SciELO - Scientific Electronic Library Online

 
vol.21 issue52Structural and pathological monitoring methodology for homes affected by landslidesDispatch prioritization using fuzzy AHP and Topsis author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Tecnura

Print version ISSN 0123-921X

Abstract

AMARIS, Gloria; AVILA, Humberto  and  GUERRERO, Thomas. Aplicación de modelo ARIMA para el análisis de series de volúmenes anuales en el río Magdalena. Tecnura [online]. 2017, vol.21, n.52, pp.88-101. ISSN 0123-921X.  https://doi.org/10.14483/udistrital.jour.tecnura.2017.2.a07.

Resumen Contexto: Los efectos del cambio climático, intervenciones humanas y características de los ríos, son factores que incrementan el riesgo en la población y de los recursos hídricos. Sin embargo, impactos negativos como inundaciones y desecación de ríos pueden ser identificados previamente mediante el uso de herramientas de modelación adecuadas. Objetivos: Se estima un modelo ARIMA para el análisis de series de tiempo de volúmenes anuales (millones de m3/año) en el río Magdalena usando registros de la estación Calamar (Instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia-Ideam), buscando la compatibilidad entre la hipótesis de modelación y los datos observados en el río. Métodos: El modelo ARIMA es considerado uno de los enfoques más implementados en hidrología y estudios relacionados con variabilidad climática dado que considera registros no estacionarios. Resultados: El pronóstico de volumen máximo del río Magdalena para los años 2013 a 2024 oscila entre 289.695 millones de m3 y 309.847 millones de m3. El pronóstico de volumen mínimo para los años de 2013 a 2024 oscila entre 179.123 millones de m3 y 157.764 millones de m3 con una tendencia de decrecimiento de 106 millones de m3 en 100 años. Conclusiones: Los resultados de la simulación con el modelo ARIMA, comparados con los datos observados, muestran un ajuste adecuado de los valores mínimos y máximos. Esto permite concluir que, aunque estos modelos no simulan el comportamiento exacto en el tiempo, son una buena herramienta para aproximar eventos mínimos y máximos.

Keywords : modelo estadístico; modelo auto regresivo; serie de tiempo.

        · abstract in English     · text in Spanish     · Spanish ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License