Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1. Mtodos de Series
Anuales
1.1 Mtodo de la Razn q
Se aplica a pares de estaciones, en donde A tiene los datos completos y
B no.
La razn (q) entre los valores mensuales, anuales o medios, tiende a ser constante.
As, si se tienen dos estaciones (A y B), se determina q como:
q = bi / ai
Donde:
i: desde 1 hasta N
N: nmero total de datos de la serie
bi: dato i de la estacin B
ai: dato i de la estacin A
Px = 0.5 * ( Nx * PA / NA + Nx * PB / NB )
Donde:
Nx: precipitacin promedio de la estacin X, para el mismo perodo que se
obtiene la lluvia promedio de la estacin A (NA) y B (NB).
2. Completacin por
Regresiones Mltiples
Se recomienda para estimacin de datos mensuales y anuales de la
estacin en estudio, en base a datos pluviomtricos consistentes de una
estacin cercana.
Se establece una correlacin como esta:
3. Mtodos Multi
Variantes
Todos los mtodos se basan en el estudio de las correlaciones lineales
individuales entre las series.
4. Transformada Wavelet
(TW)
Permite estudiar series de tiempo con una resolucin baja para escalas
grandes (Estructuras generales) y con resoluciones altas para escalas
pequeas (Estructuras finas). La construccin del algoritmo se puede dar de
la siguiente manera:
Seleccionar dos estaciones vecinas, una vaca (f) y otra completa (g).
Ambas deben pertenecer a la misma familia de distribucin y con
indicadores climticos similares.
a) Estandarizar las seales de las estaciones siguiendo la metodologa de
Nakken.
b) Descomponer la seal con las siguientes ecuaciones, hasta un cierto
grado N.
Donde:
6. Neural Networks
Este modelo explora las variables de espacio y el tiempo para predecir
patrones en los datos y estimar datos faltantes sobre precipitaciones. Esta
capacidad ha sido confirmada mediante el uso de modelos matemticos
probados por Cybenko (1989) y Hornik (1989).
El proceso de estimacin se realiza en dos fases. Primero, se modela la red
y se pretende estimar los pesos o parmetros de la red. Luego, se procede
a validar el modelo mediante la insercin de datos no empleados en la
etapa de modelamiento.
T: Tiempo de retardo
T se elige de manera que () tienda a cero
m : Dimensin de inmersin
Se emplea esta ecuacin para determinar la dimensin del vecino falso y
estimar la dimensin de inmersin.
: Pesos de las conexiones
se elige de forma que minimice la siguiente expresin
Ecuacin final:
El mtodo bsicamente se basa en corregir el error cuadrtico con ayuda de
los parmetros de ajuste usados. A continuacin, se muestra un cuadro con
el resultado del empleo del presente mtodo.
(6)
7. Inverse-DistanceWeighted (IDW)
Interpolation
El valor de la interpolacin del campo pi dentro de (xi,yi) es el siguiente:
El valor de pn es conocido en el campo al medir n. Asimismo, los pesos i,n
estn dados por la siguiente expresin:
Donde Cx, Cy y Cz permite pesos anisotrpicos. Adems, el factor de
normalizacin Wi est dado por:
Ventajas: Este mtodo tiene la capacidad de reproducir mediciones
precisas y proveer informacin sin la interaccin o interferencia del usuario.
Adems, este mtodo ha demostrado eficiencia y credibilidad durante su
uso en The National Wheater Service.
Desventajas: Se debe considerar las limitaciones del equipamiento y de su
operacin. Las mediciones individuales de precipitaciones estn sujetas a
error de operacin mecnica y dependen de la calibracin. (7)