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
展开▼
机译:具有不确定性量化的水文时间序列预测是水资源管理的重要工具。由气候变化和其他因素(如流域的物理特性的变化)引起的不稳定,使得使用传统方法进行预报变得困难。因此,在这项工作中提出了贝叶斯方法来研究河流的降水和流量。在第一部分中,提出了常数模型,动态回归(MRD)和分层线性模型(MLJ)。常数模型使用时间序列观测值给出的过去信息,而MRD使用有关在流域上部测得的降水量信息作为协变量。在第二部分中,假设某些强度函数,将考虑使用非均匀泊松过程(PPNH)来估计河流流量低于或高于某些给定水平的次数。这些方法用于分析1989年1月1日至2001年12月31日之间收集的Sumapaz河的流量数据。 ud ud
展开▼