Sei sulla pagina 1di 8

Mtodos de estimacin

para completar datos de


precipitacin
A continuacin, se presenta una recopilacin de los principales mtodos de
estimacin para completar datos de precipitacin:

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

Por tanto, el valor bj faltante en la estacin B, se obtiene como: bj = q *


aj
Ventajas: permite rellenar medias de diferentes perodos y puede ser
utilizado para valores mensuales y anuales.

1.2 Mtodo de la Razn-Normal


Considera promedios de precipitacin anuales en perodos iguales,
no normales.
Se aplica a tres estaciones cercanas y uniformemente espaciadas con
respecto a la estacin en estudio.
Sea Px la precipitacin anual de una estacin X para un ao
determinado y utilizando los datos de dos estaciones A y B conocidas, se
tiene que:

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).

PA y PB: valores correspondientes a Px, de las estaciones A y B.


Ventajas: Este mtodo se sugiere para cuando las diferencias en las
precipitaciones anuales normales de las estaciones consideradas son
mayores que un 10 %. Desventajas: la uniformidad de espaciamiento puede
ser difcil de cumplir en algunas regiones. (1)

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:

Y = a + b*X1 + c*X2 + + n*Xi


Donde:
Y: valor de precipitacin estimada
Xi: valor de precipitacin en estaciones con informacin completa
a,b,c: constantes de regresin
Es ms recomendable que el mtodo de regresin Lineal, pero siempre que
se cuente con estaciones cercanas y confiables. (2)

3. Mtodos Multi
Variantes
Todos los mtodos se basan en el estudio de las correlaciones lineales
individuales entre las series.

3.1 Razn Normal


Emplea tres estaciones.
Requiere realizar los clculos con los valores de las series
previamente normalizados mensualmente, en donde el coeficiente de
correlacin calculado es el de Pearson.
Calcula el dato incompleto, x(t) de una serie, a partir de los datos de
las series de tres estaciones vecinas y contemporneas que presenten un
alto grado de correlacin con la serie a completar, se estima a travs de la
expresin:
Donde:
x, x1 , 2 x y 3x: son las medias de las variables en cuestin de la serie
incompleta y de las tres series vecinas respectivamente
x1(t) , x2(t) y x3(t): son los datos correspondientes a las series vecinas
respectivamente.

- Ventajas: Este mtodo juega con la variabilidad registrada en otras


estaciones y con la razn proporcional entre ellas, y al tener tres estaciones
se suaviza la influencia que podra tener un error en una de ellas.

3.2 Combinacin Lineal Ponderada

La idea es sustituir la falta de datos a partir de los datos de series


estadsticamente prximas, que son conocidas como vecinas.

Se tiene que para un mes t determinado, el dato incompleto x(t) se puede


expresar como:
Donde:
ri: es el coeficiente de correlacin de Pearson entre la serie i-sima y la serie
incompleta y xi(t) es el valor del instante t de la serie i-sima.

Los coeficientes de correlacin de Pearson deben calcularse con los valores


de las series normalizados mensualmente.
Ventajas: El nmero de series que se utilizan para el completado es
arbitrario en principio. (3)

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:

c) Promediar los valores de f en el nivel N.


d) Obtener la tendencia de f en el nivel N y los ruidos de g en todos los
niveles.
e) Realizar el proceso inverso de la estandarizacin del paso b) para
obtener la seal h.
f) Finalmente, los valores faltantes f son reemplazos los valores generados
h.

A continuacin, podemos apreciar un grfico que muestra la reconstruccin


de precipitaciones mediante el empleo del presente mtodo.
Ventajas: Este mtodo por su naturaleza, es independiente de la cantidad
de informacin utilizada en el anlisis. En consecuencia, es muy til para
emplearlo en situaciones dnde no se cuenta con suficiente informacin. (4)

5. Mtodo de las Isoyetas


(5)

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)

Potrebbero piacerti anche