Altoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico
- Autores
- Alonso, Facundo José; Bertoni, Juan Carlos; García, César Luis; García Rodríguez, Carlos M.
- Año de publicación
- 2015
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Fil: Alonso, Facundo José. Universidad Nacional de Córdoba; Argentina.
Fil: Bertoni, Juan Carlos. Universidad Nacional de Córdoba; Argentina.
Fil: García, César Luis. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: García, César Luis. Universidad Católica de Córdoba, Facultad de Ingeniería; Argentina.
Fil: García Rodríguez, Carlos M. Universidad Nacional de Córdoba; Argentina.
Fil: García Rodríguez, Carlos M. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
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; Argentina.
Fil: Bertoni, Juan Carlos. Universidad Nacional de Córdoba; Argentina.
Fil: García, César Luis. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: García, César Luis. Universidad Católica de Córdoba, Facultad de Ingeniería; Argentina.
Fil: García Rodríguez, Carlos M. Universidad Nacional de Córdoba; Argentina.
Fil: García Rodríguez, Carlos M. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Otras Ingeniería del Medio Ambiente - Materia
-
Tormentas
Horizonte de pronóstico
Lluvia
Caudales
STIC-AmSud - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- Repositorio
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/551722
Ver los metadatos del registro completo
id |
RDUUNC_5422a3aeeff50c3d721ae0b488db65c5 |
---|---|
oai_identifier_str |
oai:rdu.unc.edu.ar:11086/551722 |
network_acronym_str |
RDUUNC |
repository_id_str |
2572 |
network_name_str |
Repositorio Digital Universitario (UNC) |
spelling |
Altoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológicoAlonso, Facundo JoséBertoni, Juan CarlosGarcía, César LuisGarcía Rodríguez, Carlos M.TormentasHorizonte de pronósticoLluviaCaudalesSTIC-AmSudFil: Alonso, Facundo José. Universidad Nacional de Córdoba; Argentina.Fil: Bertoni, Juan Carlos. Universidad Nacional de Córdoba; Argentina.Fil: García, César Luis. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.Fil: García, César Luis. Universidad Católica de Córdoba, Facultad de Ingeniería; Argentina.Fil: García Rodríguez, Carlos M. Universidad Nacional de Córdoba; Argentina.Fil: García Rodríguez, Carlos M. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.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; Argentina.Fil: Bertoni, Juan Carlos. Universidad Nacional de Córdoba; Argentina.Fil: García, César Luis. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.Fil: García, César Luis. Universidad Católica de Córdoba, Facultad de Ingeniería; Argentina.Fil: García Rodríguez, Carlos M. Universidad Nacional de Córdoba; Argentina.Fil: García Rodríguez, Carlos M. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.Otras Ingeniería del Medio Ambiente2015info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/11086/551722spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-29T13:43:19Zoai:rdu.unc.edu.ar:11086/551722Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:43:19.457Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse |
dc.title.none.fl_str_mv |
Altoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
title |
Altoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
spellingShingle |
Altoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico Alonso, Facundo José Tormentas Horizonte de pronóstico Lluvia Caudales STIC-AmSud |
title_short |
Altoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
title_full |
Altoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
title_fullStr |
Altoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
title_full_unstemmed |
Altoritmos genéticos como herramienta de decisión frente a diversos escenarios de pronóstico hidrológico |
title_sort |
Altoritmos 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 García Rodríguez, Carlos M. |
author |
Alonso, Facundo José |
author_facet |
Alonso, Facundo José Bertoni, Juan Carlos García, César Luis García Rodríguez, Carlos M. |
author_role |
author |
author2 |
Bertoni, Juan Carlos García, César Luis García Rodríguez, Carlos M. |
author2_role |
author author author |
dc.subject.none.fl_str_mv |
Tormentas Horizonte de pronóstico Lluvia Caudales STIC-AmSud |
topic |
Tormentas Horizonte de pronóstico Lluvia Caudales STIC-AmSud |
dc.description.none.fl_txt_mv |
Fil: Alonso, Facundo José. Universidad Nacional de Córdoba; Argentina. Fil: Bertoni, Juan Carlos. Universidad Nacional de Córdoba; Argentina. Fil: García, César Luis. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Fil: García, César Luis. Universidad Católica de Córdoba, Facultad de Ingeniería; Argentina. Fil: García Rodríguez, Carlos M. Universidad Nacional de Córdoba; Argentina. Fil: García Rodríguez, Carlos M. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. 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; Argentina. Fil: Bertoni, Juan Carlos. Universidad Nacional de Córdoba; Argentina. Fil: García, César Luis. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Fil: García, César Luis. Universidad Católica de Córdoba, Facultad de Ingeniería; Argentina. Fil: García Rodríguez, Carlos M. Universidad Nacional de Córdoba; Argentina. Fil: García Rodríguez, Carlos M. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Otras Ingeniería del Medio Ambiente |
description |
Fil: Alonso, Facundo José. Universidad Nacional de Córdoba; Argentina. |
publishDate |
2015 |
dc.date.none.fl_str_mv |
2015 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11086/551722 |
url |
http://hdl.handle.net/11086/551722 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositorio Digital Universitario (UNC) instname:Universidad Nacional de Córdoba instacron:UNC |
reponame_str |
Repositorio Digital Universitario (UNC) |
collection |
Repositorio Digital Universitario (UNC) |
instname_str |
Universidad Nacional de Córdoba |
instacron_str |
UNC |
institution |
UNC |
repository.name.fl_str_mv |
Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba |
repository.mail.fl_str_mv |
oca.unc@gmail.com |
_version_ |
1844618952772157440 |
score |
13.070432 |