- -

Mejora en las simulaciones de un modelo hidrogeológico de base física mediante corrección complementaria de sus errores

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Mejora en las simulaciones de un modelo hidrogeológico de base física mediante corrección complementaria de sus errores

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.author Reyes Alcalde, Jorge Mauricio es_ES
dc.date.accessioned 2017-05-19T11:25:48Z
dc.date.available 2017-05-19T11:25:48Z
dc.date.issued 2017-04-28
dc.identifier.issn 1134-2196
dc.identifier.uri http://hdl.handle.net/10251/81491
dc.description.abstract [EN] Physically-Based groundwater Models (PBM), such MODFLOW, are used as groundwater resources evaluation tools supposing that the produced differences (residuals or errors) are white noise. However, in the facts these numerical simulations usually show not only random errors but also systematic errors. For this work it has been developed a numerical procedure to deal with PBM systematic errors, studying its structure in order to model its behavior and correct the results by external and complementary means, trough a framework called Complementary Correction Model (CCM). The application of CCM to PBM shows a decrease in local biases, better distribution of errors and reductions in its temporal and spatial correlations, with 73% of reduction in global RMSN over an original PBM. This methodology seems an interesting chance to update a PBM avoiding the work and costs of interfere its internal structure es_ES
dc.description.abstract [ES] Los Modelos hidrogeológicos de Base Física (MBF), como MODFLOW, se utilizan como herramienta de evaluación de recursos hídricos subterráneos considerando que las diferencias producidas entre lo simulado y lo observado (residuos o errores) corresponden a ruido blanco. Sin embargo, en la práctica las simulaciones numéricas presentan normalmente errores no sólo aleatorios sino también sistemáticos. En este trabajo se ha desarrollado un procedimiento numérico para tratar con los errores sistemáticos de los MBF, estudiando su estructura para modelar su comportamiento y corregir los resultados de forma externa y complementaria mediante un esquema denominado Modelo de Corrección Complementaria (MCC). La aplicación del MCC al MBF muestra disminución en las desviaciones locales, mejor distribución de los errores y reducciones en las correlaciones temporales y espaciales de los residuos, con una reducción de un 73% en el RMSN global respecto del MBF original. Esta metodología se observa como una interesante posibilidad de actualizar un MBF evitando el trabajo y los costos de intervenir su estructura interna. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València
dc.relation.ispartof Ingeniería del Agua
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject Modelación es_ES
dc.subject Hidrogeología es_ES
dc.subject Corrección complementaria es_ES
dc.subject Geoestadística es_ES
dc.subject Redes neuronales artificiales es_ES
dc.title Mejora en las simulaciones de un modelo hidrogeológico de base física mediante corrección complementaria de sus errores es_ES
dc.title.alternative Improvement of the physically-based groundwater model simulations through complementary correction of its errors es_ES
dc.type Artículo es_ES
dc.date.updated 2017-05-19T11:13:20Z
dc.identifier.doi 10.4995/ia.2017.7066
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Reyes Alcalde, JM. (2017). Mejora en las simulaciones de un modelo hidrogeológico de base física mediante corrección complementaria de sus errores. Ingeniería del Agua. 21(2):119-134. https://doi.org/10.4995/ia.2017.7066 es_ES
dc.description.accrualMethod SWORD es_ES
dc.relation.publisherversion https://doi.org/10.4995/ia.2017.7066 es_ES
dc.description.upvformatpinicio 119 es_ES
dc.description.upvformatpfin 134 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 21
dc.description.issue 2
dc.identifier.eissn 1886-4996
dc.description.references Ayala, Cabrera y Asociados Ltda. 2000. Modelo de Simulación Hidrológico Operacional, cuencas de los ríos Maipo y Mapocho, Dpto. de Estudios y Planificación DGA, S.I.T. n°62. es_ES
dc.description.references Barra, L. 2010. Apuntes del curso Gestión Operacional de Aguas Subterráneas, CI66K. Departamento de Ingeniería Civil, Universidad de Chile. es_ES
dc.description.references Center for Climate and Resilience Research (CR)2 2015. La megasequía 2010-2015: Una lección para el futuro. Nov 2015. es_ES
dc.description.references Coppola, E. A., Rana, A. J., Poulton, M. M., Szidarovszky, F., Uhl, V. W. 2005 A neural network model for predicting aquifer water elevation. Groundwater, 43(2), 231-241. https://doi.org/10.1111/j.1745-6584.2005.0003.x es_ES
dc.description.references Dagan, G. 2002. An Overview of Stochastic Modeling of Groundwater Flow and Transport: From Theory to Applications. EOS Transactions American Geophysical Union, 83(53), 621-625. https://doi.org/10.1029/2002EO000421 es_ES
dc.description.references Daliakopoulos, I. N., Coulibaly, P., Tsanis, I. K. 2004. Groundwater level forecasting using artificial neural networks. Journal of Hydrology, 309(1-4), 229-240. http://doi.org/10.1016/j.jhydrol.2004.12.001 es_ES
dc.description.references Demissie, Y., Valocchi, A., Minsker, B., Bailey, B. 2008. Integrating a calibrated groundwater flow model with error-correcting data-driven models to improve predictions. Journal of Hydrology, 364(3-4), 257-271. http://doi.org/10.1016/j.jhydrol.2008.11.007 es_ES
dc.description.references Departamento de Administración de Recursos Hídricos, DGA. 2002. Informe de Zonificación Hidrogeológica para las Regiones Metropolitana y V, DGA, S.D.T. n°133. es_ES
dc.description.references Departamento de Administración de Recursos Hídricos, DGA. 2007. Evaluación de la explotación máxima sustentable del acuífero Santiago Sur "Modelación Hidrogeológica de las cuencas Maipo Mapocho", DGA S.I.T. n°119. es_ES
dc.description.references Departamento de Estudios y Planificación, DGA. 2006. Modelación superficial para la cuenca de los ríos Maipo Mapocho -Estimación de la recarga para escenario Actual 2005-, DGA S.D.T. n°235. es_ES
dc.description.references Departamento de Ingeniería Hidráulica y Ambiental, PUC. 1994. Modelación del Sistema de Agua Subterránea de los acuíferos de La Dehesa, Lo Barnechea y Las Condes. es_ES
dc.description.references DICTUC. 1999. Estudio Hidrológico de Fuentes Superficiales y Subterráneas de Aguas Cordillera S.A. es_ES
dc.description.references DICTUC. 2003. Análisis de efectos de pozos Libardón sobre pozos del Grupo Aguas, Minutas técnicas n°4, n°5 y n°7. es_ES
dc.description.references Emery, X. 2007. Apuntes del curso Geoestadística, MI68A. Departamento de Ingeniería de Minas, Universidad de Chile. es_ES
dc.description.references Muñoz, J., Fernández, B., Escauriaza, C. 2002. Evaluation of Groundwater availability and sustainable extraction rate for the Upper Santiago Valley, Chile. Hydrogeology Journal, 11(6), 687-700. https://doi.org/10.1007/s10040-003-0292-2 es_ES
dc.description.references Nourani, V., Mogaddam, A., Nadiri, A. 2008. An ANN-based model for spatiotemporal groundwater level forecasting. Hydrological Processes, 22(26), 5054-5066. https://doi.org/10.1002/hyp.7129 es_ES
dc.description.references Renard, P. 2007. Stochastic Hydrogeology: what professionals really need?. Ground Water, 45(5), 531-541. https://doi.org/10.1111/j.1745-6584.2007.00340.x es_ES
dc.description.references Reyes, J. 2016. Mejora en las simulaciones de un modelo hidrogeológico de base física mediante corrección complementaria de sus errores. Tesis para optar al grado de Magíster en Ciencias de la Ingeniería, mención Recursos y Medio Ambiente Hídrico. Departamento de Ingeniería Civil, Universidad de Chile. es_ES
dc.description.references Servicio de Evaluación Ambiental, Gobierno de Chile. 2012. Guía para el uso de Modelos de aguas subterráneas en el SEA. es_ES
dc.description.references Vargas, X., McPhee, J. 2012. Apuntes del curso Análisis Hidrológico y Evaluación de Recursos Hídricos Avanzados, CI71C. Departamento de Ingeniería Civil, Universidad de Chile. es_ES
dc.description.references Xu ,T. 2012. Use of data-driven models to improve prediction of physically based groundwater models. Thesis submitted in partial fulfillment of the requeriments for the degree of Master of Science in Civil Engineering. Graduate College, University of Illinois at Urbana-Champaign. es_ES
dc.description.references Xu, T., Valocchi, A., Choi, J., Amir, E. 2013. Use of machine learning methods to reduce predictive error of groundwater models. National Groundwater Association, 52(3), 448-460. https://doi.org/10.1111/gwat.12061 es_ES
dc.description.references Xu, T., Valocchi, A. 2015. Data-driven methods to improve baseflow prediction of a regional groundwater model. Computers & Geosciences, 85, 124-136. https://doi.org/10.1016/j.cageo.2015.05.016 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem