Modelo autorregresivo bilineal aplicado a la predicción mensual de caudales en Colombia

Resumen

La alta no linealidad de los procesos hidrológicos y la necesidad de predicción de las variables en una cuenca requieren de una búsqueda y estudio continuo de modelos de predicción. En Colombia durante los últimos 20 años se han explorado nuevas líneas de trabajo a parte de los modelos estocásticos. Estas líneas comprenden modelos en redes neuronales artificiales, análisis espectral singular, modelos de ajuste no lineal por partes, modelos de onditas, y alternativas de modelos estocásticos autorregresivos como los modelos dependientes del régimen o modelos con variables exógenas. Como cualquier modelo, estos presentan incertidumbre y el mejoramiento de la capacidad predicativa es fundamental. Por esto se propone el estudio de un modelo autorregresivo bilineal para la predicción de caudales para estudiar su desempeño. / Abstract: The high nonlinearity of hydrological processes and the need to predict the variables in a watershed requires a continuous search and study of prediction models. In Colombia during the past 20 years have explored new areas of work of the stochastic models. These lines include models in Artificial Neural Networks, Singular Spectral Analysis, Modeling non-linear adjustment in part onditas models and alternative models such as stochastic autoregressive regime-dependent models or models with exogenous variables. Like any model, the present uncertainty and improve the predicative ability is essential. For this study proposes a bilinear autoregressive model for the prediction of flow rates to study their performance.