Modelamiento Bayesiano de caudal y precipitación aplicando modelos dinámicos y procesos de Poisson no homogéneosud

摘要

La predicción de series temporales hidrológicas con la cuantificación de la incertidumbre, es una herramienta importante para la gestión de los recursos de agua. La no estacionariedad causada por el cambio climático y otros factores, tales como el cambio en las propiedades físicas de las cuencas hidrográficas, hacen que la tarea de pronóstico sea difícil mediante los métodos tradicionales. Por lo anterior, en este trabajo se proponen métodos Bayesianos para el estudio de la precipitación y del caudal de un rio. En la primera parte, se proponen modelos constantes, de regresión dinámica (MRD) y modelos lineales jerárquicos (MLJ). El modelo constante utiliza la información del pasado dada por los valores observados de la serie de tiempo, mientras que el MRD utiliza como covariables la información de la cantidad de precipitación medida en la parte alta de la cuenca del rio. En la segunda parte se considerará un Proceso de Poisson no Homogéneo (PPNH) para estimar la cantidad de veces que el caudal del río está por debajo o por encima de ciertos niveles dados, asumiendo algunas funciones de intensidad. Dichas metodologías se aplican en el análisis de los datos del caudal del río Sumapaz recolectados entre enero 01 de 1989 y 31 de diciembre de 2001.udud