Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina

Autores
Scuderi, Carlos; Riccardi, Gerardo; Zimmermann, Erik Daniel
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Se presentan diferentes modelos de redes funcionales orientados a pronóstico de niveles, que fueron aplicados en cuencas del Gran Rosario. Las variables de entrada son precipitación y nivel vinculado a un tiempo t0, mientras que la salida está dada por niveles asociados a diferentes horizontes temporales tpi. A partir de los eventos observados, en promedio 10 tormentas sobre 15 estaciones limnimétricas, se calculan las combinaciones posibles para constituir dos grupos: uno para aprendizaje y otro para validación de la red. La evaluación de los modelos se efectúa por medio de distintos estadísticos, entre ellos: diferencia máxima en el nivel pico (Dpico), coeficiente de eficiencia de Nash-Sutcliffe (NS) y raíz del error cuadrático medio (RECM). Para los cuatro limnímetros presentados en este trabajo el valor de Dpico varía entre 0,04 m y 1,07 m, el de NS varía entre 0,99 y 0,75 y el de RECM fluctúa entre 0,03 m y 0,32 m, para tiempos de pronóstico desde 15 minutos hasta 6 horas respectivamente. Este tipo de modelos puede ser implementado en cualquier cuenca que posea datos de precipitación y niveles. Los resultados obtenidos hasta el presente son favorables, demostrando la capacidad de “aprendizaje” y simulación de eventos de estos modelos.
Different models of functional networks oriented to forecasting water levels, which were applied in watersheds of Gran Rosario are presented. The input variables are rainfall and water level linked to a time t0 , while the output is given by water levels associated with different time horizons tpi. From the observed events, an average of 10 storms over 15 gauge stations, the possible combinations are calculated to form two groups: one for learning and one for network validation. The evaluation of the models was carried out using different statistics, including: maximum difference in peak water level (Dpico), coefficient of efficiency Nash-Sutcliffe (NS) and root mean square error (RECM). For the four gauges presented here Dpico value varies between 0,04 m and 1,07 m, the NS varies between 0,99 and 0,75 and the RECM fluctuates between 0,03 m and 0,32 m, for forecasting time from 15 minutes to 6 hours respectively. Such models can be implemented in any basin that has rainfall and water levels data. The results obtained to date are auspicious, showing the ability of "learning" and event simulation of these models.
Fil: Scuderi, Carlos. Departamento de Hidráulica y Centro Universitario Rosario de Investigaciones HidroAmbientales; Argentina
Fil: Riccardi, Gerardo. Departamento de Hidráulica y Centro Universitario Rosario de Investigaciones HidroAmbientales; Argentina. Universidad Nacional de Rosario; Argentina
Fil: Zimmermann, Erik Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Departamento de Hidráulica y Centro Universitario Rosario de Investigaciones HidroAmbientales; Argentina. Universidad Nacional de Rosario. Facultad de Ciencias Exactas, Ingeniería y Agrimensura; Argentina
Materia
MODELOS DE CAJA NEGRA
REDES FUNCIONALES
PRONOSTICO DE NIVELES
CUENCAS DE LLANURA
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/51654

id CONICETDig_4f50680cf18685cfdaff1ed811127e13
oai_identifier_str oai:ri.conicet.gov.ar:11336/51654
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, ArgentinaFunctional network model oriented to water level forecasting in flatland streams of Gran Rosario, Santa Fe, ArgentinaScuderi, CarlosRiccardi, GerardoZimmermann, Erik DanielMODELOS DE CAJA NEGRAREDES FUNCIONALESPRONOSTICO DE NIVELESCUENCAS DE LLANURAhttps://purl.org/becyt/ford/2.7https://purl.org/becyt/ford/2Se presentan diferentes modelos de redes funcionales orientados a pronóstico de niveles, que fueron aplicados en cuencas del Gran Rosario. Las variables de entrada son precipitación y nivel vinculado a un tiempo t0, mientras que la salida está dada por niveles asociados a diferentes horizontes temporales tpi. A partir de los eventos observados, en promedio 10 tormentas sobre 15 estaciones limnimétricas, se calculan las combinaciones posibles para constituir dos grupos: uno para aprendizaje y otro para validación de la red. La evaluación de los modelos se efectúa por medio de distintos estadísticos, entre ellos: diferencia máxima en el nivel pico (Dpico), coeficiente de eficiencia de Nash-Sutcliffe (NS) y raíz del error cuadrático medio (RECM). Para los cuatro limnímetros presentados en este trabajo el valor de Dpico varía entre 0,04 m y 1,07 m, el de NS varía entre 0,99 y 0,75 y el de RECM fluctúa entre 0,03 m y 0,32 m, para tiempos de pronóstico desde 15 minutos hasta 6 horas respectivamente. Este tipo de modelos puede ser implementado en cualquier cuenca que posea datos de precipitación y niveles. Los resultados obtenidos hasta el presente son favorables, demostrando la capacidad de “aprendizaje” y simulación de eventos de estos modelos.Different models of functional networks oriented to forecasting water levels, which were applied in watersheds of Gran Rosario are presented. The input variables are rainfall and water level linked to a time t0 , while the output is given by water levels associated with different time horizons tpi. From the observed events, an average of 10 storms over 15 gauge stations, the possible combinations are calculated to form two groups: one for learning and one for network validation. The evaluation of the models was carried out using different statistics, including: maximum difference in peak water level (Dpico), coefficient of efficiency Nash-Sutcliffe (NS) and root mean square error (RECM). For the four gauges presented here Dpico value varies between 0,04 m and 1,07 m, the NS varies between 0,99 and 0,75 and the RECM fluctuates between 0,03 m and 0,32 m, for forecasting time from 15 minutes to 6 hours respectively. Such models can be implemented in any basin that has rainfall and water levels data. The results obtained to date are auspicious, showing the ability of "learning" and event simulation of these models.Fil: Scuderi, Carlos. Departamento de Hidráulica y Centro Universitario Rosario de Investigaciones HidroAmbientales; ArgentinaFil: Riccardi, Gerardo. Departamento de Hidráulica y Centro Universitario Rosario de Investigaciones HidroAmbientales; Argentina. Universidad Nacional de Rosario; ArgentinaFil: Zimmermann, Erik Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Departamento de Hidráulica y Centro Universitario Rosario de Investigaciones HidroAmbientales; Argentina. Universidad Nacional de Rosario. Facultad de Ciencias Exactas, Ingeniería y Agrimensura; ArgentinaAsociación Argentina de Geología Aplicada a la Ingeniería2015-06info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/zipapplication/pdfhttp://hdl.handle.net/11336/51654Scuderi, Carlos; Riccardi, Gerardo; Zimmermann, Erik Daniel; Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina; Asociación Argentina de Geología Aplicada a la Ingeniería; Revista de Geología Aplicada a la Ingeniería y al Ambiente; 34; 1; 6-2015; 11-201851-7838CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://www.editoresasagai.org.ar/ojs/index.php/rgaia/article/view/87info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:33:58Zoai:ri.conicet.gov.ar:11336/51654instacron: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 10:33:58.832CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina
Functional network model oriented to water level forecasting in flatland streams of Gran Rosario, Santa Fe, Argentina
title Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina
spellingShingle Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina
Scuderi, Carlos
MODELOS DE CAJA NEGRA
REDES FUNCIONALES
PRONOSTICO DE NIVELES
CUENCAS DE LLANURA
title_short Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina
title_full Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina
title_fullStr Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina
title_full_unstemmed Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina
title_sort Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina
dc.creator.none.fl_str_mv Scuderi, Carlos
Riccardi, Gerardo
Zimmermann, Erik Daniel
author Scuderi, Carlos
author_facet Scuderi, Carlos
Riccardi, Gerardo
Zimmermann, Erik Daniel
author_role author
author2 Riccardi, Gerardo
Zimmermann, Erik Daniel
author2_role author
author
dc.subject.none.fl_str_mv MODELOS DE CAJA NEGRA
REDES FUNCIONALES
PRONOSTICO DE NIVELES
CUENCAS DE LLANURA
topic MODELOS DE CAJA NEGRA
REDES FUNCIONALES
PRONOSTICO DE NIVELES
CUENCAS DE LLANURA
purl_subject.fl_str_mv https://purl.org/becyt/ford/2.7
https://purl.org/becyt/ford/2
dc.description.none.fl_txt_mv Se presentan diferentes modelos de redes funcionales orientados a pronóstico de niveles, que fueron aplicados en cuencas del Gran Rosario. Las variables de entrada son precipitación y nivel vinculado a un tiempo t0, mientras que la salida está dada por niveles asociados a diferentes horizontes temporales tpi. A partir de los eventos observados, en promedio 10 tormentas sobre 15 estaciones limnimétricas, se calculan las combinaciones posibles para constituir dos grupos: uno para aprendizaje y otro para validación de la red. La evaluación de los modelos se efectúa por medio de distintos estadísticos, entre ellos: diferencia máxima en el nivel pico (Dpico), coeficiente de eficiencia de Nash-Sutcliffe (NS) y raíz del error cuadrático medio (RECM). Para los cuatro limnímetros presentados en este trabajo el valor de Dpico varía entre 0,04 m y 1,07 m, el de NS varía entre 0,99 y 0,75 y el de RECM fluctúa entre 0,03 m y 0,32 m, para tiempos de pronóstico desde 15 minutos hasta 6 horas respectivamente. Este tipo de modelos puede ser implementado en cualquier cuenca que posea datos de precipitación y niveles. Los resultados obtenidos hasta el presente son favorables, demostrando la capacidad de “aprendizaje” y simulación de eventos de estos modelos.
Different models of functional networks oriented to forecasting water levels, which were applied in watersheds of Gran Rosario are presented. The input variables are rainfall and water level linked to a time t0 , while the output is given by water levels associated with different time horizons tpi. From the observed events, an average of 10 storms over 15 gauge stations, the possible combinations are calculated to form two groups: one for learning and one for network validation. The evaluation of the models was carried out using different statistics, including: maximum difference in peak water level (Dpico), coefficient of efficiency Nash-Sutcliffe (NS) and root mean square error (RECM). For the four gauges presented here Dpico value varies between 0,04 m and 1,07 m, the NS varies between 0,99 and 0,75 and the RECM fluctuates between 0,03 m and 0,32 m, for forecasting time from 15 minutes to 6 hours respectively. Such models can be implemented in any basin that has rainfall and water levels data. The results obtained to date are auspicious, showing the ability of "learning" and event simulation of these models.
Fil: Scuderi, Carlos. Departamento de Hidráulica y Centro Universitario Rosario de Investigaciones HidroAmbientales; Argentina
Fil: Riccardi, Gerardo. Departamento de Hidráulica y Centro Universitario Rosario de Investigaciones HidroAmbientales; Argentina. Universidad Nacional de Rosario; Argentina
Fil: Zimmermann, Erik Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Departamento de Hidráulica y Centro Universitario Rosario de Investigaciones HidroAmbientales; Argentina. Universidad Nacional de Rosario. Facultad de Ciencias Exactas, Ingeniería y Agrimensura; Argentina
description Se presentan diferentes modelos de redes funcionales orientados a pronóstico de niveles, que fueron aplicados en cuencas del Gran Rosario. Las variables de entrada son precipitación y nivel vinculado a un tiempo t0, mientras que la salida está dada por niveles asociados a diferentes horizontes temporales tpi. A partir de los eventos observados, en promedio 10 tormentas sobre 15 estaciones limnimétricas, se calculan las combinaciones posibles para constituir dos grupos: uno para aprendizaje y otro para validación de la red. La evaluación de los modelos se efectúa por medio de distintos estadísticos, entre ellos: diferencia máxima en el nivel pico (Dpico), coeficiente de eficiencia de Nash-Sutcliffe (NS) y raíz del error cuadrático medio (RECM). Para los cuatro limnímetros presentados en este trabajo el valor de Dpico varía entre 0,04 m y 1,07 m, el de NS varía entre 0,99 y 0,75 y el de RECM fluctúa entre 0,03 m y 0,32 m, para tiempos de pronóstico desde 15 minutos hasta 6 horas respectivamente. Este tipo de modelos puede ser implementado en cualquier cuenca que posea datos de precipitación y niveles. Los resultados obtenidos hasta el presente son favorables, demostrando la capacidad de “aprendizaje” y simulación de eventos de estos modelos.
publishDate 2015
dc.date.none.fl_str_mv 2015-06
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/11336/51654
Scuderi, Carlos; Riccardi, Gerardo; Zimmermann, Erik Daniel; Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina; Asociación Argentina de Geología Aplicada a la Ingeniería; Revista de Geología Aplicada a la Ingeniería y al Ambiente; 34; 1; 6-2015; 11-20
1851-7838
CONICET Digital
CONICET
url http://hdl.handle.net/11336/51654
identifier_str_mv Scuderi, Carlos; Riccardi, Gerardo; Zimmermann, Erik Daniel; Modelo de redes funcionales orientado a pronóstico de crecidas en cursos de llanura del Gran Rosario, Santa Fe, Argentina; Asociación Argentina de Geología Aplicada a la Ingeniería; Revista de Geología Aplicada a la Ingeniería y al Ambiente; 34; 1; 6-2015; 11-20
1851-7838
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://www.editoresasagai.org.ar/ojs/index.php/rgaia/article/view/87
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/zip
application/pdf
dc.publisher.none.fl_str_mv Asociación Argentina de Geología Aplicada a la Ingeniería
publisher.none.fl_str_mv Asociación Argentina de Geología Aplicada a la Ingeniería
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_ 1844614355631472640
score 13.070432