Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico
- Autores
- Alonso, Facundo José; Bertoni, Juan Carlos; García, César Luis; Garcia Rodriguez, Carlos Marcelo
- Año de publicación
- 2017
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Los modelos de pronóstico hidrológico son herramientas matemáticas que se emplean mientras se está produciendo una tormenta con el fin de predecir el caudal que se producirá en una sección de un río con un cierto tiempo de anticipación (horizonte de pronóstico). Como información de entrada suelen utilizar la lluvia y el caudal de la sección de interés, registrados en tiempo real. Sin embargo, durante un evento de gran magnitud, algunos sistemas de pronóstico experimentan una degradación en la calidad de los caudales observados en tiempo real, y en algunos se produce pérdida de dicha información. Esta circunstancia lo vuelve un simple modelo de simulación. El juego de valores de parámetros que mejor ajusta al modelo en modo pronóstico,no es necesariamente el óptimo para el mismo modelo en modo simulación, es decir, sin información de caudal observado en tiempo real. En este trabajo se emplea el método de algoritmos genéticos MOCOM-UA para realizar una optimización multiobjetivo del modelo hidrológico GR4P. El objetivo es ofrecer al operador del sistema de alerta de crecidas una herramienta que facilite la toma de decisión ante escenarios diversos. El método se basa en un frente de Pareto determinado por un conjunto de soluciones de compromiso entre dos escenarios a optimizar, que están dados por la mejor performance del modelo matemático frente a: 1) con la disponibilidad de caudales a tiempo real, y 2) sin dicha disponibilidad. La metodología se aplicó en del río Moros en la Bretaña francesa. Los resultados indican que la solución óptima para un escenario produce escasa performance en el otro, ya que se aparta del juego de valores de parámetros para el cual fue calibrado el modelo. Por otro lado, las soluciones de compromiso ofrecen performances aceptables para ambos objetivos. Este estudio es parte del proyecto HYRADIER, una cooperación científica entre Argentina, Brasil y Francia, financiado por el programa STIC-AmSud.
Fil: Alonso, Facundo José. Universidad Nacional de Córdoba. Facultad de Cs.exactas Físicas y Naturales. Departamento de Hidraulica; Argentina
Fil: Bertoni, Juan Carlos. Universidad Nacional de Córdoba. Facultad de Cs.exactas Físicas y Naturales. Departamento de Hidraulica; Argentina
Fil: García, César Luis. Universidad Nacional de Córdoba. Facultad de Cs.exactas Físicas y Naturales. Departamento de Hidraulica; Argentina
Fil: Garcia Rodriguez, Carlos Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Estudios Avanzados En Ingeniería y Tecnología. Universidad Nacional de Córdoba. Facultad de Ciencias exactas Físicas y Naturales. Instituto de Estudios Avanzados En Ingeniería y Tecnología; Argentina - Materia
-
Algoritmos genéticos
Horizontes de pronóstico
Modelos hidrológicos - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/70804
Ver los metadatos del registro completo
id |
CONICETDig_41e7b080fc81855a353d9b3692efdae6 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/70804 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológicoAlonso, Facundo JoséBertoni, Juan CarlosGarcía, César LuisGarcia Rodriguez, Carlos MarceloAlgoritmos genéticosHorizontes de pronósticoModelos hidrológicosLos modelos de pronóstico hidrológico son herramientas matemáticas que se emplean mientras se está produciendo una tormenta con el fin de predecir el caudal que se producirá en una sección de un río con un cierto tiempo de anticipación (horizonte de pronóstico). Como información de entrada suelen utilizar la lluvia y el caudal de la sección de interés, registrados en tiempo real. Sin embargo, durante un evento de gran magnitud, algunos sistemas de pronóstico experimentan una degradación en la calidad de los caudales observados en tiempo real, y en algunos se produce pérdida de dicha información. Esta circunstancia lo vuelve un simple modelo de simulación. El juego de valores de parámetros que mejor ajusta al modelo en modo pronóstico,no es necesariamente el óptimo para el mismo modelo en modo simulación, es decir, sin información de caudal observado en tiempo real. En este trabajo se emplea el método de algoritmos genéticos MOCOM-UA para realizar una optimización multiobjetivo del modelo hidrológico GR4P. El objetivo es ofrecer al operador del sistema de alerta de crecidas una herramienta que facilite la toma de decisión ante escenarios diversos. El método se basa en un frente de Pareto determinado por un conjunto de soluciones de compromiso entre dos escenarios a optimizar, que están dados por la mejor performance del modelo matemático frente a: 1) con la disponibilidad de caudales a tiempo real, y 2) sin dicha disponibilidad. La metodología se aplicó en del río Moros en la Bretaña francesa. Los resultados indican que la solución óptima para un escenario produce escasa performance en el otro, ya que se aparta del juego de valores de parámetros para el cual fue calibrado el modelo. Por otro lado, las soluciones de compromiso ofrecen performances aceptables para ambos objetivos. Este estudio es parte del proyecto HYRADIER, una cooperación científica entre Argentina, Brasil y Francia, financiado por el programa STIC-AmSud.Fil: Alonso, Facundo José. Universidad Nacional de Córdoba. Facultad de Cs.exactas Físicas y Naturales. Departamento de Hidraulica; ArgentinaFil: Bertoni, Juan Carlos. Universidad Nacional de Córdoba. Facultad de Cs.exactas Físicas y Naturales. Departamento de Hidraulica; ArgentinaFil: García, César Luis. Universidad Nacional de Córdoba. Facultad de Cs.exactas Físicas y Naturales. Departamento de Hidraulica; ArgentinaFil: Garcia Rodriguez, Carlos Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Estudios Avanzados En Ingeniería y Tecnología. Universidad Nacional de Córdoba. Facultad de Ciencias exactas Físicas y Naturales. Instituto de Estudios Avanzados En Ingeniería y Tecnología; ArgentinaUniversidad Nacional Santiago Antunez de Mayolo2017-12info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/70804Alonso, Facundo José; Bertoni, Juan Carlos; García, César Luis; Garcia Rodriguez, Carlos Marcelo; Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico; Universidad Nacional Santiago Antunez de Mayolo; APORTE SANTIAGUINO; 8; 1; 12-2017; 45-562070-836X2616-9541CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://revistas.unasam.edu.pe/index.php/AS_V10N2/article/view/242info:eu-repo/semantics/altIdentifier/doi/10.32911/as.2015.v8.n1.242info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:37:03Zoai:ri.conicet.gov.ar:11336/70804instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:37:03.595CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
title |
Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
spellingShingle |
Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico Alonso, Facundo José Algoritmos genéticos Horizontes de pronóstico Modelos hidrológicos |
title_short |
Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
title_full |
Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
title_fullStr |
Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
title_full_unstemmed |
Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
title_sort |
Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
dc.creator.none.fl_str_mv |
Alonso, Facundo José Bertoni, Juan Carlos García, César Luis Garcia Rodriguez, Carlos Marcelo |
author |
Alonso, Facundo José |
author_facet |
Alonso, Facundo José Bertoni, Juan Carlos García, César Luis Garcia Rodriguez, Carlos Marcelo |
author_role |
author |
author2 |
Bertoni, Juan Carlos García, César Luis Garcia Rodriguez, Carlos Marcelo |
author2_role |
author author author |
dc.subject.none.fl_str_mv |
Algoritmos genéticos Horizontes de pronóstico Modelos hidrológicos |
topic |
Algoritmos genéticos Horizontes de pronóstico Modelos hidrológicos |
dc.description.none.fl_txt_mv |
Los modelos de pronóstico hidrológico son herramientas matemáticas que se emplean mientras se está produciendo una tormenta con el fin de predecir el caudal que se producirá en una sección de un río con un cierto tiempo de anticipación (horizonte de pronóstico). Como información de entrada suelen utilizar la lluvia y el caudal de la sección de interés, registrados en tiempo real. Sin embargo, durante un evento de gran magnitud, algunos sistemas de pronóstico experimentan una degradación en la calidad de los caudales observados en tiempo real, y en algunos se produce pérdida de dicha información. Esta circunstancia lo vuelve un simple modelo de simulación. El juego de valores de parámetros que mejor ajusta al modelo en modo pronóstico,no es necesariamente el óptimo para el mismo modelo en modo simulación, es decir, sin información de caudal observado en tiempo real. En este trabajo se emplea el método de algoritmos genéticos MOCOM-UA para realizar una optimización multiobjetivo del modelo hidrológico GR4P. El objetivo es ofrecer al operador del sistema de alerta de crecidas una herramienta que facilite la toma de decisión ante escenarios diversos. El método se basa en un frente de Pareto determinado por un conjunto de soluciones de compromiso entre dos escenarios a optimizar, que están dados por la mejor performance del modelo matemático frente a: 1) con la disponibilidad de caudales a tiempo real, y 2) sin dicha disponibilidad. La metodología se aplicó en del río Moros en la Bretaña francesa. Los resultados indican que la solución óptima para un escenario produce escasa performance en el otro, ya que se aparta del juego de valores de parámetros para el cual fue calibrado el modelo. Por otro lado, las soluciones de compromiso ofrecen performances aceptables para ambos objetivos. Este estudio es parte del proyecto HYRADIER, una cooperación científica entre Argentina, Brasil y Francia, financiado por el programa STIC-AmSud. Fil: Alonso, Facundo José. Universidad Nacional de Córdoba. Facultad de Cs.exactas Físicas y Naturales. Departamento de Hidraulica; Argentina Fil: Bertoni, Juan Carlos. Universidad Nacional de Córdoba. Facultad de Cs.exactas Físicas y Naturales. Departamento de Hidraulica; Argentina Fil: García, César Luis. Universidad Nacional de Córdoba. Facultad de Cs.exactas Físicas y Naturales. Departamento de Hidraulica; Argentina Fil: Garcia Rodriguez, Carlos Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Estudios Avanzados En Ingeniería y Tecnología. Universidad Nacional de Córdoba. Facultad de Ciencias exactas Físicas y Naturales. Instituto de Estudios Avanzados En Ingeniería y Tecnología; Argentina |
description |
Los modelos de pronóstico hidrológico son herramientas matemáticas que se emplean mientras se está produciendo una tormenta con el fin de predecir el caudal que se producirá en una sección de un río con un cierto tiempo de anticipación (horizonte de pronóstico). Como información de entrada suelen utilizar la lluvia y el caudal de la sección de interés, registrados en tiempo real. Sin embargo, durante un evento de gran magnitud, algunos sistemas de pronóstico experimentan una degradación en la calidad de los caudales observados en tiempo real, y en algunos se produce pérdida de dicha información. Esta circunstancia lo vuelve un simple modelo de simulación. El juego de valores de parámetros que mejor ajusta al modelo en modo pronóstico,no es necesariamente el óptimo para el mismo modelo en modo simulación, es decir, sin información de caudal observado en tiempo real. En este trabajo se emplea el método de algoritmos genéticos MOCOM-UA para realizar una optimización multiobjetivo del modelo hidrológico GR4P. El objetivo es ofrecer al operador del sistema de alerta de crecidas una herramienta que facilite la toma de decisión ante escenarios diversos. El método se basa en un frente de Pareto determinado por un conjunto de soluciones de compromiso entre dos escenarios a optimizar, que están dados por la mejor performance del modelo matemático frente a: 1) con la disponibilidad de caudales a tiempo real, y 2) sin dicha disponibilidad. La metodología se aplicó en del río Moros en la Bretaña francesa. Los resultados indican que la solución óptima para un escenario produce escasa performance en el otro, ya que se aparta del juego de valores de parámetros para el cual fue calibrado el modelo. Por otro lado, las soluciones de compromiso ofrecen performances aceptables para ambos objetivos. Este estudio es parte del proyecto HYRADIER, una cooperación científica entre Argentina, Brasil y Francia, financiado por el programa STIC-AmSud. |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017-12 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/70804 Alonso, Facundo José; Bertoni, Juan Carlos; García, César Luis; Garcia Rodriguez, Carlos Marcelo; Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico; Universidad Nacional Santiago Antunez de Mayolo; APORTE SANTIAGUINO; 8; 1; 12-2017; 45-56 2070-836X 2616-9541 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/70804 |
identifier_str_mv |
Alonso, Facundo José; Bertoni, Juan Carlos; García, César Luis; Garcia Rodriguez, Carlos Marcelo; Algoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico; Universidad Nacional Santiago Antunez de Mayolo; APORTE SANTIAGUINO; 8; 1; 12-2017; 45-56 2070-836X 2616-9541 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://revistas.unasam.edu.pe/index.php/AS_V10N2/article/view/242 info:eu-repo/semantics/altIdentifier/doi/10.32911/as.2015.v8.n1.242 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Nacional Santiago Antunez de Mayolo |
publisher.none.fl_str_mv |
Universidad Nacional Santiago Antunez de Mayolo |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844613165570064384 |
score |
13.070432 |