<p>La investigación se realizó en la cuenca Ramis, ubicado al norte de la región hidrográfica del Titicaca (lado peruano), teniendo como objetivo validar las precipitaciones estimadas por satélite y su aplicación en la modelación hidrológica del rio Ramis. La validación de precipitaciones estimadas por satélite, se realizó mediante una comparación entre datos observados en ambos casos para el periodo enero de 1998 a diciembre 2013, los cuales fueron evaluados mediante los indicadores estadísticos de sesgo porcentual y coeficiente de determinación. Para el caso de la modelación hidrológica, se efectuó mediante el modelo hidrológico GR2M el cual consistió en las etapas de calibración y validación. La significancia estadística de las simulaciones de caudales fue evaluada mediante los indicadores de eficiencia de Nash-Sutcliffe y el sesgo porcentual. Los resultados obtenidos indican en considerar fiable la lluvia estimada por satélite y se puedan utilizar como alternativa en zonas sin información, dado que el coeficiente de determinación en la validación de precipitaciones es igual a 0.86 con un sesgo porcentual de +21.7% y como datos de entrada en la modelación hidrológica para transformar lluvia en escorrentía, es aceptable con eficiencias de Nash-Sutcliffe igual 0.78 en la etapa de calibración y 0.75 en la validación. Se concluye que el producto de estimación satelital es válido en la cuenca del rio Ramis.</p>
La presente investigación se realizó en la región hidrográfica del Titicaca (lado Peruano), ubicado entre los Departamentos de Puno y Tacna, teniendo como objetivo desarrollar modelos regionales de precipitaciones máximas diarias, aplicado al problema de la estimación de precipitaciones en zonas sin información, cuyos resultados serán empleados en proyectos que requieren este tipo de información, generalmente para el diseño de obras hidráulicas. La información meteorológica, corresponde al Servicio Nacional de Meteorología e Hidrología con un periodo de registro de 1965 al 2013 y la metodología a utilizar consistió en identificar regiones homogéneas cuyos métodos usados se refieren a técnicas multivariadas jerárquicas y momentos-L, dividiendo el área de estudio en tres regiones homogéneas sobre la base de los estadísticos de medida central y variación de la precipitación total mensual. Para el Análisis probabilístico se utilizaron las distribuciones probabilisticas; generalizada de valores extremos, Log-Pearson III, logística generalizada, normal generalizada y Pareto generalizada, de donde las seleccionadas fueron generalizada de valores extremos (región norte), normal generalizada ( región centro) y Pearson tipo 3 (región sur). Finalmente a partir de la distribución teórica seleccionada para cada región homogénea, se estimaron los índices de avenida y relativamente se establecieron 09 modelos regionales para diferentes periodos de retorno.
RESUMEN com, lstefanny@gmail.com, rennydaniel@gmail.com, btapia@gmail.com, apolex23@gmail.com La investigación, se realizó en el ámbito del altiplano Peruano, con el objetivo de evaluar los cambios en la disponibilidad del recurso hídrico bajo escenarios de emisiones de Modelos Climáticos Globales (MCG) del Proyecto de Intercomparación de Modelos Acoplados Fase 5 (CMIP5). La distribución espacio-temporal de la precipitación, se tomó como referencia la climatología 1971 -2000 y sus proyecciones para el horizonte 2071 -2100, así mismo para la simulación de caudales se utilizó el modelo hidrológico conceptual de Ingeniería Rural de 2 parámetros, cuyas evaluaciones estadísticas se midieron a través de la eficiencia de Nash y Sutcliffe. El Simulador del Sistema Terrestre y el Clima de la Comunidad Australiana versiones 1.0 y 1.3 (ACCESS1.0 y 1.3) y el Modelo para la Investigación Interdisciplinaria sobre el Clima versión 5 (MIROC5), simularon adecuadamente el ciclo estacional de la precipitación y en base a los resultados, los cambios de precipitaciones para los caminos de concentración representativas (RCP4.5 y 8.5) a finales del siglo XXI, indican un ligero incremento de la precipitación anual en la cuenca Ramis y una disminución para la cuenca Ilave. Es así que las variaciones de las precipitaciones son también reflejadas en los caudales, concluyéndose que las mayores disminuciones del recurso hídrico se darían para la cuenca Ilave, con incrementos ligeros en promedio anual para la cuenca Ramis..The research was conducted in the area of the Peruvian altiplano with the aim to assess changes in the availability of water resources under emission scenarios Global Climate Models (GCMs) of the Coupled Model Intercomparison Project phase 5 (CMIP5). The spatio-temporal precipitation distribution was taken as reference climatology 1971 -2000 and its projections for the horizon 2071 -2100, also for simulating flows conceptual hydrological model of Rural Engineering 2 parameters are used, whose evaluations statistics were measured through efficiency Nash and Sutcliffe. The Australian Community Climate and Earth System Simulator versions 1.0 and 1.3 (ACCESS1.0 and 1.3) and Model for Interdisciplinary Research on Climate version 5 (MIROC5), adequately simulated the seasonal cycle of precipitation and based results, changes in rainfall for Representative Concentration Pathways (RCP4.5 and 8.5) at the end of the XXI century, indicate a slight increase of annual rainfall of the basin Ramis and a decrease for the Ilave basin. Is thus that variations in rainfall are also reflected in the flows, concluding that the largest decreases of water resources would be given for the Ilave basin, with slight increases in annual average for the basin Ramis. ARTICLE INFO
<h4 class="text-primary">Resumen</h4><p style="text-align: justify;">La presente investigación se realizó en la cuenca del río Ilave, ubicado dentro de la región Hidrográfica del Titicaca (Perú), teniendo como objetivo pronosticar los caudales medios mensuales del rio Ilave usando Modelos de Redes Neuronales Artificiales, aplicado al problema del pronóstico mensual de esta variable, cuyo resultado puede emplearse en la planificación y gestión de los recursos hídricos en cuencas hidrográficas. La información hidrometeorológica utilizada, corresponde al Servicio Nacional de Meteorología e Hidrología con un periodo de registro de 1965 al 2007, de donde se plantearon 06 modelos que están en función de precipitaciones y caudales, cuya fase de entrenamiento, validación y prueba, se realizaron con el 70%, 15% y 15% del total de datos respectivamente, con una red de entrenamiento designada Perceptrón Multicapa (MLP) y el algoritmo «back-propagatión». La significación estadística de los indicadores de desempeño de eficiencia de Nash-Sutcliffe (NSE) y la raíz del error cuadrático medio (RMSE), fueron evaluados usando el método de bootstrap incorporado en el código FITEVAL y como indicadores complementarios de evaluación tradicional, el coeficiente de determinación (R2) y el error cuadrático medio normalizado (ECMN). Los resultados de validación y prueba indican calificativos de buenos a muy buenos, así tenemos que en la fase de pronóstico para los modelos seleccionados MRNA5, MRNA2 y MRNA3, los coeficientes de Eficiencia de Nash-Sutcliffe son de 88.0%, 87.9% y 87.1%; la raíz del error medio cuadrático son de 18.87%, 18.96% y 19.56% respectivamente. Se concluye que el pronóstico de caudales medios mensuales del río Ilave utilizando modelos de Redes Neuronales Artificiales, muestran un buen desempeño en la estimación de fenómenos de comportamiento no lineal como los caudales.</p><p><strong>PALABRAS CLAVE: </strong>* Backpropagation * caudales medios * redes neuronales artificiales río * Ilave</p><h4 class="text-primary">ABSTRACT</h4><p><strong>AVERAGE FLOW-MONTHLY FORECAST OF THE ILAVE RIVER USING ARTIFICIAL NEURAL NETWORK MODELS</strong></p><p style="text-align: justify;">This research was conducted in the Ilave river basin located within the hydrographic region of Titicaca (Peru), aiming to predict the average monthly flow of the river Ilave usingArtificial Neural Networks models applied to forecast the monthly variable flow of this river. The results of this type of forecasting can be used in the planning and management of water resources in river basins. The hydrometeorological information used, corresponds to the National Meteorological and Hydrological Service registries between 1965 – 2007. 06 models were proposed that are based on rainfall and river flow, whose training, validation and testing phases were realized with 70%, 15% and 15% of the total data respectively. A training network titled Multilayer Perception (MLP) as well as algorithm and «back -propagation»techniques were used. The statistical significance of the performance indicators Nash (NSE) and the Root Mean Square Error (RMSE), were assessed using the bootstrap method incorporated in the FITEVAL code. The coefficient of determination (R2) and Normalized Root Mean Square Error (NRMSE) were used as complementary to indicators of traditional assessment. The results of test descriptions and validation indicate good to very good results, so in the forecast phase for selected models MRNA5, MRNA2 and MRNA3, Nash coefficients are 88.0%, 87.9% and 87.1%; mean square root error are 18.87%, 18.96% and 19.56% respectively. We conclude that the average monthly flow forecast of the river Ilave, using Artificial Neural Network models, show a good performance in estimating nonlinear phenomena such as flow behavior.</p><p><strong>KEY WORDS: </strong>* artificial neural networks * back propagation * Ilave river * mean flows</p>
KEY WORDS:© RIA -Vicerectorado de Investigación de la Universidad Nacional del Altiplano Puno Perú. Este es un artículo de acceso abierto distribuido bajo los términos de la Licencia Creative Commons CC BY-NC-ND, https://creativecommons.org/licenses/by-nc-nd/4.0/ RESUMEN ABSTRACTLa presente investigación se realizó en la cuenca del río Ramis, ubicado en la región hidrográfica del Titicaca, Perú, con el objetivo de calibrar y validar el modelo hidrológico Sacramento (SAC-SMA) desde un enfoque semidistribuido. La información hidrometeorológica utilizada de precipitación pluvial, temperatura y caudal, corresponden a una serie de registro 2005 -2016. La metodología de interpolación espacial de datos meteorológicos en la estación virtual, fue estimada mediante el procedimiento de Shepard y la evapotranspiración potencial por el modelo de Turc, estas metodologías vienen incorporados en la plataforma RS-MINERVE y son estimaciones automatizadas. La fase de calibración y validación del modelo, se realizó de forma aleatoria con el 70% y 30% del total de datos respectivamente. La evaluación estadística de eficiencia y error fueron medidos a través del coeficiente de Nash, coeficiente de Nash para valores del logaritmo y raíz del error medio cuadrático relativo. Los resultados son satisfactorios y se afirma que las salidas del modelo hidrológico representan adecuadamente los caudales de avenida y estiaje, constituyéndose como una alternativa para el fortalecimiento del pronóstico hidrológico a paso de tiempo diario del rio Ramis.The present research was held in the basin of the river Ramis, located in the hydrographic region of Titicaca, Peru, with the objective of calibrating and validating the Sacramento hydrological model (S A C-S M A) from a semi-distributed approach. The hydrometeorological information used for rainfall, temperature and flow, correspond to a series of records 2005 -2016. The methodology of spatial interpolation of meteorological data in the virtual station was estimated using the Shepard procedure and potential evapotranspiration by the model Turc, these methodologies are incorporated in the RS-MINERVE platform and are automated estimates. The calibration and validation phase of the model was performed randomly with 70% and 30% of the total data respectively. The statistical evaluation of efficiency and error were measured by the Nash coefficient, Nash coefficient for logarithm values and root mean square error. The results are satisfactory and it is stated that the outputs of the hydrological model adequately represent the flows of avenue and drought, constituting as an alternative for the strengthening of the hydrological forecast at the daily time step of the river Ramis.RS-MINERVE, rio Ramis, modelo sacramento, modelización semidistribuida. RS-MINERVE,river Ramis, sacramento model, semi-distributed modeling.Octubre -Diciembre -
Resumen Los productos de precipitación satelital (PPS), proporcionan una fuente alternativa para aplicaciones hidrometeorológicas principalmente en áreas donde los datos de precipitación son limitados. Sin embargo, es necesario evaluar los PPS para cuantificar la incertidumbre en la estimación de la precipitación. Este estudio tuvo como objetivo evaluar el desempeño de los PPS GSMaP-G-NRT, PERSIANN-CCS, PERSIANN-CDR y PERSIANN sobre la cuenca del Lago Titicaca (CLT). Para la evaluación de los PPS se utilizaron tres métricas de desempeño que evaluaron la precisión (coeficiente de correlación, CC), error (raíz del error cuadrático medio, RMSE) y sesgo (sesgo porcentual, PBIAS). Los resultados indican que PERSIANN-CDR y PERSIANN-CCS son los productos que muestran una mayor concordancia con las mediciones de pluviómetros, pero con un gran sesgo para PERSIANN-CCS. Los hallazgos proporcionan una idea del rendimiento de PPS en la CLT que contribuye a posibles direcciones de mejora de los algoritmos para un mejor servicio en aplicaciones hidrometeorológicas.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.