Resumen de Modelos multivariados de predicción de caudal mensual utilizando variables macroclimáticas. Caso de estudio Río Cauca

Yesid Carvajal Escobar, Juan Bautista Marco Segura

• español

  Se analizaron las teleconexiones lineales entre el fenómeno ENOS y los caudales mensuales del Río Cauca (Valle del Cauca-Colombia), utilizando dos técnicas estadísticas multivariadas: el análisis de funciones ortogonales empíricas (FOES) y el análisis de correlación canónica (ACC). Se ajustaron modelos ARMAX, para predecir los caudales, utilizando las primeras componentes principales y coeficientes canónicos de las variables macroclimáticas, como variables auxiliares en los modelos de caudal; obteniéndose mejoras en la predicción. Lo anterior indica que las variables macroclimáticas aportaron información adicional. El FPE (error final de predicción) se redujo en un 9.44% en promedio, usando la primera componente principal de las variables macroclimáticas como variable auxiliar. Mientras, el FPE se redujo en un 13.35% en promedio, usando el primer coeficiente canónico de las variables macroclimáticas como variable auxiliar. Los modelos presentaron buen ajuste, por lo que pueden ser utilizados para predicción. Así mismo, los métodos multivariados de análisis de FOES y El ACC demuestran que son una herramienta eficaz en el estudio de la variabilidad climática para entender las relaciones del ENOS o fenómenos similares con la hidrología de la región. Palabras Clave: Funciones ortogonales empíricas (FOES), análisis de componentes principales (ACP), análisis de correlación canónica (ACC), patrones principales de predicción (PPP), fenómeno el Niño, fenómeno de la Niña.

• English

  The linear teleconnections between the ENOS phenomeno and the Cauca ValleyColombia monthly interannual flows was studied. Two multivaritate statistical techniques was used: Empirical ortoghonal functions (EOFS) and the canonical correlation analysis (CCA). Armax models was adjusted to predict the month flows, using principal components and canonical coefficients of the macroclimatic variables, as auxiliary variables in prediction models. When includes the principal components of macroclimatics variables as predictor variables in flows models, improved in prediction was obtained, indicating that they contribute with additional information. The FPE (final prediction error) was reduced in 9.44% in average, using the first principal component of macroclimatics variables as auxiliary variable. While, the FPE was reduced in 13.35% in average using the first canonical coeficients of macroclimatic variables as auxiliary variable. The flows models presented good adjustment, for what they can be used for prediction. Likewise, The multivariate EOFS and CCA methods proved to be a valuable tools in the study of climate variability to understand the relationships between the ENOS phenomeno with the region hydrology.