completado.pdf
TRANSCRIPT
-
Completado de datos meteorolgicos. Modelo CORMUL
Javier lvarez Rodrguez
Centro de Estudios Hidrogrficos del CEDEX
-
ndice
Introduccin
Completado de series mensuales de variables meteorolgicas (precipitaciones, temperaturas, etc.)
Proceso de completado
Aplicacin de la metodologa de completado
Completado de series mensuales de aportaciones
Modelo HEC4
-
Planteamiento del problema
Existencia de lagunas en las series hidrometeorolgicas
Solucin:
Reproducir el fenmeno fsico (ej.: simulacin de caudales, conocidos los datos meteorolgicos y el esquema del ciclo hidrolgico)
Recurrir a estaciones hidrometeorolgicas de similar comportamiento (ej.: completado de precipitaciones o de caudales por correlacin)
-
Completado de series hidrometeorolgicas
Es difcil completar los datos a partir de otras informaciones climatolgicas
Apoyo en tcnicas estocsticas: rellenar las lagunas a partir delos datos conocidos de otras estaciones pluviomtricas
El completado de los datos de aportaciones se puede realizar a partir de los datos de lluvia (son causa directa de ellas)
El completado de las series de aportaciones se puede realizar tambin:
Utilizando la informacin registrada en otras estaciones de aforo
Utilizando los datos de la propia estacin (autocorrelacin)
-
Completado con datos de estaciones prximas o similares
Esquema general de interpolacin
Media aritmtica y medias mviles
Media aritmtica en funcin de la altitud y orientacin del terreno
Mtodo de Thiessen y Thiessen modificado
Media aritmtica ponderada segn la altitud del terreno
Esquemas de interpolacin en funcin de la distancia
Mtodo de las isoyetas
Interpolacin polinmica
Tcnicas estocsticas de interpolacin
Tcnicas estocsticas de correlacin
)(),(),,( tPyxtyxP ii =
-
Completado utilizando tcnicas de interpolacin
Conocimiento terico de la variable fsica
+Informacin disponible: puntual
Interpolacin. Esquema general
Mtodos deterministas Mtodos estocsticos
ii PyxyxP = ),(),(
-
Mtodos estocsticos
Hiptesis previas a la aplicacin de CORMUL:
El completado de datos se puede realizar utilizando ecuaciones de regresin entre variables
Ejemplo: ajuste lineal por mnimos cuadrados
Aplicacin a series mensuales
Existen ciclos de duracin anual
influyen en la valoracin de las similitudes entre series (orden en los datos)
se impide un tratamiento homogneo de la serie mensual (distinto comportamiento segn meses)
-
Condicin de mnimos cuadrados: minimizar el error cuadrticoentre la variable estimada y los valores registrados
=
=
n
iestii yyECM
1
2)( 0),0( =
kaECMnk
=
=
n
k
kkest xay
0
bxayest +=
x
yxyra =
xy mamb =
Ajuste lineal por mnimos cuadrados
10
15
20
25
30
35
40
45
10 15 20 25 30 35 40 45
Pluvimetro A (mm)
P
l
u
v
i
m
e
t
r
o
B
(
m
m
)
EJEMPLO: ajuste lineal por mnimos cuadrados
-
Utilizar un ajuste por mnimos cuadrados con un trmino de error aleatorio
Con las condiciones:
Esperanza del error nula
Desviacin tpica conocida
Ecuacin de completado. Correlacin simple
iiiest bxay ++=,
[ ] [ ] 0, === xabyxabyEyyE iiiesti
( )[ ] ( )222, 1 xyyiesti ryyE =
-
Hiptesis previas para aplicacin de CORMUL
Series mensuales meteorolgicas (estudios de recursos)
Una serie temporal se puede considerar compuesta por Tendencia Componente cclica estacional Residuo
0 20 40 60 80 100 0 20 40 60 80 100
0 20 40 60 80 100
Tipo de datoIntervalo temporal de trabajo
-
Proceso de completado
La escala temporal mensual es usual en los estudios de recursos
(1) Elegir el periodo de completado
Necesidades del estudio
Datos existentes
(2) Estacionarizacin de las series meteorolgicas
Filtrar las componentes estacionales
(3) Establecimiento de la ecuacin de regresin
Decidir el grado de correlacin: SIMPLE, DOBLE, TRIPLE, etc
(4) Completado
Orden y priorizacin
(5) Desestacionarizacin de las series completadas
-
Proceso de estacionarizacin en CORMUL
Se suponen series sin tendencia
La componente cclica estacional aparece en media y desviaciones tpicas
-
Estacionarizacin
Eliminacin de la tendencia cclica y homogeneizacin de todos los datos mensuales mediante normalizacin
Serie estacionaria en media yvarianza
Serie independiente con distribucin normal (no son necesarias transformacionesnormalizantes)
=
=
N
iijj xN
x1
1 ( )=
=
N
ijijj xxN
S1
2
11
( )1,0NS
xxt
j
jijij
=
Precipitacin registrada (mm) en 03129
0
50
100
150
200
1
9
5
0
-
5
1
1
9
5
1
-
5
2
1
9
5
2
-
5
3
1
9
5
3
-
5
4
1
9
5
4
-
5
5
1
9
5
5
-
5
6
1
9
5
6
-
5
7
1
9
5
7
-
5
8
1
9
5
8
-
5
9
1
9
5
9
-
6
0
1
9
6
0
-
6
1
1
9
6
1
-
6
2
1
9
6
2
-
6
3
1
9
6
3
-
6
4
1
9
6
4
-
6
5
1
9
6
5
-
6
6
Precipitacin normalizada (mm) en 03129
-2
-1,5
-1
-0,5
0
0,5
1
1,5
2
2,5
3
3,5
1
9
5
0
-
5
1
1
9
5
1
-
5
2
1
9
5
2
-
5
3
1
9
5
3
-
5
4
1
9
5
4
-
5
5
1
9
5
5
-
5
6
1
9
5
6
-
5
7
1
9
5
7
-
5
8
1
9
5
8
-
5
9
1
9
5
9
-
6
0
1
9
6
0
-
6
1
1
9
6
1
-
6
2
1
9
6
2
-
6
3
1
9
6
3
-
6
4
1
9
6
4
-
6
5
1
9
6
5
-
6
6
-
Ecuacin de regresin
Modelo lineal de regresin grado 2
superndices 1, 2 representan a las estaciones de referencia para completar la estacin 3
a1 y a2 son los coeficientes de regresin parcial que se pueden expresar en funcin de los coeficientes de correlacin simple r13, r23y r12 al aadir la condicin de error cuadrtico mnimo
ij es un ruido independiente y normalmente distribuido de media 0 y desviacin tpica Se
valores medios de los residuos tij en cada estacin (=0)
( ) ( ) ijijijij ttattatt +++= 22211133
( )321 ,, ttt
-
Coeficientes del modelo de regresin
Coeficientes de regresin parcial
rmn coeficientes de correlacin simple entre las estaciones m y n
s1, s2 y s3 desviaciones tpicas de las series 1, 2 y 3 (=1)
Desviacin tpica del ruido
Varianza del ruido
Varianza de la serie
Coeficiente de correlacin mltiple de las estaciones 1 y 2 con la 3
= 212
122313
1
31 1 r
rrrssa
= 212
121323
2
32 1 r
rrrssa
( ) ( )( ) ( )
=
ij
nnij
ij
mmij
nnij
ij
mmij
mntttt
ttttr
22
( )2312232 )(1 RSS =
+= 2
12
2313122
232
13312 1
2r
rrrrrR
-
Orden de completado, completado y desestacionarizacin
Matriz de priorizacin
donde Pmn es el elemento (m,n) de la matriz de priorizacincorrespondiente a la estacin a completar k
coeficiente de correlacin mltiple entre la estacin k y las estaciones m y n de referencia
N el n total de aos del periodo de anlisis
Nmnk el n de meses con registros en las tres estaciones m, n y k.
a exponente pondera el n de datos comunes entre las tres estaciones
Eleccin de la pareja de estaciones para completado ydesestacionarizacin
amnkk
mnmn NNRP
=
12
kmnR
ijjjij tSxx +=
-
Aplicacin de la metodologa de completado
Determinacin de grupos homogneos de estaciones
Afinidad climtica. Criterios:
Estadsticos bsicos similares (media y desviacin tpica)
Proximidad entre estaciones
Altitudes similares
Regresin bivariada: no es necesario definir series tipo
No se ha considerado la autocorrelacin temporal
No es necesario en series meteorolgicas mensuales; s lo es conseries de caudales
Al trabajar con coeficientes de correlacin entre residuos se evitan los efectos que en ste inducen el orden de los datos (filtradas componentes estacionales)
-
CORMUL en CHAC
Parmetros del modelo (exponente y umbral de priorizacin)
Series de variables (periodo de completado; -100: no hay dato)
Series de variables estacionarizadas (999: no hay dato)
Matriz coeficientes de regresin parcial
Matriz datos comunes
Matriz correlacin mltiple entre cada estacin y cada pareja
Matriz nm. datos comunes entre cada estacin y cada pareja
Eleccin pareja de estaciones (0: no hay completado)
Series de variables completadas
-
Completado de series mensuales de aportaciones
Modelo estndar: HEC-4
Consideracin:
Estructura de correlacin espacial (otras estaciones)
Estructura de correlacin temporal (autocorrelacin)
Procedimiento similar (HEC-4):
Necesidad de transformaciones normalizantes de las aportaciones
Consideracin de la autocorrelacin temporal
Permite elegir el grado de correlacin mltiple
No establece matrices de priorizacin como en el caso del CORMUL
-
Diferencias entre tipos de series
Series de precipitaciones
Series de aportaciones
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
0 1 2 3 4 5
Paso k
C
o
e
f
i
c
i
e
n
t
e
d
e
a
u
t
o
c
o
r
r
e
l
a
c
i
n
-0,2
0
0,2
0,4
0,6
0,8
1
0 1 2 3 4 5
Paso k
C
o
e
f
i
c
i
e
n
t
e
d
e
a
u
t
o
c
o
r
r
e
l
a
c
i
n
-
Modelo HEC-4
Clculo de los estadsticos estacionales y previa transformacinnormalizante
Serie cuasinormal
Media
Desviacin tpica
Sesgo
ijij xy log=
N
yy
N
iij
j
=
=1
( )1
1
2
=
=
N
yyN
ijij
j
( ) ( )( )
31
3
21 j
N
ijij
j
yy
NNNg
=
-
Modelo HEC-4
Estacionarizacin de las series cuasinormales
Supresin del sesgo peridico
j
jijij
yyt
=
611
26
3jijj
jij
gtgg
k +
+
=
Serie cuasinormal estacionaria
Serie normalizada estacionaria
-
Modelo de regresin del HEC-4
Ecuacin de regresin
es el valor en el mes j del ao i de la variable transformada (Pearson-III) en la estacin a completar o
es el valor en el mes j-1 del ao i de la variable transformada (Pearson-III) en la estacin a completar o
bo es el coeficiente autorregresivo (temporal)
b1 es el coeficiente de regresin entre las estaciones o y 1
es el valor en el mes j del ao i de la variable transformada (Pearson-III) en la estacin de referencia 1
M es el nmero de estaciones consideradas en la regresin
ij es el ruido de media 0 y desviacin tpica
ij
M
ijoijo
oij kbkbk ++=
=
11
111
oijk
oijk 1
1, jik
e