Pronóstico de caudales con Filtro de Kalman Discreto en el río Turbio



Document title: Pronóstico de caudales con Filtro de Kalman Discreto en el río Turbio
Journal: Tecnología y ciencias del agua
Database: PERIÓDICA
System number: 000391520
ISSN: 0187-8336
Authors: 1
1
2
1
1
Institutions: 1Universidad Autónoma Chapingo, Posgrado en Ingeniería Agrícola y Uso Integral del Agua, Chapingo, Estado de México. México
2University of Arizona, Hydrology and Water Resources, Tucson, Arizona. Estados Unidos de América
Year:
Season: Jul-Ago
Volumen: 6
Number: 4
Pages: 5-24
Country: México
Language: Español
Document type: Artículo
Approach: Experimental, aplicado
Spanish abstract Se propuso la implementación del algoritmo del Filtro de Kalman Discreto (DKF) junto con un modelo autorregresivo con entrada exógena (ARX) para realizar el pronóstico de caudales a corto plazo con 24, 48, 72 y 96 horas de anticipación en la cuenca del río Turbio, localizada en el estado de Guanajuato y parte del estado de Jalisco, México, vulnerable a inundaciones durante los periodos de lluvias que se presentan normalmente en la zona. La información de precipitación y caudal disponible con las que se realizaron los pronósticos corresponde a las series de los años 2003 y 2004. Los resultados obtenidos indican que los pronósticos realizados un paso hacia adelante, es decir, con un tiempo de 24 horas de anticipación, presentaron los mejores ajustes en términos de Nash-Sutcliffe, MSE y RMSE, que los pronósticos realizados a 48, 72 y 96 horas de anticipación
English abstract This paper proposes the use of the discreet Kalman filter (DKF) along with an autoregressive model with exogenous inputs (ARX) for short-term streamflow forecasting with lead times of 24, 48, 72 and 96 hours. This model was applied to the Turbio River basin, located in the state of Guanajuato and a portion of the state of Jalisco, Mexico. This area is vulnerable to flooding during rainy periods which normally occur in the region. The forecasting was based on available precipitation and streamflow data from the years 2003 and 2004. The results indicate that the forecasts performed with one-step ahead, that is with a 24-hour lead time, present better fits than 48, 72 and 96-hour lead times in terms of Nash-Sutcliffe, MSE and RMSE
Disciplines: Geociencias
Keyword: Hidrología,
Ríos,
Pronóstico de caudales,
Modelos autorregresivos,
Filtro de Kalman
Keyword: Earth sciences,
Hydrology,
Rivers,
Streamflow forecasting,
Autoregressive models,
Kalman filter
Full text: Texto completo (Ver HTML)