Generación espacial de series sintéticas de lluvia

Se presenta la aplicación al medio colombiano de modelación de lluvia con alta resolución temporal e interrelacionada espacialmente empleando el modelo estocástico Neyman-Scott. El modelo considera que las lluvias se presentan según un proceso de Poisson, cada lluvia está compuesta por discos que re...

Full description

Autores:
Guayara Calderón, Leonardo Andrés
Tipo de recurso:
Fecha de publicación:
2019
Institución:
Escuela Colombiana de Ingeniería Julio Garavito
Repositorio:
Repositorio Institucional ECI
Idioma:
spa
OAI Identifier:
oai:repositorio.escuelaing.edu.co:001/929
Acceso en línea:
https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=21784
https://repositorio.escuelaing.edu.co/handle/001/929
Palabra clave:
Modelo Neyman-Scottm
Modelación estocástica
Preservación de parámetros estadísticos
Series observadas
Series sintéticas
Neyman-Scott model
Stochastic models
Preservation of statistical parameters
Observed series
Synthetic series
Rights
openAccess
License
Derechos Reservados - Escuela Colombiana de Ingeniería Julio Garavito
id ESCUELAIG2_fc61b5c371c6d439e15bba9f6f05f178
oai_identifier_str oai:repositorio.escuelaing.edu.co:001/929
network_acronym_str ESCUELAIG2
network_name_str Repositorio Institucional ECI
repository_id_str
dc.title.spa.fl_str_mv Generación espacial de series sintéticas de lluvia
title Generación espacial de series sintéticas de lluvia
spellingShingle Generación espacial de series sintéticas de lluvia
Modelo Neyman-Scottm
Modelación estocástica
Preservación de parámetros estadísticos
Series observadas
Series sintéticas
Neyman-Scott model
Stochastic models
Preservation of statistical parameters
Observed series
Synthetic series
title_short Generación espacial de series sintéticas de lluvia
title_full Generación espacial de series sintéticas de lluvia
title_fullStr Generación espacial de series sintéticas de lluvia
title_full_unstemmed Generación espacial de series sintéticas de lluvia
title_sort Generación espacial de series sintéticas de lluvia
dc.creator.fl_str_mv Guayara Calderón, Leonardo Andrés
dc.contributor.advisor.spa.fl_str_mv Santos Granados, Germán Ricardo (dir)
dc.contributor.author.spa.fl_str_mv Guayara Calderón, Leonardo Andrés
dc.subject.spa.fl_str_mv Modelo Neyman-Scottm
Modelación estocástica
Preservación de parámetros estadísticos
Series observadas
Series sintéticas
topic Modelo Neyman-Scottm
Modelación estocástica
Preservación de parámetros estadísticos
Series observadas
Series sintéticas
Neyman-Scott model
Stochastic models
Preservation of statistical parameters
Observed series
Synthetic series
dc.subject.keywords.spa.fl_str_mv Neyman-Scott model
Stochastic models
Preservation of statistical parameters
Observed series
Synthetic series
description Se presenta la aplicación al medio colombiano de modelación de lluvia con alta resolución temporal e interrelacionada espacialmente empleando el modelo estocástico Neyman-Scott. El modelo considera que las lluvias se presentan según un proceso de Poisson, cada lluvia está compuesta por discos que representan celdas de lluvia cuyos centros están distribuidos sobre el área siguiendo un proceso de Poisson espacial; las celdas tienen radio, duración e intensidad aleatorias según distribuciones de probabilidad asociadas con las características físicas del proceso, y la intensidad se mantiene constante en el área ocupada por el disco durante la vida de la celda. El modelo, se calibra siguiendo la metodología descrita en Cowpertwait et al (2002) con 11 años de información horaria registrada en 4 pluvios para la cuenca del Río Tunjuelo en la ciudad de Bogotá, mediante la obtención del conjunto de los parámetros que definen las distribuciones de probabilidad empleadas por la teoría para describir la ocurrencia y comportamiento de la lluvia en dicha zona. Con el modelo calibrado se procede a la generación estocástica de series de lluvias sintéticas simultáneas en todos los pluvios del área de interés y finalmente se proponen mecanismos para estimar el grado de preservación de los estadísticos entre las series observadas y los conjuntos de series sintéticas estocásticas generadas. Se encontró que para algunos periodos, el modelo puede generar series sintéticas con buen grado de representatividad a pesar de la poca densidad espacial de registros y la escasa longitud de los mismos.
publishDate 2019
dc.date.accessioned.spa.fl_str_mv 2019-02-18T16:41:50Z
dc.date.available.spa.fl_str_mv 2019-02-18T16:41:50Z
dc.date.issued.spa.fl_str_mv 2019
dc.date.accessioned.none.fl_str_mv 2021-10-01T15:28:26Z
dc.date.available.none.fl_str_mv 2021-10-01T15:28:26Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str publishedVersion
dc.identifier.uri.spa.fl_str_mv https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=21784
dc.identifier.uri.none.fl_str_mv https://repositorio.escuelaing.edu.co/handle/001/929
url https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=21784
https://repositorio.escuelaing.edu.co/handle/001/929
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.spa.fl_str_mv Derechos Reservados - Escuela Colombiana de Ingeniería Julio Garavito
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
rights_invalid_str_mv Derechos Reservados - Escuela Colombiana de Ingeniería Julio Garavito
https://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Escuela Colombiana de Ingeniería Julio Garavito
dc.publisher.program.spa.fl_str_mv Maestría en Ingeniería Civil con Énfasis en Recursos Hidráulicos y Medio Ambiente
institution Escuela Colombiana de Ingeniería Julio Garavito
bitstream.url.fl_str_mv https://repositorio.escuelaing.edu.co/bitstream/001/929/1/Guayara%20Calder%c3%b3n%2c%20Leonardo%20Andr%c3%a9s%20-%202019.pdf
https://repositorio.escuelaing.edu.co/bitstream/001/929/2/Autorizaci%c3%b3n%20.pdf
https://repositorio.escuelaing.edu.co/bitstream/001/929/3/license.txt
https://repositorio.escuelaing.edu.co/bitstream/001/929/6/Guayara%20Calder%c3%b3n%2c%20Leonardo%20Andr%c3%a9s%20-%202019.pdf.txt
https://repositorio.escuelaing.edu.co/bitstream/001/929/8/Autorizaci%c3%b3n%20.pdf.txt
https://repositorio.escuelaing.edu.co/bitstream/001/929/7/Guayara%20Calder%c3%b3n%2c%20Leonardo%20Andr%c3%a9s%20-%202019.pdf.jpg
https://repositorio.escuelaing.edu.co/bitstream/001/929/9/Autorizaci%c3%b3n%20.pdf.jpg
bitstream.checksum.fl_str_mv 51deb2459630ed29a6d92a70b20bb5d8
f2a7a6d5e4936a2966d98d7b1ecef747
5a7ca94c2e5326ee169f979d71d0f06e
32d50841abf91f8fd50aaa2ae9af84c9
e1c06d85ae7b8b032bef47e42e4c08f9
a3f74cc61791e726d8a6d0ab31082265
09267c29e16bd799c6ca091226b71685
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Escuela Colombiana de Ingeniería Julio Garavito
repository.mail.fl_str_mv repositorio.eci@escuelaing.edu.co
_version_ 1814355622467993600
spelling Santos Granados, Germán Ricardo (dir)16086250aa46e11286850589ea0412c9Guayara Calderón, Leonardo Andrésb873f1182846798f3c68288e0f7d60a96002019-02-18T16:41:50Z2021-10-01T15:28:26Z2019-02-18T16:41:50Z2021-10-01T15:28:26Z2019https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=21784https://repositorio.escuelaing.edu.co/handle/001/929Se presenta la aplicación al medio colombiano de modelación de lluvia con alta resolución temporal e interrelacionada espacialmente empleando el modelo estocástico Neyman-Scott. El modelo considera que las lluvias se presentan según un proceso de Poisson, cada lluvia está compuesta por discos que representan celdas de lluvia cuyos centros están distribuidos sobre el área siguiendo un proceso de Poisson espacial; las celdas tienen radio, duración e intensidad aleatorias según distribuciones de probabilidad asociadas con las características físicas del proceso, y la intensidad se mantiene constante en el área ocupada por el disco durante la vida de la celda. El modelo, se calibra siguiendo la metodología descrita en Cowpertwait et al (2002) con 11 años de información horaria registrada en 4 pluvios para la cuenca del Río Tunjuelo en la ciudad de Bogotá, mediante la obtención del conjunto de los parámetros que definen las distribuciones de probabilidad empleadas por la teoría para describir la ocurrencia y comportamiento de la lluvia en dicha zona. Con el modelo calibrado se procede a la generación estocástica de series de lluvias sintéticas simultáneas en todos los pluvios del área de interés y finalmente se proponen mecanismos para estimar el grado de preservación de los estadísticos entre las series observadas y los conjuntos de series sintéticas estocásticas generadas. Se encontró que para algunos periodos, el modelo puede generar series sintéticas con buen grado de representatividad a pesar de la poca densidad espacial de registros y la escasa longitud de los mismos.A case study on spatial generation of synthetic rain series through the application of a Neyman-Scott stochastic model, to a colombian catchment is presented. The model assumes that storms arrive in a Poisson process, where each storm consist on discs representing rain cells which centers are distribuited over the area according to a spatial Poisson process. The cells have a random radius, lifetime and intensity following probability distributions associated with physical characteristics of the rain process, and the intensity remain constant over the surface of the disc and cell lifetime. The fitting procedure is executed with the method described on the paper “A space-time Neyman-Scott model of rainfall: Empirical analysis of extremes, (Cowpertwait et al., 2002)” with time series of 11 years length and 1 hour resolution registered by 4 rain gauges on the Tunjuelo River basin in the city of Bogotá. The fitting process consists on the determination of a set of parameters that define the set of probability distributions used to describe the occurrence and behavior of the rain in the study area. Once the model is fitted, stochastic rain series are generated simultaneously on the set of rain gauges, and finally some performance metrics are proposed to asses the ability of the model to preserve statistical parameters between the observed and simulated rain series. It was found that for some periods, the model is able to generate synthetic series that are representative of the observed ones, despite of the low spatial density instrumentation and short registration period.MaestríaMagíster en Ingeniería Civil con Énfasis en Recursos Hidráulicos y Medio Ambienteapplication/pdfspaEscuela Colombiana de Ingeniería Julio GaravitoMaestría en Ingeniería Civil con Énfasis en Recursos Hidráulicos y Medio AmbienteDerechos Reservados - Escuela Colombiana de Ingeniería Julio Garavitohttps://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)http://purl.org/coar/access_right/c_abf2Modelo Neyman-ScottmModelación estocásticaPreservación de parámetros estadísticosSeries observadasSeries sintéticasNeyman-Scott modelStochastic modelsPreservation of statistical parametersObserved seriesSynthetic seriesGeneración espacial de series sintéticas de lluviaTrabajo de grado - Maestríainfo:eu-repo/semantics/publishedVersionTextinfo:eu-repo/semantics/masterThesishttp://purl.org/redcol/resource_type/TMhttp://purl.org/coar/version/c_970fb48d4fbd8a85ORIGINALGuayara Calderón, Leonardo Andrés - 2019.pdfTesis de investigación: Generación Espacial de Series Sintéticas de Lluviaapplication/pdf8780457https://repositorio.escuelaing.edu.co/bitstream/001/929/1/Guayara%20Calder%c3%b3n%2c%20Leonardo%20Andr%c3%a9s%20-%202019.pdf51deb2459630ed29a6d92a70b20bb5d8MD51open accessAutorización .pdfAutorización de publicaciónapplication/pdf148479https://repositorio.escuelaing.edu.co/bitstream/001/929/2/Autorizaci%c3%b3n%20.pdff2a7a6d5e4936a2966d98d7b1ecef747MD52metadata only accessLICENSElicense.txttext/plain1881https://repositorio.escuelaing.edu.co/bitstream/001/929/3/license.txt5a7ca94c2e5326ee169f979d71d0f06eMD53open accessTEXTGuayara Calderón, Leonardo Andrés - 2019.pdf.txtGuayara Calderón, Leonardo Andrés - 2019.pdf.txtExtracted texttext/plain98503https://repositorio.escuelaing.edu.co/bitstream/001/929/6/Guayara%20Calder%c3%b3n%2c%20Leonardo%20Andr%c3%a9s%20-%202019.pdf.txt32d50841abf91f8fd50aaa2ae9af84c9MD56open accessAutorización .pdf.txtAutorización .pdf.txtExtracted texttext/plain2https://repositorio.escuelaing.edu.co/bitstream/001/929/8/Autorizaci%c3%b3n%20.pdf.txte1c06d85ae7b8b032bef47e42e4c08f9MD58metadata only accessTHUMBNAILGuayara Calderón, Leonardo Andrés - 2019.pdf.jpgGuayara Calderón, Leonardo Andrés - 2019.pdf.jpgGenerated Thumbnailimage/jpeg5310https://repositorio.escuelaing.edu.co/bitstream/001/929/7/Guayara%20Calder%c3%b3n%2c%20Leonardo%20Andr%c3%a9s%20-%202019.pdf.jpga3f74cc61791e726d8a6d0ab31082265MD57open accessAutorización .pdf.jpgAutorización .pdf.jpgGenerated Thumbnailimage/jpeg3598https://repositorio.escuelaing.edu.co/bitstream/001/929/9/Autorizaci%c3%b3n%20.pdf.jpg09267c29e16bd799c6ca091226b71685MD59metadata only access001/929oai:repositorio.escuelaing.edu.co:001/9292021-10-01 17:16:22.005open accessRepositorio Escuela Colombiana de Ingeniería Julio Garavitorepositorio.eci@escuelaing.edu.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