Modelos de interpolación de precipitación diaria obtenidos a partir de programación genética

Autores/as

  • Maritza Liliana Arganis-Juárez Universidad Nacional Autónoma de México
  • Margarita Preciado-Jiménez Instituto Mexicano de Tecnología del Agua
  • Katya Rodríguez-Vázquez Universidad Nacional Autónoma de México

DOI:

https://doi.org/10.17533/udea.redin.n75a18

Palabras clave:

programación genética, modelos de interpolación, isoyetas, coordenadas geográficas, precipitación diaria

Resumen

Se aplicó el algoritmo de cómputo evolutivo de programación genética (PG)  para  obtener  modelos  matemáticos  de  interpolación  de  precipitación  diaria   en  una  estación  climatológica,  utilizando  datos  medidos  en  las  estaciones   cercanas a la cuenca del Río Cutzamala en México. Los modelos obtenidos  toman  en  cuenta  tanto  las  coordenadas  geográficas  de  las  estaciones  climatológicas  como  su  elevación;  la  respuesta  de  los  modelos  se  comparó   contra los resultados obtenidos con ayuda de regresiones lineales múltiples,  presentando  un  mejor  desempeño  programación  genética.  Adicionalmente,   se  construyeron  mapas  de  isoyetas  para  comparar  las  formas  espaciales  entre  los  datos  de  precipitación  medidos  y  calculados  en  la  cuenca  del  Río   Cutzamala  para  una  tormenta  máxima  histórica  registrada  en  el  año  2006,   observándose  concordancia  en  los  resultados  en  el  caso  de  precipitaciones   mayores de 23 mm. La programación genética representa una herramienta de  utilidad práctica para aproximar modelos matemáticos de variables aplicadas  en problemas de ingeniería y se pueden obtener nuevos modelos en distintas  cuencas al aplicar estos algoritmos.

|Resumen
= 304 veces | PDF (ENGLISH)
= 238 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Maritza Liliana Arganis-Juárez, Universidad Nacional Autónoma de México

Investigadora titular, profesora de asignatura. Instituto de Ingeniería. Coordinación de Hidráulica.

Margarita Preciado-Jiménez, Instituto Mexicano de Tecnología del Agua

Especialista en Hidráulica. Subcoordinación de Hidrología Superficial.

Katya Rodríguez-Vázquez, Universidad Nacional Autónoma de México

Investigador titular, Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas. .Ingeniería de sistemas computacionales y automatización.

Citas

C. Liu, F. Chen. “Estimation of the spatial rainfall distribution using inverse distance weighting (IDW) in the middle of Taiwan”. Paddy and Water Environment. Vol. 10. 2012. pp. 209-222.

Z. Bargaoui, A. Chebbi. “Comparison of two kriging interpolation methods Applied to spatio-temporal rainfall”. Journal of Hydrology . Vol. 365. 2009. pp. 56-73.

N. Memarsadeghi, D. Mount. Cokriging Interpolation . Scholarly paper for Master’s degree, Computer Science Department of University of Maryland. Available on: https://www.cs.umd.edu/sites/default/files/scholarly_papers/cokriging_1.pdf%20. Accessed: December 6th, 2014.

A. Gires, I. Tchiguirinskaia, D. Schertzer, S. Lovejoy. “Analyses multifractales et spatio-temporelles des précipitations du modèle Méso-NH et des données radar”. Hydrol. Sci. J. Vol 56. 2011. pp 380-396.

S. Karmakar, M. Kowar, P. Guhathakurta. Spatial Interpolation of Rainfall Variables using Artificial Neural Network . Proceedings of the International Conference on Advances in Computing, Communication and Control (ICAC3’09). Mumbai, India. 2009. pp. 547-552.

L. Hay, R. Viger, G. McCabe . “Precipitation interpolation in mountainous regions using multiple linear regression”. Hydrology, Water Resources and Ecology in Headwaters ( Proceedings of the HeadWater’98 Conference held at Meran/Merano, Italy). N.° 248. 1998. pp. 33-38.

Mair, A. Fares. “Comparison of Rainfall Interpolation Methods in a Mountainous Region of a Tropical Island”. J. Hydrol. Eng. Vol. 16. 2011. pp. 371-383.

S. Ly, C. Charles, A. Degré. “Different methods for spatial interpolation of rainfall data for operational hydrology and hydrological modeling at watershed scale: A review”. Biotechnol. Agron. Soc. Environ. Vol. 17. 2013. pp. 392-406.

J. Rabuñal, J. Dorado, A. Pazos, D. Pereira. “A new approach to the extraction of ANN rules and to their generalization capacity through GP”. Neural Computation . Vol. 16. 2004. pp. 1483-1523.

M. Arganis, R. Val, J. Prats, K. Rodriguez, M. Dolz, R. Dominguez. “Genetic programming and standardization in water temperature modeling”. Advances in Civil Engineering. Vol. 2009. 2009. pp. 1-10.

R. Dominguez, O. Fuentes, M. Arganis, A. Mendoza. “Calculation of Double Bivariate Gumbel probability density function via a Genetic Algorithm: Application to Huites dam basin”. Journal of Flood Engineering (IFE). Vol. 21. 2009. pp. 293-300.

J. Preciado, M. Ocon, M. Arganis. Approximation of bivariate empirical distribution function of the maximum historic inflow avenues to a dam using genetic programming. Proceedings of the XXII Congress of Hydraulics. Acapulco, Mexico. 2012. pp. 7-9.

K. Rodriguez, M. Arganis, C. Cruickshank, R. Dominguez. “Rainfall-runoff modeling using genetic programming”. Journal of Hydroinformatics . Vol. 14. 2012. pp. 108-121.

W. Banzhaf, P. Nordin, R. Keller, F. Francone. Genetic Programming: An Introduction: On the Automatic Evolution of Computer Programs and Its Applications. 1 st ed. Ed. Morgan Kaufmann. San Francisco, USA. 1998. pp. 481.

N. Cramer. A Representation for the Adaptive Generation of Simple Sequential Programs. Proceedings of the 1 st Int. Conf. on Genetic Algorithms and the Applications. Pittsburg, USA. 1985. pp. 183- 187.

J. Koza. Hierarchical Genetic Algorithms Operating on Populations of Computer Programs. Proceedings of the 11 th Int. Joint Conf. on Artificial Intelligence. Detroit, USA. 1989. pp. 768-774.

D. Goldberg. Genetic Algorithms in Search, Optimization and Machine Learning . 1 st ed. Ed. Addison Wesley. Reading, USA. 1989. pp. 412.

The MathWorks. MATLAB Reference Guide . The MathWorks, Inc. Natick, USA. 1992-2015.

Instituto Nacional de Ecología. La cuenca del río Balsas . Available on: http://www2.inecc.gob.mx/publicaciones/libros/402/cuencabalsas.html. Accessed: April 7, 2015.

Descargas

Publicado

2015-05-19

Cómo citar

Arganis-Juárez, M. L., Preciado-Jiménez, M., & Rodríguez-Vázquez, K. (2015). Modelos de interpolación de precipitación diaria obtenidos a partir de programación genética. Revista Facultad De Ingeniería Universidad De Antioquia, (75), 189–201. https://doi.org/10.17533/udea.redin.n75a18

Artículos más leídos del mismo autor/a