Informations et ressources scientifiques
sur le développement des zones arides et semi-arides

Accueil du site → Doctorat → Espagne → 2002 → MODELO ESTOCÁSTICO DE REDES NEURONALES PARA LA SÍNTESIS DE CAUDALES APLICADOS A LA GESTIÓN PROBABILÍSTICA DE SEQUÍAS

POLITECNICA DE VALENCIA (2002)

MODELO ESTOCÁSTICO DE REDES NEURONALES PARA LA SÍNTESIS DE CAUDALES APLICADOS A LA GESTIÓN PROBABILÍSTICA DE SEQUÍAS

OCHOA RIVERA JUAN CAMILO

Titre : MODELO ESTOCÁSTICO DE REDES NEURONALES PARA LA SÍNTESIS DE CAUDALES APLICADOS A LA GESTIÓN PROBABILÍSTICA DE SEQUÍAS

Auteur : OCHOA RIVERA JUAN CAMILO

Université de soutenance : UNIVERSIDAD POLITECNICA DE VALENCIA

Grade : TESIS DOCTORALES 2002

Résumé
Ante la acelerada disminución per cápita del recurso hídrico a nivel global y el consecuente crecimiento de la vulnerabilidad del abastecimiento alimentario de la población mundial, la teoría del desarrollo sostenible ha empezado a calar más hondamente en algunos estamentos responsables de la explotación de los sistemas de recursos hídricos. Éstos, según dicha teoría, deben tratarse dentro de una perspectiva a largo plazo, en la que se involucren de forma armónica el factor humano y medioambiental, realizando la toma de decisiones en condiciones de incertidumbre. En tal sentido, y al ser la escasez de agua la principal preocupación, un esquema idóneo para el análisis del comportamiento del sistema, consiste en la consideración de múltiples escenarios hidrológicos frutos. Con éstos se busca prever las posiblies sequías, y poder así adoptar de forma anticipada medidas tendientes a mitigar sus efectos. El enfoque probabilístico se enmarca dentro de esa filosofía de trabajo, ya que permite efectuar la simulación de la gestión de un sistema de recursos hidrícos para múltiples series sintéticas de caudal, con el fin de estimar los probables estados futuros del sistema. La Hidrología Operacional dispone de varios modelos estocásticos, con los que se pueden obtener series futuras de caudales equiprobables a las históricas. No obstante, dentro de esos modelos de generación de series, los de mayor uso tienden a no reproducir de forma satisfactoria las características de las sequías históricas, entre otras propiedades. Ello conduce a una subestimación de los probables déficits hídricos futuros del sistema de recursos, con las consecuentes pérdidas económicas que esto implica. Por tal motivo, en esta tesis se buscó elaborar una metodología para generar series Sintéticas, en las que se reprodujeran los estadísticos de las seires históricas —especialmente los de sequía— con una mejor calidad que la que se consigue mediante los modelos estocásticos lineales de mayor uso. Como resultado, se dedujo un modelo estocástico multivariado no-lineal basado en redes neuronales artificiales del tijo /emphperceptron multicapa, el cual satisfizo plenamente el objetivo propuesto. Después de desarrollar la formulación del modelo, éste se aplicó a cuatro casos de estudio en los que también se emplearon modelos ARMA y modelos de desagregación temporal. Dichas aplicaciones consistieron en generar series sintéticas de caudales mensuales mediante el nuevo modelo y las técnicas tradicionales, para comparar su capacidad de preservación estadística ; luego se realizó la Simulación, en términos probabilísticos, de la gestión de varios sistemas de recursos hídricos de distinta complejidad en condiciones de sequía. Los resultados obtenidos muestran que el nuevo modelo es más general, más robusto y de mayor memoria hidrológica que los métodos tradicionales, y constituye una nueva alternativa de alto rendimiento dentro del campo de la generación sintética de series temporales

Mots clés : CIENCIAS DE LA TIERRA Y DEL ESPACIO ; HIDROLOGIA ; AGUAS SUPERFICIALES ;

Présentation (masTesis.com)

Page publiée le 21 mars 2006, mise à jour le 12 février 2019