Beruflich Dokumente
Kultur Dokumente
José E. Salazar
Empresas Públicas de Medellín, Colombia
Óscar J. Mesa
Germán Poveda
Palabras clave: predicción hidrológica, Análisis Espectral Singular, Funciones Ortogonales Ern-
píricas, Máxima Entropía, Modelos Autorregresivos, El Niño-Oscilación del Sur, Colombia.
Se consideraron tres cuencas correspondientes a los cada una de las cuencas, para el periodo
embalses de generación de El Peñol, Troneras y Pie- El análisis se efectuó con los registros originales, sin re-
dras Blancas, en el departamento de Antioquia, al no- mover el ciclo anual. Para el caso de estudio se obtuvo
roeste de la región andina de Colombia. Los datos son una matriz de covarianzas cruzadas de orden x
valores de precipitación mensual promediados en (longitud de ventana meses y sitios). Para efectos
del análisis se consideraron los primeros valores
propios, los cuales explican el de la varianza total
(cuadro I e ilustración
En la ilustración se presentan los vectores propios
y (que explican y de la va-
rianza total, respectivamente). El vector propio l pre-
senta ciclos de meses y tiene componentes positi-
vas mientras que los vectores propios y tienen
componentes positivas y negativas.
Se estimó la correlación entre el ÍOS y las primeras
cuatro componentes principales (cuadro 2). La ilustra-
ción presenta la evolución conjunta de la serie del
ÍOS y la segunda componente principal con una corre-
lación de estadísticamente significativa al
por ciento.
Posteriormente se reconstruyeron las componentes
principales para obtener series de longitud igual a la
del registro histórico. A cada una de las componen-
tes reconstruidas se ajustó un modelo AR(p) para ha-
cer la predicción sobre las componentes reconstruidas.
Esto hace que cada uno de los modelos AR conside-
ren una varianza mucho menor que la varianza total de
la señal. La estimación de párametros de los modelos En las ilustraciones a se presentan las predic-
AR(p) se hizo mediante Máxima Entropía, ecuación (5) ciones obtenidas para los periodos de diciembre a
y la selección del número de parámetros adecuado se abril y de mayo a noviembre de en las tres cuen-
hizo utilizando las ecuaciones (7) y (8). El orden p de cas, a partir de las componentes reconstruidas predi-
los modelos AR resultantes se presentan en el cuadro chas, ya que estas tienen propiedades aditivas para
De manera deliberada se obtuvieron modelos de or- obtener el campo de precipitación filtrado (con un
den muy alto para buscar buenas posibilidades de ex- de varianza). En las ilustraciones a se presenta la
trapolación (predicción). señal original, la señal filtrada (predicción) y las ban-
Seguidamente, se hicieron predicciones para dife- das de una y dos desviaciones por encima y por deba-
rentes periodos durante los años conside- jo de la predicción.
rando periodos de verano (diciembre-abril) e invierno Como se observa, las predicciones de la precipita-
(mayo-noviembre), semestrales (enero-junio y julio-di- ción presentan un comportamiento aceptable si se
ciembre) y mensuales. Se actualizaban los parámetros compara con las trazas reales para los dos años de pre-
del modelo AR(p) con las componentes reconstruidas dicción, con mejores resultados para el periodo de di-
del periodo o periodos predichos anteriormente. La
calibración de los modelos se hizo con los datos del
periodo a dejando los últimos dos años de
información para validar la predicción.
Para determinar la bondad de la predicción se
calculó el error cuadrático medio, definido como la raíz
cuadrada del promedio de la sumatoria al cuadrado
de la diferencia entre el valor predicho y el valor real
para el periodo correspondiente (ver cuadro 4). Adicio-
nalmente se calcularon y graficaron bandas de error de
una y dos desviaciones a cada lado de la predicción.
La mejor predicción se obtiene para el embalse del
Peñol, con un error del y un error máximo de
Para el embalse de Piedras Blancas los errores
porcentuales son bastante altos, mostrando prediccio-
nes poco aceptables. Hay que tener en cuenta el efec-
to del tamaño de la cuenca, mostrando menores erro-
res para la cuenca de mayor extensión como lo es la
del Peñol con km2, siguiendo en orden Troneras
con km2 y Piedras Blancas con kilómetros
cuadrados.
Conclusiones
Poveda, G. y C. Penland Predicción de caudales medios Takens, F. Detecting strange attractors in turbulence.
en Colombia usando Modelación Lineal Inversa. Memo- En: Lecture Notes in Mathematics New York:
rias del XVl Congreso Latino-Americano de Hidráulica e Springer-Verlag.
Hidrología, IAHR, Santiago de Chile, Vol. Pags Vautard, R., P. Yiou y M., Ghil. Singular-spectrum
Poveda, G. y O. J. Mesa. The relationship between analysis: A toolkit for short, noisy chaotic signals. Physica
ENSO and the hydrology of tropical South America. The D
case of Colombia. Proceedings of the Fifteenth Annual Vautard, R. y M. Ghil. Singular spectrum analysis in
American Geophysical Union Hydrology Days, nonlinea dynamics, with applications to paleoclimatic
Atherton, CA, USA: Hydrology Days Publications. time series. Physica D
Abstract
Carvajal, L.F.; J.E. Salazar; O.J. Mesa; G. Poveda. "Hydrological prediction in Colombia using singular spec-
tral analysis and the maximum entropy method". Hydraulic Engineering in Mexico (in Spanish). Vol. XIII. Num.
pages January-April,
We explore Singular Spectrum Analysis (SSA) combined with maximum entropy method (MEM) to fit auto-
rregresivemodels to predict monthly rainfall and streamflow river discharges in Colombia. These methods cap-
ture non-linear features of hydrological processes and also the strong influence of El Niño-Southern Oscillation
on the hydro-climatologyof Colombia. SSA is used to filter out the deterministic nonlinear component of a time
series, whereas the MEM is used to determine the autoregressive models used for prediction. The original
series is embedded in a higher dimensional space for the reconstruction of the atractor of the dynamic sys-
tem producing the series. The method is equivalent to the expansionin Fourier series but instead of using pres-
cribed sine and cosine functions, empirical eigen functions are used. The eigen-functions come from the
eigen-vectors of the covariance matrix of the series in the phase space. Predictions are made extrapolating
tendencies in the attractor. The methods are applied to rainfall data in three basins in Antioquia, Colombia.
Monthly predictions are performed for the period Results again confirms the high degree of
ENSO'S influence on the hydro-climatology of the region. The results suggest that SSA in combination with
MEM offer a promissing new tool for hydrological prediction in Colombia.
Key words: Hydrologic prediction, Singular Spectrum Analysis. Empirical Orthogonal Functions, Maximum
Entropy,Autorregressivemodels, El Niño-Southern Oscillation, Colombia.