabla se observa el volumen estimado con el modelo de humedad de suelo (Vol sim). En la cuarta (Ap sim), la relacin entre el aporte de la cuenca baja y el volumen observado en Salto Cataratas (Vol obs Cat, columna 8). Adems, se muestra para la cuenca baja la precipitacin media areal y otros indicadores hidrolgicos clsicos (lmina escurrida y coeficiente de escorrenta). ANLISIS DE LOS ERRORES En esta parte del trabajo se presentan los resultados de la identificacin de la estructura de autocorrelacin de la serie de errores estimados con el modelo determinstico complejo y se analiza la posibilidad de definir un modelo estocstico para su representacin. Box y Jenkins (1970) proponen una forma muy utilizada en el anlisis y representacin de una serie temporal que incluye las etapas de: identificacin, estimacin de los parmetros y verificacin del modelo. La clase de modelos denominados Autorregresivos-Integrados-Promedio-Mvil (ARIMA) es una forma poderosa de describir series estacionarias, o que puedan convertirse en estacionarias, aplicando diferenciacin. Un modelo ARIMA (p,d,q) se define de la siguiente manera: Lam esc [mm] 40.04 54.92 55.76 66.66 147.15 145.89 64.98 357.34 41.8 63.72 Coef esc 0.31 0.35 0.51 0.47 0.51 0.73 0.52 0.78 0.52 0.48 Vol obs Cat [Hm3] 3370 6280 2660 7350 6710 9200 4640 22400 3450 4110 Vol sim Cat [Hm3] 3640 6250 3130 6170 8450 9230 5070 27300 2870 3670

Tabla 3: Estadsticos de las seres

Los resultados de los anlisis anteriores (diferencia de medias y estadsticos de los errores) muestran el nivel de calibracin alcanzado y la posibilidad de utilizar el modelo en el caso presentado. Evento Vol sim [Hm3] 1 2 C A L 3 4 5 6 1 V A L 2 3 4 955 1310 1330 1590 3510 3480 1550 8520 997 1520 Ap sim % 28.34 20.86 50.00 21.63 52.31 37.83 33.41 38.01 28.9 36.98 Cuenca baja Lluvia [mm] 128.6 157.00 108.6 143.00 286.9 200.70 124.00 459.20 80.50 132.10

Tabla 4: Significacin del aporte de la cuenca baja p. 58 Vol. 4 No2 junio 1997

PREDICCIN
d) w( = 1 w t 1 + K + p w t p + t

DE CAUDALES

Modelo (1) AR (1) AR (2) ARMA (1,1)

Parmetro Desvo estndar 0.6672 0.6446 0.0338 0.6994 0.0583 0.0221 0.0296 0.0296 0.0329 0.0473

u t 1u t 1 K q u t q

siendo wt(d) la serie original diferenciada d veces, ut variables aleatorias independientes e idnticamente distribuidas, los parmetros autorregresivos y los de promedio mvil. En la determinacin de los rdenes p, d, q, y control de calidad del ajuste de un modelo ARIMA, se utilizan las funciones de autocorrelacin y autocorrelacin parcial. En la Figura 2, se presenta la funcin de autocorrelacin (fac) y en la Figura 3 la funcin de autocorrelacin parcial (facp) de la serie de errores del modelo deterministico en el perodo de calibracin.

Tabla 5: Aplicacin de la tcnica de sobreajuste.

Modelo predictor de errores A continuacin se presentan los resultados de combinar los caudales simulados con el modelo deterministico complejo con los errores estimados utilizando un modelo estocstico. Existen distintas alternativas de actualizacin usando un modelo predictor para representar la serie temporal de errores asociada a la operacin de un modelo determinstico. El mtodo consiste en aplicar un modelo ARIMA a la serie de errores de la representacin determinstica para estimar el error en el intervalo de tiempo de anlisis a partir de la estructura de la serie de errores de la simulacin. Los errores pueden ser escritos: t = Qobst Q det t (2) siendo, Qobst el caudal observado y Qdett la prediccin obtenida por simulacin con el modelo determinstico. Si se toma como hiptesis un modelo AR(p) para la secuencia de los errores resulta:

Figura 2: Funcin de autocorrelacin de la serie de errores

t = tt 1 + 2t 2 + K + pt p + K + at y la prediccin de caudales:
Q(det + AR ( p )) t = Q det t + t

(3)

(4)

donde: at: proceso ruido blanco. Q(det+AR(p))t: valor final del caudal simulado con la asociacin determinstico-estocstica para el instante t. t: prediccin del error obtenida con el modelo estocstico paramtrico lineal (AR(p)) para el instante t. Aplicacin de este modelo En este pargrafo se presenta un anlisis de la nueva serie temporal de los errores estimados con la asociacin determinstico-estocstica y una comparacin con los errores del modelo deterministico complejo. En las Figuras 4 y 5 se muestran las funciones de autocorrelacin (fac) y de autocorrelacin parcial (facp) de la nueva serie de errores. Se observa una disminucin general de los valores de la fac y facp que indican una mejor representacin matemtica. Con el objetivo de mostrar la disminucin en los estadsticos de los errores estimados con esta asociacin, se

Figura 3: Funcin de autocorrelacin parcial de la serie de errores

El anlisis muestra autocorrelaciones con un decaimento exponencial que indica que no es necesario diferenciar la serie original, (d=0). Esta forma de decaimiento y la presencia de un nico valor de la funcin de autocorrelacin parcial significativamente distinto de cero indica un modelo autorregresivo de orden 1, AR(1). Este modelo fue verificado con la aplicacin de la tcnica de sobreajuste, Granger y Newbold (1977). Mediante la utilizacin de modelos AR(2), ARMA(1,1) se muestra que los coeficientes incorporados no son significativamente diferentes de cero y se fundamenta el uso posterior del modelo AR(1) para la prediccin estocs-tica de los errores (Tabla 5).

Vol. 4 N 2 junio 1997 p. 59

PREDICCIN

DE CAUDALES

En las Figuras 6 y 7 se presenta un ejemplo de los resultados obtenidos con esta asociacin. Puede observarse la significacin del caudal de entrada en Salto Osorio (QOso, Figura 6) y del aporte de la cuenca simulada, tramo Osorio-Cataratas (Qcca.baja, Figura 7), sobre los caudales en Salto Cataratas (Qobs, Qdet, Qdet+AR(1)). Otro resultado corresponde a una mejora en la representacin de los caudales en la curva de descenso del hidrograma.

Figura 4: Funcin de autocorrelacin de la serie de residuos del modelo compacto

Figura 5: Funcin de autocorrelacin parcial de la serie de residuos del modelo compacto

Figura 6: Hidrogramas simulados y observados (14 mayo/ de julio de 1988)

realiz un anlisis para la serie completa en validacin y otro para los eventos que superan los 4000 m3/s registrados en el mismo periodo. En esta etapa la serie es de 1100 datos y registra caudales de hasta 27000 m3/s. Los eventos tienen una duracin promedio de 15 das. Los resultados obtenidos muestran una reduccin promedio del treinta (30) por ciento en los estadsticos de los errores del modelo compuesto con respecto al determinstico, ver Tabla 6. Esta disminucin resulta superior a la magnitud de los errores que se atribuye habitualmente al proceso de medicin de caudales y se observa tanto en la serie completa como en el anlisis de los eventos aislados.

Figura 6: Hidrogramas simulados y observados (20 mayo/ 16 de julio de 1988)

Modelo Perodo Completo (1100 datos) Eventos Aislados (76 datos) det det + AR(1) det det + AR(1)

P50 [m3/s| 163 120 629 441

P75 [m3/s] 353 251 1449 1063

P90 [m3/s| 665 462 3754 2740

RECM [m3/s] 606 473 1838 1466

Tabla 6: Estadsticos de los errores en valor absoluto en validacin

p. 60 Vol. 4 N 2 junio 1997

PREDICCIN

DE CAUDALES

ANLISIS DE LA CAPACIDAD PREDICTIVA DEL MODELO COMPLEJO En la prediccin hidrolgica de caudales existen dos situaciones diferentes, la primera est asociada con adelantos del pronstico que superan el tiempo de concentracin de la cuenca y la segunda con adelantos inferiores al mismo. En el primer caso es necesario realizar una prediccin de la precipitacin de entrada al modelo. En el segundo caso, las precipitaciones ocurridas en adelantos de tiempo inferiores al tiempo de concentracin de la cuenca, podran tener una menor influencia en la prediccin de los caudales. El tiempo de concentracin es una medida del retardo que el sistema fsico introduce a la serie de entrada y define un margen de tiempo dentro del cual se puede investigar el efecto de la precipitacin sobre las predicciones de caudales. Un mtodo para estimar el retardo entre dos series de tiempo, consiste en definir los valores de la funcin de correlacin cruzada que resulten significativamente distintos de cero. La importancia de esta tcnica se debe a que el retardo entre las series de precipitaciones y caudales es una estimacin del tiempo de concentracin de la cuenca (Mftoglu, 1984) y el retardo entre las series de caudales se relaciona con el tiempo de traslado de las ondas que ingresan al sistema. Dado que estos valores contribuyen a la definicin del tiempo de adelanto de las predicciones, la funcin de correlacin cruzada es una alternativa a la aplicacin de pruebas por ensayo y error.

En el caso en estudio se estimaron estas funciones, aceptando la hiptesis de que se pueden separar los procesos de traslado de caudales (Salto Osorio - Salto Cataratas) y de transformacin precipitacin-caudal. El retardo entre las series fue estimado para los perodos de calibracin y validacin. En la Tabla 7 se resumen los coeficientes de correlacin cruzada (r.) y sus correspondientes desvos estndar (S). Estos resultados, que muestran coeficientes significativos para uno y dos das en ambos procesos, corroboran la conclusin del anlisis hidrolgico (Tabla 4), el cual muestra la necesidad de modelar ambos aportes. Desde un punto de vista estadstico, la presencia de valores del coeficiente de correlacin cruzada significativamente distintos de cero indica que la informacin de las dos series de entrada contribuye linealmente a la explicacin del caudal en Salto Cataratas. Influencia de la precipitacin en el pronstico Los modelos hidrolgicos conceptuales representan en forma determinstica los fenmenos fsicos que gobiernan el sistema real y permiten describir el comportamiento del mismo. Entonces, para una situacin antecedente conocida, es posible simular el comportamiento del sistema a partir de distintas hiptesis para las variables de entrada. Para el caso analizado, el tiempo de retardo entre las series de precipitacin y caudal es igual o mayor a un da (Tabla 7), entonces la precipitacin influye en el caudal de salida para un tiempo de adelanto igual o mayor a ese intervalo.

Transformacin

r0 (S) 0.0921 (0.0296) 0.0457 (0.0296) 0.3123(0.0302) 0.1544(0.0302)

r1 (S) 0.3463 (0.0296) 0.5685 (0.0296) 0.2156 (0.0302) 0.6536 (0.0302)

r2 (S) 0.2782 (0.0296) 0.3106 (0.0296) 0.0949 (0.0302) 0.1984 (0.0302)

r3 (S) -0.0616 (0.0296) -0.0522 (0.0296) -0.0383 (0.0302) -0.1240 (0.0302)

Calibracin (1146 datos)

P-Q Q-Q P-Q Q-Q

Validacin (1100 datos)

Tabla 7: Funciones de correlacin cruzada

Percentiles de los errores Pronstico (P=0 mm) vs. Simulado(P y Q registrados) Calibracin (128 datos) Validacin (76 datos)

P50 [m3/s] 0

P75 [m3/s] 1

P90 [m3/s] 70

RECM [m3/s] 50.8

1.3

71

99.7

Tabla 8: Errores absolutos entre caudales pronosticados y simulados yol. 4 No2 junio 1997 p. 61

PREDICCIN

DE CAUDALES

Percentiles de los errores

P50 [m s]
3/

P75 [m /s]
3

P90 [m /s]
3

RECM [m3/s]

Pronstico (P=0 mm) Calibracin (128 datos) vs. Observado Simulado (P y Q registrados) vs. Observado Pronstico (P=0 mm) Validacin (76 datos) vs. Observado Simulado (P y Q registrados) vs. Observado 682 629 1428 1449 3716 3754 1870 1838 492 492 862 862 1821 1870 1140 1147

Tabla 9: Errores absolutos entre caudales pronosticados y observados

A partir de este resultado y de las propiedades de los modelos conceptuales, se propone un experimento numrico para mostrar el impacto de la precipitacin en el pronstico de caudales a un da. Se estudi el efecto sobre los estadsticos de los errores de considerar como hiptesis una precipitacin media nula en la cuenca baja y conocido el caudal de entrada al sistema hidrolgico (Salto Osorio). Para evaluar la disminucin en la capacidad de simulacin debida a la hiptesis anterior, se estimaron los estadsticos de las diferencias entre los caudales obtenidos con el modelo determinstico complejo en pronstico a un da y los calculados en simulacin conocidas las entradas al sistema, ver Tabla 8. Para este anlisis se consideraron los eventos observados en las series de calibracin (seis) y validacin (cuatro). Los resultados muestran el escaso deterioro de las simulaciones y confirman el anlisis de la funcin de correlacin cruzada. Anlisis por eventos Es importante destacar que la estimacin de los estadsticos de los errores para los eventos seleccionados, en lugar de considerar la serie completa, incrementa la magnitud de los errores dado que en aguas bajas es muy frecuente la hiptesis P=0 mm. Pronstico de errores y prediccin de caudales Con el propsito de analizar el comportamiento del modelo para adelantos de un da, se compara la serie de caudales pronosticados segn las hiptesis anteriores con la serie observada. En la Tabla 9 se muestran los estadsticos de los errores entre estas series para los eventos registrados en los perodos de calibracin y validacin. Como referencia se incluyen los estadsticos de la serie de errores entre el caudal observado y el simulado con el modelo determinstico complejo, conocidas las variables de entrada al sistema (precipitacin y caudal en Salto Osorio), Tabla 9.
Percentiles de los errores Pronstico (P=0 mm) + AR(1) vs. Observado Validacin (76 datos)

La variacin de los estadsticos de los errores pone en evidencia la escasa influencia que la precipitacin tiene para este adelanto de tiempo. Estos resultados indican que los errores debidos a la hiptesis de pronstico (P = 0 mm) son de menor magnitud que los inherentes a la modelacin. Los avances obtenidos en la modelacin deberan ser aplicados para mejorar la operacin de los sistemas de pronstico, en los cuales es necesario simular el sistema hidrolgico en tiempo real. En este sentido es interesante estudiar el comportamiento del modelo bajo las hiptesis sealadas y asociar una prediccin del error con un modelo estocstico. En consecuencia, para incrementar la capacidad predictiva del modelo completo Anlisis por eventos Se propone la aplicacin del modelo estocstico paramtrico lineal de la serie de errores que fue utilizado anteriormente. En la Tabla 10 se muestran los estadsticos de los errores estimados con la asociacin determinstico-estocstica para predicciones con adelantos un da. La comparacin de los resultados obtenidos en pronstico con el modelo determinstico (Tabla 9) y con la asociacin propuesta (Tabla 10) muestra una reduccin del veinte (20) por ciento en la raz del error cuadrtico medio y del treinta (30) por ciento en el percentil cincuenta. Estos resultados muestran en forma cuantitativa la importancia de introducir un modelo estocstico para mejorar las predicciones. En la Figura 8 se muestran los hidrogramas observado, simulado y los obtenidos en pronstico a un da con el modelo determinstico (Qpron) y con la alternativa analizada (Qpron + AR(1)).

P50 [m3/s]

P75 [m3/s]

P90 [m3/s]

RECM [m3/s]

456

1211

2937

1516

Tabla 10: Errores absolutos entre caudales observados y pronosticados con prediccin del error. Anlisis por eventos p. 62 vol. 4 n 2 junio 1997

PREDICCIN

DE CAUDALES

CONCLUSIONES En este trabajo se ha propuesto una forma de asociar representaciones matemticas basadas en modelos explicativos diferentes para simular el proceso de transformacin precipitacin-caudal en una cuenca de gran extensin. Esta caracterstica hace necesario representar un amplio conjunto de ambientes hidrolgicos con informacin hidrometeorolgica limitada y requiere asociar modelos para incrementar la capacidad predictiva final del sistema de pronstico. La utilizacin conjunta de un enfoque determinstico y uno estocstico ha permitido asociar el objetivo clsico que orienta el desarrollo de modelos determinsticos avance del conocimiento de los procesos fsicos con el objetivo de mejorar la toma de decisiones que se relaciona con la aplicacin de modelos estocsticos. A partir del enfoque determinstico, los resultados de la modelacin han permitido avanzar en el conocimiento de la importancia relativa de las entradas al sistema representado (caudales y precipitaciones). La experimentacin numrica permiti definir los niveles de errores que se alcanzan bajo la hiptesis propuesta y este resultado es muy til para la operacin del sistema de pronstico. El estudio hidrolgico realizado con la modelacin determinstica permiti definir cuantitativamente el error de pronstico bajo la hiptesis propuesta. Por otra parte el anlisis de la serie de tiempo de los errores en simulacin permiti definir un modelo estocstico predictor que asociado con el modelo determinstico ha demostrado incrementar la capacidad de prediccin final. Por ltimo la utilizacin de modelos determinsticos y estocsticos para mejorar la representacin de la transformacin precipitacin-caudal, permitir avanzar en el estudio de la variacin con el tiempo de los parmetros del modelo estocstico y de la aplicacin de tcnicas estadsticas para su modelacin.

LISTA DE SMBOLOS : parmetros del modelo autorregresivo. : parmetros del modelo de promedio mvil. t: prediccin del error obtenida con el modelo estocstico paramtrico lineal para el instante t. at: proceso ruido blanco. Es una secuencia de variables aleatorias independientes con media cero y varianza constante. Ap sim: porcentaje del aporte de la cuenca baja al volumen en Salto Cataratas [%]. AR(p): modelo autorregresivo de orden p. CAL: indica la etapa de calibracin. Coefesc: coeficiente de escorrenta [-]. Relacin entre la lmina precipitada y la escurrida. Det: modelos determinsticos de humedad de suelo y traslado de caudales. Det+AR(1): asociacin de los modelos determinsticos con el modelo autorregresivo de orden 1 predictor del error. Lam esc: lmina escurrida [mm]. MA(q): modelo promedios mviles de orden q. Pn: percentil de una distribucin de valores es un nmero Xn tal que un porcentaje n de los valores de la poblacin son menores o iguales que Xn . P-Q: transformacin precipitacin-caudal. Q-Q: transformacin caudal-caudal, traslado. Qdett: caudal simulado en Salto Cataratas con el modelo determinstico para el instante t [m3/s]. Q(det+AR(p))t: valor estimado final del caudal simulado con la asociacin determinsticoestocstica de orden p para el instante t [m3/s]. Qobst: caudal observado en Salto Cataratas en el instante t [m3/s]. Qpront: caudal pronosticado en Salto Cataratas en el instante t [m3/s]. ri: coeficiente de correlacin cruzada. RECM: raz del error cuadrtico medio [m3/s]. RelE: error relativo (OMM) [%]. RelE= 100( r ) / Obs
il n

Obs = z i
i l

r=errores

Tabla 9: Hidrogramas en Sallo Cataratas (20 de muyo/ 16 de julio de 1992)

S: VAL: Vol obs: Volsim: X:

z i = Observaciones desvos estndar mustrales. indica la etapa de validacin. volumen observado [Hm3]. volumen simulado [Hm3]. medias mustrales.
Vol. 4 No2 Junio 1997 p. 63

PREDICCIN

DF CAUDALES

Parmetros del modelo de humedad de suelo LZTWM: Capacidad del embalse inferior de agua en tensin [mm]. REXP: Exponente de la ecuacin de percolacin [-]. UZFWM: Capacidad del embalse superior de agua libre [mm]. UZK: Coeficiente de agotamiento de la zona superior de agua libre [% / da]. UZTWM: Capacidad del embalse superior de agua en tensin [mm]. ZPERC: Coeficiente de percolacin mxima [-]. AGRADECIMIENTOS Los autores quieren agradecer al ingeniero Alberto Calcagno su atenta lectura y discusin que result en un aporte significativo a este trabajo. REFERENCIAS Armstrong B.L. (1978). Derivation of initial soil moisture accounting parameters from soil properties for the National Weather Service River Forecast System. NOAA Technical Memorandum NWS HYDRO 37. Box G.E.P. y Jenkins G.M. (1970) Time series analysis, forecasting and control. Holden-Day. Chavasse D.I. (1991). Analyse Comparative des mtodcs d'acheminement hydrologique. Comparaison avec la rsolution des quations de SaintVenant. Tesis de Maestra, IATE-EPFL. Lausana, Suiza. Chavasse D.I. y Seoane R.S. (1993) Anlisis del dominio de aplicacin del mtodo MuskingumCunge. I Simposio de Recursos Hdricos del Cono Sur.Vol 3, 59-67. Brasil. Chavasse D.I. y Seoane R.S. (1994) Modelos estocsticos en la simulacin detcrminstica de procesos hidrolgicos. XVI Congreso Latinoamericano de Hidrulica. Vol 3, 133-144. Chile. Efron B. y Tibshirani R. (1985) The Bootstrap method for assessing statistical accuracy Behaviormetrika, 17, 1-35. Granger C.W.J. (1969) Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 37, 424-438.

Granger C.W. y Newbold P. (1977) Forecasting economic time series Academic Press. Kitanidis P.K. y Bras R.L. (1980). Real-time forecasting with a conceptual hydrologic model. 1. Analysis of uncertainty.Water Resources Rcsear-ch, 16(6), 1025-1033. Kitanidis P.K. y Bras R.L. (1980) Real-time forecasting with a conceptual hydrologic model 2. Applications and results. Water Resources Research, 16(6), 1034-1044. Monro, J.C. y Anderson E.A.(1974) National Weather Service River Forecasting System. Journal of Hydraulic Division ASCE. 100 (HY5), 621630. Morel Seytoux, H.J.(1986) Deterministic modeling: General report. Multivariate analysis of hydrologic processes. Proceedings of Fourth International Hydrology Symposium, Colorado State University, 827-842. Mftoglu, R.F. (1984) New Models for Non linear catchment analysis. Journal of Hydrology, 73, 335-357. Nelson C.R.y Schwcrt G.W.(1982) Test for predictive relationships between time series variables: A Monte Carlo investigation. Journal of the American Statistical Association. Vol 77, N377, 11-18. Rafaelli, S.(1990) Updating procedure in flood forecasting model. International Institute for Hydrology and Environmental. Delft, Holanda. Seoane R.S., Slimovich H. y Rafaelli S. (1986) Funcin de correlacin cruzada. Estudio de un caso de aplicacin y una propuesta para su clculo. XII Congreso Latinoamericano de Hidrulica, 410423. Brasil. Sorooshian, S. y Dracup J.A. (1980) Stochastic parameter estimation procedures for hvdrologic rainfall-runoff models: correlated and heteroscedastic error cases. Water Resources Research, 16(2), 430-442. Sorooshian, S., Gupta V.K. y Fulton J.L. (1983) Evaluation of maximum likelihood parameter estimation techniques for conceptual rainfallrunoff models: influence of calibration data, variabili-ty and length on model credibility. Water Resour-ces Research, 19(2), 251-259.

p. 64 Vol. 4 N0 2 junio I997