[Todos CMAT] Defensa de Tesis de Maestría en Ingeniería Matemática de Stefanie Talento

[Marco Scavino - IMERL]

Estimados:


A través de la presente los invitamos cordialmente a la Defensa de Tesis de
Maestría en Ingeniería Matemática de la Lic. Stefanie Talento a realizarse
el día Jueves 5 de Mayo a las 10:30 horas en el Salón de Seminarios del
IMERL, Facultad de Ingeniería.

 

Título de la Tesis: "Bases para un sistema de predicción de caudales de
aporte a Rincón del Bonete y Salto Grande".

 
Tribunal:
Prof. Dr. Ernesto Mordecki (CMAT, Facultad de Ciencias)

Dr. Ing. Luis Silveira (IMFIA, Facultad de Ingeniería),

MSc. Ing. Daniel Tasende (Gerencia de UTE).


Tutores: Dr. Ing. Rafael Terra, Dr. Marco Scavino.


Resumen:
En este trabajo se presentan las bases para el diseño de sistemas de
predicción de caudales de aporte a las represas hidroeléctricas de Rincón
del Bonete y Salto Grande. La predicción se realiza de forma independiente
para cada embalse y para cada mes del año, siguiendo las metodologías de
downscaling híbrido (cuando se utilizan predictores atmosféricos) o modelo
orientado puramente por datos (cuando no se utilizan predictores
atmosféricos).

 

A partir del análisis de la circulación atmosférica regional, índices
asociados al fenómeno El Niño Oscilación Sur e información relacionada con
caudales antecedentes se determina un conjunto inicial de variables
predictoras. Luego, bajo la hipótesis de variables predictoras conocidas, se
ajustan varios modelos estadísticos de regresión que relacionan a las mismas
con el caudal, entre ellos: modelo lineal, modelo lineal acoplado con
selección de variables, regresión por mínimos cuadrados parciales, árboles
de regresión, redes neuronales y técnicas de clustering. En general, el
modelo que presenta los mejores resultados de habilidad predictiva (estimada
a través del error cross validation leave-one-out) es el modelo de regresión
lineal acoplado con selección hacia atrás de variables.

 

Se encuentra que tanto en Rincón del Bonete como en Salto Grande los
caudales de aporte medios mensuales son predictibles en todos los meses del
año, exceptuando el caudal de aporte a Rincón del Bonete en agosto. Si bien
para Rincón del Bonete no se distingue claramente un período de elevada
predictibilidad, para Salto Grande las temporadas de marzo a mayo y de
octubre a diciembre destacan como robustas en este sentido.

 

Los esquemas de predicción desarrollados presentan, en general, habilidad
predictiva superior a la de pronosticar la media histórica, aún en
situaciones de antecedencia del pronostico que no permiten contar con los
caudales precedentes seleccionados como predictores (antecedencias
superiores a dos meses).

 

A pesar de que todo el trabajo fue realizado bajo la hipótesis de
predictores conocidos, la utilización de un modelo de circulación general de
la atmosfera (el de la Universidad de California, Los Angeles) permitió
evaluar el desempeño de los modelos desarrollados restringiendo las
variables predictoras atmosféricas a aquellas que dicho modelo indica
podrían ser predictibles, lo cual constituye una situación mas cercana a la
que debe ser enfrentada en modo operacional. Aún cuando el conjunto de
predictores se restringe únicamente a aquellos potencialmente predictibles,
los modelos desarrollados muestran habilidad predictiva superior a la de
pronosticar la media histórica en ambos embalses en la mayoría de los meses,
incluso bajo situaciones de antecedencia superiores a los dos meses. Aunque
estos resultados deben considerarse cotas superiores de la habilidad
predictiva en modo operacional (pues, de nuevo, se supusieron predictores
conocidos) los resultados son alentadores.

 

 

Saludos cordiales,
Rafael Terra

Marco Scavino

 

------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL: <http://www.cmat.edu.uy/pipermail/todos/attachments/20110502/b5547074/attachment-0001.html>
------------ próxima parte ------------
A non-text attachment was scrubbed...
Name: defensa_stefanie.pdf
Type: application/pdf
Size: 64264 bytes
Desc: no disponible
URL: <http://www.cmat.edu.uy/pipermail/todos/attachments/20110502/b5547074/attachment-0001.pdf>