Simulación y pronóstico de caudales diarios del Río Amazonas usando un enfoque híbrido Wavelet y Redes Neuronales

Descripción del Articulo

Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Recursos Hídricos
Detalles Bibliográficos
Autor: Vergara Saturno, Lucio Eusebio
Formato: tesis de maestría
Fecha de Publicación:2020
Institución:Universidad Nacional Agraria La Molina
Repositorio:UNALM-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.lamolina.edu.pe:20.500.12996/4453
Enlace del recurso:https://hdl.handle.net/20.500.12996/4453
Nivel de acceso:acceso abierto
Materia:Cursos de agua
Precipitación inducida
Simulación
Modelos de simulación
Río Amazonas
Sistemas informáticos
Generación de caudales
Modelos hidrológicos
Redes de neuronas
Redes neuronales
Modelos híbridos
Análisis Wavelet
http://purl.org/pe-repo/ocde/ford#2.07.03
id UNAL_de10bbb4c047f7649a7857a26f6d4ea2
oai_identifier_str oai:repositorio.lamolina.edu.pe:20.500.12996/4453
network_acronym_str UNAL
network_name_str UNALM-Institucional
repository_id_str 3039
dc.title.none.fl_str_mv Simulación y pronóstico de caudales diarios del Río Amazonas usando un enfoque híbrido Wavelet y Redes Neuronales
title Simulación y pronóstico de caudales diarios del Río Amazonas usando un enfoque híbrido Wavelet y Redes Neuronales
spellingShingle Simulación y pronóstico de caudales diarios del Río Amazonas usando un enfoque híbrido Wavelet y Redes Neuronales
Vergara Saturno, Lucio Eusebio
Cursos de agua
Precipitación inducida
Simulación
Modelos de simulación
Río Amazonas
Sistemas informáticos
Generación de caudales
Modelos hidrológicos
Redes de neuronas
Redes neuronales
Modelos híbridos
Análisis Wavelet
http://purl.org/pe-repo/ocde/ford#2.07.03
title_short Simulación y pronóstico de caudales diarios del Río Amazonas usando un enfoque híbrido Wavelet y Redes Neuronales
title_full Simulación y pronóstico de caudales diarios del Río Amazonas usando un enfoque híbrido Wavelet y Redes Neuronales
title_fullStr Simulación y pronóstico de caudales diarios del Río Amazonas usando un enfoque híbrido Wavelet y Redes Neuronales
title_full_unstemmed Simulación y pronóstico de caudales diarios del Río Amazonas usando un enfoque híbrido Wavelet y Redes Neuronales
title_sort Simulación y pronóstico de caudales diarios del Río Amazonas usando un enfoque híbrido Wavelet y Redes Neuronales
author Vergara Saturno, Lucio Eusebio
author_facet Vergara Saturno, Lucio Eusebio
author_role author
dc.contributor.advisor.fl_str_mv Lavado Casimiro, Waldo Sven
dc.contributor.author.fl_str_mv Vergara Saturno, Lucio Eusebio
dc.subject.none.fl_str_mv Cursos de agua
Precipitación inducida
Simulación
Modelos de simulación
Río Amazonas
Sistemas informáticos
Generación de caudales
Modelos hidrológicos
Redes de neuronas
Redes neuronales
Modelos híbridos
Análisis Wavelet
topic Cursos de agua
Precipitación inducida
Simulación
Modelos de simulación
Río Amazonas
Sistemas informáticos
Generación de caudales
Modelos hidrológicos
Redes de neuronas
Redes neuronales
Modelos híbridos
Análisis Wavelet
http://purl.org/pe-repo/ocde/ford#2.07.03
dc.subject.ocde.none.fl_str_mv http://purl.org/pe-repo/ocde/ford#2.07.03
description Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Recursos Hídricos
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2020-10-01T19:20:08Z
dc.date.available.none.fl_str_mv 2020-10-01T19:20:08Z
dc.date.issued.fl_str_mv 2020
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12996/4453
url https://hdl.handle.net/20.500.12996/4453
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Agraria La Molina
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Agraria La Molina
dc.source.none.fl_str_mv reponame:UNALM-Institucional
instname:Universidad Nacional Agraria La Molina
instacron:UNALM
instname_str Universidad Nacional Agraria La Molina
instacron_str UNALM
institution UNALM
reponame_str UNALM-Institucional
collection UNALM-Institucional
bitstream.url.fl_str_mv https://repositorio.lamolina.edu.pe/bitstreams/6958993f-470e-42ca-8a5a-3c9bbb287029/download
https://repositorio.lamolina.edu.pe/bitstreams/788dfa4d-f6d6-47c3-b4d7-ff53d9886d69/download
https://repositorio.lamolina.edu.pe/bitstreams/5b18d010-2bd5-4ebc-83f8-f4de297da0a0/download
https://repositorio.lamolina.edu.pe/bitstreams/ca2fbe13-429e-4bca-a510-753f8a49b2c4/download
bitstream.checksum.fl_str_mv d39ee235af9c8b7f52f5915f8fb40044
dcbc3991bd4a00cf47ac4623a6053f8e
7fd335478d145742e229e610f9b033d7
85e652b8dfa19b82485c505314e0a902
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Nacional Agraria La Molina
repository.mail.fl_str_mv dspace@lamolina.edu.pe
_version_ 1843170234252394496
spelling Lavado Casimiro, Waldo Svena51f1b36-4ddb-4250-a309-c9b754b25525Vergara Saturno, Lucio Eusebio2020-10-01T19:20:08Z2020-10-01T19:20:08Z2020https://hdl.handle.net/20.500.12996/4453Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Recursos HídricosEl incremento de eventos extremos durante las últimas décadas en la cuenca amazónica, ha dado lugar a un creciente interés por implementar efectivos sistemas de pronóstico hidrológico. Los pronósticos a corto plazo, como parte intrínseca de estos sistemas, son fundamentales en la mitigación de inundaciones, y la gestión de los recursos hídricos. Debido a la importancia de los pronósticos de alta calidad y a la complejidad de los sistemas hidrológicos, se han estudiado un gran número de métodos de modelamiento orientado a pronósticos. En esta investigación, se desarrollaron modelos “basados en datos” con dos técnicas, la red neuronal artificial (RNA) y un enfoque híbrido que combina análisis multiresolución wavelet y RNA llamado modelo wavelet red neuronal (WRN). En efecto, se formularon distintas estructuras de modelos univariados de RNA y WRN para múltiples horizontes de pronóstico, considerando que la confiabilidad de pronóstico disminuye al aumentar el tiempo de anticipación. Para el cual, se empleó series observadas de caudales diarios para el periodo 1985-2012, registrados en la estación hidrológica de Tamshiyacu en el río Amazonas, Perú. Además, el desempeño de los modelos se evaluó en función a los índices estadísticos, tales como la raíz del error cuadrático medio (RMSE) y la eficiencia de Nash-Sutcliffe (NSE). Así, para el horizonte de pronóstico más lejano (30 días), se encontró que el modelo WRN con RMSE = 4820 m3 /s y NSE = 0.83 superó ampliamente al modelo RNA con RMSE = 6092 m3 /s y NSE = 0.72, en la etapa de validación. Estos hallazgos muestran que el modelo híbrido tiene la capacidad potencial para mejorar la precisión de pronóstico en comparación al modelo RNA convencional. En suma, los resultados de esta investigación ayudarán a los hidrólogos y tomadores de decisiones en el pronóstico de caudales y la gestión sostenible de los recursos hídricos.The increasing number of extreme events during the last decades in the Amazon basin has led to a growing interest in implementing effective hydrological forecasting systems. Short-term forecasts, as an intrinsic part of these systems, are crucial for flood mitigation and water resources management. Due to the importance of high-quality forecasting and the complexity of hydrological systems, a large number of forecasting-oriented modelling methods have been studied. In this research, data-driven models with two techniques were developed, artificial neural network (ANN) and a hybrid approach which combines wavelet multi-resolution analysis and ANN named wavelet neural network (WNN) model. In effect, several structures of univariate ANN and WNN models were formulated for multiple forecasting horizons, considering that the reliability of forecasting decreases with increasing the lead-time. For which, observed time series of daily streamflows for the period 1985-2012 recorded at the Tamshiyacu gauging station on the Amazon river, Peru, were used. In addition, the performance of the models has been evaluated based on the statistical indices, such as root mean square error (RMSE) and Nash-Sutcliffe efficiency (NSE). Thus, for longer lead-time forecasting (30 days), it was found that the WNN model with RMSE = 4820 m3 /s and NSE = 0.83, widely outperformed to ANN model with RMSE = 6092 m3 /s and NSE = 0.72, in the test period. These findings show that the hybrid WNN model has the potential ability to improve the forecasting accuracy compared to the conventional ANN model. In sum, the outcomes of this research will assist hydrologists and decision makers in streamflow forecasting and sustainable management of water resources.Tesisapplication/pdfspaUniversidad Nacional Agraria La MolinaPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Cursos de aguaPrecipitación inducidaSimulaciónModelos de simulaciónRío AmazonasSistemas informáticosGeneración de caudalesModelos hidrológicosRedes de neuronasRedes neuronalesModelos híbridosAnálisis Wavelethttp://purl.org/pe-repo/ocde/ford#2.07.03Simulación y pronóstico de caudales diarios del Río Amazonas usando un enfoque híbrido Wavelet y Redes Neuronalesinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionreponame:UNALM-Institucionalinstname:Universidad Nacional Agraria La Molinainstacron:UNALMSUNEDURecursos HídricosUniversidad Nacional Agraria La Molina. Escuela de PosgradoMagister Scientiae - Recursos Hídricos31682079https://orcid.org/0000-0002-0051-074307518826https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/level#maestro522197Santayana Vela, Toribio SebastianChávarri Velarde, Eduardo AbrahamSánchez Delgado, Miguel AngelTEXTvergara-saturno-lucio-eusebio.pdf.txtvergara-saturno-lucio-eusebio.pdf.txtExtracted texttext/plain384767https://repositorio.lamolina.edu.pe/bitstreams/6958993f-470e-42ca-8a5a-3c9bbb287029/downloadd39ee235af9c8b7f52f5915f8fb40044MD53THUMBNAILvergara-saturno-lucio-eusebio.pdf.jpgvergara-saturno-lucio-eusebio.pdf.jpgGenerated Thumbnailimage/jpeg3345https://repositorio.lamolina.edu.pe/bitstreams/788dfa4d-f6d6-47c3-b4d7-ff53d9886d69/downloaddcbc3991bd4a00cf47ac4623a6053f8eMD54ORIGINALvergara-saturno-lucio-eusebio.pdfvergara-saturno-lucio-eusebio.pdfTexto completoapplication/pdf6041809https://repositorio.lamolina.edu.pe/bitstreams/5b18d010-2bd5-4ebc-83f8-f4de297da0a0/download7fd335478d145742e229e610f9b033d7MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81683https://repositorio.lamolina.edu.pe/bitstreams/ca2fbe13-429e-4bca-a510-753f8a49b2c4/download85e652b8dfa19b82485c505314e0a902MD5220.500.12996/4453oai:repositorio.lamolina.edu.pe:20.500.12996/44532025-04-07 11:34:49.683https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.lamolina.edu.peRepositorio Universidad Nacional Agraria La Molinadspace@lamolina.edu.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
score 13.210282
Simulación y pronóstico de caudales diarios del Río Amazonas usando un enfoque híbrido Wavelet y Redes Neuronales
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares