PREDICCIÓN DE CAUDALES DIARIOS DE LA ESTACIÓN HIDROMÉTRICA TUMILACA APLICANDO MODELOS ESTOCÁSTICOS AUTOREGRESIVOS

• Autores: Flores Quispe, Eduardo Luis, Silva Delgado, Carlos Alberto, Flores Condori, Eduardo
• Formato: artículo
• Fecha de Publicación: 2019
• Institución: Universidad Nacional Jorge Basadre Grohmann
• Repositorio: Revistas - Universidad Nacional Jorge Basadre Grohmann
• Lenguaje: español
• OAI Identifier: oai:revistas.unjbg.edu.pe:article/489
• Enlace del recurso: https://revistas.unjbg.edu.pe/index.php/cyd/article/view/489
• Nivel de acceso: acceso abierto
• Materia: Procesos estocásticos; Análisis estocástico; Caudal de los ríos; Predicción

Los modelos estocásticos se han aplicado comúnmente para gestionar los recursos hídricos a escala de tiempo diario. El río Tumilaca es una de las principales fuentes de agua de Moquegua. Los objetivos fueron predecir los caudales diarios aplicando modelos estocásticos, determinar si el modelo estocástico autoregresivo de primer orden AR(´) es adecuado para caudales diarios con autocorrelogramas y validar el modelo con pruebas de bondad de ajuste. Se utilizó datos del Servicio Nacional de Meteorología e Hidrología, desde el 01 junio del 2006 hasta el 31 de diciembre del 2011. Se calibró y validó el modelo AR(´) y el modelo autoregresivo con tendencia no lineal. El modelo AR(´) es suficiente, según los autocorrelogramas. El modelo autoregresivo con tendencia no lineal es representada por la serie Gaussiana. En la validación, el modelo más apropiado fue AR(1) pues al componente aleatoria independiente le sigue la distribución Log logística de 3 parámetros. El modelo AR(1)  es adecuado para los caudales diarios porque los autocorrelogramas de la variable estandarizada muestran altos valores de coeficiente de autocorrelación y los autocorrelogramas de las variables aleatorias independientes muestran valores de autocorrelación bajos, dentro de los límites del 95 por ciento de confianza. Las pruebas de bondad de ajuste validaron a AR(1) al 5 por ciento de nivel significancia, el coeficiente de correlación entre los caudales observados y generados fije estadísticamente significativo (p < 0,05). La prueba t muestra que las medias de los caudales observados y generados son estadísticamente iguales (p< 0,05) ambos en la validación. El modelo AR(1) supera al modelo autoregresivo con tendencia no lineal por su ajuste a los caudales diarios. Se recomienda aplicar el modelo AR(1), en todo caso, aplicar modelos estocásticos que incluyan variables exógenas, tales como precipitación, infiltración, evaporación y derivaciones de agua Probar modelos de precipitación-escorrentía e investigar las causas de bajo sostenimiento del caudal del río Tumilaca.