Sistema de Pearson y modelos matemáticos aplicados a la hidrología
DOI:
https://doi.org/10.18041/1794-4953/avances.1.1288Palabras clave:
Modelación matemática, Series históricas de datos, Sistemas ambientales, Sistema de PearsonResumen
La aplicación de modelos matemáticos en las distintas áreas de la ciencia enfocados a estudiar fenómenos y eventos que ocurren sobre una superficie hoy día se ha convertido en una herramienta principal, permitiendo ser eficientes, brindando soluciones acertadas y con mayor confiabilidad. Los sistemas ambientales han sido objeto de análisis por parte de la modelación matemática, para comprender la dinámica, el comportamiento espacial y temporal de las variables meteorológicas e hidrológicas y su incidencia en otros procesos y eventos. El sistema de curvas de frecuencia de Pearson ha sido ampliamente utilizado en áreas como economía, finanzas, en el campo militar e ingeniería para analizar trayectorias de series de datos y hallar el comportamiento probabilístico de un objeto o fenómeno en su dinámica, a partir de su información histórica. En forma general se encontró que el modelo Black-Sholes-Merton, Axiomas de Kolmogorov, Sistema de curvas de frecuencia de Pearson, el modelo Pearson-Wiener, las distribuciones de probabilidad, así mismo la ecuación Fokker-Planck-Kolmogorov, modelación hidrológica estocástica, modelo hidrológico SIMGRO, el método GRADEX se han aplicado en la determinación del comportamiento de las variables hidrometeorológicas, estimación de caudales máximos, gestión de ecosistemas reguladores del recurso hídrico y el manejo de cuencas hidrográficas.
Descargas
Referencias
Gómez, V. M. (2009). Karl Pearson, elcreador de la estadística matemática.Universidad Complutense de Madrid,Madrid, España.
Pearson K. (1895) Contributions to theMathematical Theory of Evolution.II. Skew Variation in HomogeneousMaterial. Philosophical Transaction ofthe Royal Society A, London.
Elderton, P. W. (1906). Frequency curvesand correlation. London, Institute ofActuaries.
Cárdenas, J. C., Rivera, M. E y Rivera, H. G.(2014). Aplicación del modelo Pearson-Wieneren la dinámica de los caudalesmáximos diarios en el rio Fonce enSan Gil (Santander) con fines de proteccióncontra la socavación de puentes.V Congreso Internacional de IngenieríaCivil, Universidad Santo Tomas Seccionalde Tunja, Tunja, Colombia.
Elderton, P. W. (1938). Frequency Curvesand Correlations. Cambridge UniversityPress, New York.
Elderton, P. W y Johnson, L. N. (1969). Systemsof frequency curves. CambridgeUniversity Press, New York.
Rich, N., Greene, L y Graham, R. (1971). ThePearson’s System of frequency curvesdigital computer program. U.S ArmyMissile Command, Redstone Arsenal,Alabama.
Herrerías, R y Callejón, J. (2001). Los sistemasde Pearson como generadoresde distribuciones de probabilidad.Aplicaciones estadísticas y económicas.Universidad de Granada, España.
Andreev, A., Kanto, A y Pekka, M. (2005).Simple Approach for distribution se-lection in the Pearson System. Helsinkischool of economics, Finland.
Pizzutilo, F. (2012). Use of the PearsonSystem of Frequency Curves for theAnalysis of stock Return Distribution:Evidence and Implications for the ItalianMarket. Economics Bulletin, Vol 32No 1, 272-281.
Azrulhisham, E.A., Zakaria, K.P., Samizee,A and Juhari, M.B.M. (2012). PearsonSystem Distribution Approximationin Wind Energy Potential Analysis.Malaysia France Institute, UniversityKuala Lumpur, Malaysia.
Correa, H. J., Castro, G. A y Rivera, H.G. (2014). Aplicación del modeloBlack-Sholes-Merton en el estudiodel comportamiento errático de losincrementos de caudales máximos(Rio Fonce, Santander). V CongresoInternacional de Ingeniería Civil, UniversidadSanto Tomas Seccional deTunja, Tunja, Colombia.
Rivera, M.E., Correa, H. J., Avendaño, B. Ay Rivera, H.G. (2015). Construcción deun proceso estocástico para simularel movimiento de caudales mediosen el rio Fonce (San Gil-Santander).AVANCES Investigación en ingenieríaVol 12 ISSN: 1794-4953.
Torres, P. K., Rivera, H.G., Rivera, M.E.,Fuentes, B. J y León, A. M. (2015).Identificación de la incertidumbre enel proceso estocástico de caudalesmedios en el rio Fonce (San Gil-Santander).AVANCES Investigación eningeniería Vol 12 ISSN: 1794-4953.
Fuentes, J. (2015). Aplicación del sistemade Pearson en el modelado estocásticode los procesos de precipitación,evaporación y escorrentía superficial(caudales medios) en el rio Fonce(Santander). Universidad militar nuevagranada, Facultad de ingeniería civil,Bogotá D.C, Colombia.
Fuentes, J., Palacio, G. D., Hoyos, O. L.,Rivera, H. G. (2015). Oportunidadesentre la tecnología militar y la ingenieríacivil. Caso de estudio: Aplicación delSistema Estadístico de Pearson en lamodelación de los caudales mediosmensuales del rio Fonce-Santander.Rev. Ingenieros Militares, vol 10, 73-84.
Montañez, J. C. (2016). Interpretaciónestadística de la variabilidad climáticaen Santander y análisis de lasproyecciones de cambio climático encondiciones de proceso estocásticoestacionario. Caso de estudio: RíoFonce. Universidad militar nueva granada,Facultad de ingeniería, IngenieraCivil, Bogotá D.C.
Martínez, L. F. (2016). Pronóstico hidrológicode caudales diarios en el rio Fonce (SanGil) mediante correlaciones de Pearsonlluvia-escorrentía en épocas de aguasbajas. Ponencia presentada en el VICongreso Internacional de IngenieríaCivil. Universidad Santo Tomas, Tunja.
Jiménez, G. D., Fuentes, J y Rivera, M.E. (2016). Modelado del histogramade frecuencias de las velocidadesanuales del agua del rio Fonce(San Gil, Santander) mediante elSistema de Pearson. Revista IngenierosMilitares, No.11, 18.
Libonatti, G. C. (2016). Aplicación de laestadística pearsoniana en el estudio dela dinámica de las lluvias multianualesen Santander y Boyacá con énfasis enla cuenca del rio Fonce. Universidadmilitar nueva granada, Facultad deingeniería, Ingeniería civil, Bogotá D.C,Colombia.
Ordoñez, S. J. (1974). Modelos matemáticosen hidrología. Bogotá, Colombia.
Fernández, M. M., Vela, M. A., Castaño, F.S. (1997). La utilización de modelos enhidrología. Selección de teledeteccióny sistemas de información geografía.Instituto de desarrollo regional de laUniversidad de Castilla, La Mancha,España.
Chavasse, D.I y Seoane, R.S. (1997). Asociacióndeterminístico-estocástica parapredicción de caudales. Ingeniería delAgua. Volumen 4. Núm. 2. Argentina.
Dueñas, C. (1997). Marco normativo vigenteante el riesgo de inundaciones.En: Jornadas Parlamentarias sobreprevención de riesgos relacionadoscon el agua: VI-La protección civil anteel riesgo de inundaciones, Cámara delSenado. Madrid, España.
Kovalenko, V. (1993). Modelirovanie Guidrologuicheskijprotsessov. 256. Guidrometeoizdat,San Petersburgo.
Domínguez, E. A. (2000). Protocolo parala modelación matemática de procesoshidrológicos. Meteorología Colombiana,2, 33-38, ISSN 0124-6984. Bogotá,D.C, Colombia.
Domínguez, E. A. (2004). Aplicación dela ecuación de Fokker-Planck-Kolmogorovpara el pronóstico de afluenciasa embalses hidroeléctricos (caso prácticode la represa de Betania). MeteorologíaColombiana, 8; 17-26, ISSN0124-6984. Bogotá, D.C, Colombia.
Ponce, V. (1989). “Modelos Hidrológicos”.En: Engineering Hydrology, EditorialPrentice Hall, (13).
Aparicio, M. F. (1992). Fundamentos de hidrologíade superficie. Editorial Limusa:Grupo Noriega Editores, México, D.F.
Chow, V.T., Maidment, D.R y Mays, L.W.(1994). Hidrología aplicada. McGrawHill, México, D.F.
Aguilera, N. M. (2007). Estimación de funcionesde distribución de probabilidadpara caudales máximos en la región delMaule. Universidad de TALCA, Facultadde ciencias forestales, escuela deingeniería forestal, Talca-Chile.
Mecca, J. C. (2008). Análisis y modelacióndel comportamiento hidrológico delas lagunas Don Tomas y bajo GiulianiSanta Rosa, La Pampa. UniversidadNacional de La Pampa, Argentina.
García, G. F. (2010). Modelación hidrológicaestocástica: desarrollo de un modelode generación sintética de series temporales.Universidad autónoma GabrielRene Moreno. Santa Cruz-Bolivia.
Rébori, M. G., Querner, E., Feler. M. V yBarrionuevo, N. (2010). Simulación delflujo de aguas subterráneas, utilizandoSIMGRO en el noroeste de BuenosAires. Revista digital del Grupo deEstudios sobre Geografía y AnálisisEspacial con Sistemas de InformaciónGeográfica (GESIG), 2, 98-100.
Fattorelli, S y Fernández, P. (2011). Diseñohidrológico. Biblioteca virtual de laWASA-GN, Argentina.
Minga, G. M. (2011). Implementación de herramientasde funciones de distribuciónde probabilidad y prueba de bondadde ajuste en el laboratorio virtual dehidrología (HYDROVLAB). Universidadtécnica particular de Loja, escuela deingeniería civil, Loja-Ecuador.
Pinzón, M. J y Suarez, B. J. (2011). Determinaciónde crecientes extremasen las cuencas de alta montaña delrio Guadalupe y la quebrada piedrasblancas mediante la aplicación del métodoGRADEX. Pontificia UniversidadJaveriana, Facultad de Ingeniería, Departamentode ingeniería civil, BogotáD.C, Colombia.
Navarro, S. A. (2012). Avances en la modelaciónhidrológica de gran escalaen cuencas patagónicas medianteincorporación de re-análisis climatológicos:aplicación a la cuenca del ríoBaker, región de Aysén. Universidad deChile, Santiago de Chile, Chile.
Gil, E. G. (2012). Modelación hidrológicade los páramos andinos con Topmodel:paramo de Chingaza, Colombia.Universidad Nacional de Colombia,Medellín, Colombia.
Parra, J. E. (2012). La estadística y sus aplicacionesen la ingeniería de petróleos.Universidad Industrial de Santander,Bucaramanga, Colombia[41] Acosta, C. P y Sierra, A. L. (2013). Evaluaciónde métodos de construcción decurvas IDF a partir de distribuciones deprobabilidad y parámetros de ajuste.Revista Facultad de Ingeniería, UPTC,Vol 22, No. 35. pp. 25-33.
Seoane, M. R. (2015). Modelos probabilísticosy estimación de la incertidumbreen procesos hidrológicos. Universidadde la Coruña, Instituto Universitariode Xeoloxia
